| name | detect-palladium-lead-silver-turns |
| description | 以鈀金的先行轉向作為確認條件，檢驗白銀短期漲跌是否獲得工業景氣與風險情緒的同步支持，並標記缺乏鈀金參與度的失敗走勢。 |
<essential_principles>
**跨金屬確認核心**
「鈀金領先白銀」的假說需要可量化驗證：
- 以 cross-correlation 估計最佳領先滯後（lead-lag）
- 當銀出現拐點時，檢查鈀金是否在確認窗口內先行或同步出現同向拐點
- 未被確認的拐點視為「失敗推動」的候選
Lead-Lag = argmax(cross_correlation(pd_ret[t-k:t], ag_ret[t:t+k]))
Confirmed = pd_turn exists within [ag_turn.ts - window, ag_turn.ts + window]
**拐點偵測三法**
| 方法 | 原理 | 適用場景 |
|---|
pivot | 左右 N 根K棒內的局部極值 | 結構明確的趨勢 |
peaks | scipy find_peaks + prominence | 自動化密度控制 |
slope_change | 趨勢斜率由正轉負或反之 | 平滑趨勢追蹤 |
建議從 pivot 開始，左右各 3-5 根K棒，再依需求調整。
**參與度判定**
鈀金是否「參與」銀的走勢，有多種衡量方式：
| 指標 | 定義 | 門檻建議 |
|---|
returns_corr | 報酬率滾動相關係數 | > 0.5 |
direction_agree | 同向漲跌的比例 | > 60% |
vol_expansion | 兩者波動同步擴張 | σ_pd / σ_ag > 0.8 |
breakout_confirm | 銀突破時鈀金也突破 | 同向突破 |
未達門檻時，銀的動作可能是「流動性噪音」而非趨勢確認。
**失敗走勢判定**
將「無鈀金參與的銀動作」落地為可回測的規則：
| 規則 | 定義 | 後果 |
|---|
no_confirm_then_revert | 無確認 + 銀在 N 根K內回撤過起點 | 標記為 failed_move |
no_confirm_then_break_fail | 無確認 + 銀突破後回落跌破突破點 | 假突破 |
歷史統計：未確認事件的失敗率 vs 已確認事件的成功率。
</essential_principles>
偵測「鈀金領先、白銀跟隨」的跨金屬拐點：
- 數據取得：白銀與鈀金的 OHLCV（yfinance: SI=F, PA=F）
- 拐點偵測：識別兩者的局部高低點（pivot / peaks / slope_change）
- 領先滯後估計：cross-correlation 找最佳 lag
- 跨金屬確認：銀的拐點是否在窗口內被鈀金同向拐點確認
- 失敗走勢判定：未確認的銀拐點是否符合失敗規則
輸出：確認率、失敗率、每個事件的詳細判定、風控建議。
<quick_start>
最快的方式：偵測白銀近期拐點是否被鈀金確認
cd skills/detect-palladium-lead-silver-turns
pip install pandas numpy yfinance scipy statsmodels
python scripts/palladium_lead_silver.py --silver SI=F --palladium PA=F --quick
輸出範例：
{
"symbol_pair": {"silver": "SI=F", "palladium": "PA=F"},
"as_of": "2026-01-14",
"timeframe": "1h",
"estimated_pd_leads_by_bars": 6,
"lead_lag_corr": 0.42,
"confirmation_rate": 0.71,
"unconfirmed_failure_rate": 0.64,
"latest_event": {
"ts": "2026-01-15T14:00:00Z",
"turn": "top",
"confirmed": false,
"participation_ok": false,
"failed_move"
完整分析：
python scripts/palladium_lead_silver.py --silver SI=F --palladium PA=F --timeframe 1h --lookback 1000 --output result.json
生成 Bloomberg 風格視覺化圖表（推薦）：
pip install matplotlib yfinance
python scripts/plot_bloomberg_style.py --input result.json --output output/palladium_silver_2026-01-26.png
圖表特色：
- Bloomberg 專業配色：深色背景、橙紅色白銀線、橙黃色鈀金線
- 背景色帶標記：綠色背景 = 已確認拐點區域，紅色背景 = 未確認拐點區域（不擋住走勢線）
- 最新事件標註：醒目標示最新拐點的確認狀態與價格
- Pd/Ag 價格比率圖：顯示鈀金對白銀的相對價格變化，含 20 期均線
- 滾動確認率：動態顯示確認邏輯的有效性趨勢
- 統計面板：確認率、失敗率、總拐點數等關鍵指標
- 行情解讀：當前狀態評估與可操作建議
傳統三合一圖表（技術分析向）：
python scripts/plot_palladium_silver.py --silver SI=F --palladium PA=F --output output/
包含：
- 銀/鈀價格疊加與拐點標記
- 確認/未確認事件分布
- 滾動相關係數時間序列
- 失敗走勢統計
</quick_start>
需要進行什麼操作？
- 快速偵測 - 檢查最近白銀拐點是否被鈀金確認
- 歷史回測 - 回溯分析跨金屬確認的有效性
- 持續監控 - 設定警報當出現新拐點時通知
- 參數調校 - 找出最佳的確認窗口與參與度門檻
- 方法論學習 - 了解跨金屬領先滯後的理論基礎
請選擇或直接提供分析參數開始。
| Response | Action |
|------------------------------------|--------------------------------------------------------|
| 1, "快速", "quick", "check" | 執行 `python scripts/palladium_lead_silver.py --quick` |
| 2, "回測", "backtest", "history" | 閱讀 `workflows/backtest.md` 並執行 |
| 3, "監控", "monitor", "alert" | 閱讀 `workflows/monitor.md` 並執行 |
| 4, "調校", "optimize", "tune" | 閱讀 `workflows/detect.md` 的參數調校部分 |
| 5, "學習", "方法論", "why" | 閱讀 `references/methodology.md` |
| 提供參數（如 timeframe, lookback） | 閱讀 `workflows/detect.md` 並使用參數執行 |
路由後，閱讀對應文件並執行。
<directory_structure>
detect-palladium-lead-silver-turns/
├── SKILL.md # 本文件（路由器）
├── skill.yaml # 前端展示元數據
├── manifest.json # 技能元數據
├── workflows/
│ ├── detect.md # 單次偵測工作流
│ ├── backtest.md # 歷史回測工作流
│ └── monitor.md # 持續監控工作流
├── references/
│ ├── methodology.md # 跨金屬領先滯後方法論
│ ├── input-schema.md # 完整輸入參數定義
│ └── data-sources.md # 資料來源說明
├── templates/
│ ├── output-json.md # JSON 輸出模板
│ └── output-markdown.md # Markdown 報告模板
├── scripts/
│ ├── palladium_lead_silver.py # 主偵測腳本
│ ├── plot_bloomberg_style.py # Bloomberg 風格視覺化（推薦）
│ └── plot_palladium_silver.py # 傳統三合一圖表
└── examples/
└── silver-palladium-2024.json # 範例輸出
</directory_structure>
<reference_index>
方法論: references/methodology.md
- 跨金屬領先滯後原理
- 拐點偵測三法詳解
- 參與度與確認邏輯
- 失敗走勢的市場含義
資料來源: references/data-sources.md
- Yahoo Finance 期貨代碼
- 宏觀濾鏡數據來源
- 數據頻率與對齊
輸入參數: references/input-schema.md
</reference_index>
<workflows_index>
| Workflow | Purpose | 使用時機 |
|---|
| detect.md | 單次偵測 | 檢查特定時間範圍 |
| backtest.md | 歷史回測 | 驗證確認邏輯有效性 |
| monitor.md | 持續監控 | 日常追蹤或警報 |
| </workflows_index> | | |
<templates_index>
| Template | Purpose |
|---|
| output-json.md | JSON 輸出結構定義 |
| output-markdown.md | Markdown 報告模板 |
| </templates_index> | |
<scripts_index>
| Script | Command | Purpose |
|---|
| palladium_lead_silver.py | --silver SI=F --palladium PA=F --quick | 快速檢查當前狀態 |
| palladium_lead_silver.py | --silver SI=F --palladium PA=F --lookback 1000 | 完整歷史分析 |
| plot_bloomberg_style.py | --input result.json --output output/chart.png | Bloomberg 風格圖表（推薦） |
| plot_palladium_silver.py | --silver SI=F --palladium PA=F --output dir/ | 傳統三合一圖表 |
| </scripts_index> | | |
<input_schema_summary>
核心參數
| 參數 | 類型 | 預設值 | 說明 |
|---|
| silver_symbol | string | (required) | 白銀標的代碼 |
| palladium_symbol | string | (required) | 鈀金標的代碼 |
| timeframe | string | 1h | 分析時間尺度 |
| lookback_bars | int | 1000 | 回溯K棒數 |
拐點偵測參數
| 參數 | 類型 | 預設值 | 說明 |
|---|
| turn_method | string | pivot | 拐點偵測方法 |
| pivot_left | int | 3 | pivot 左側確認K數 |
| pivot_right | int | 3 | pivot 右側確認K數 |
| confirm_window_bars | int | 6 | 跨金屬確認窗口 |
| lead_lag_max_bars | int | 24 | 領先滯後最大滯後K數 |
參與度參數
| 參數 | 類型 | 預設值 | 說明 |
|---|
| participation_metric | string | direction_agree | 參與度衡量方式 |
| participation_threshold | float | 0.6 | 參與度門檻 |
| failure_rule | string | no_confirm_then_revert | 失敗走勢規則 |
完整參數定義見 references/input-schema.md。
</input_schema_summary>
<output_schema_summary>
{
"skill": "detect-palladium-lead-silver-turns",
"symbol_pair": {"silver": "SI=F", "palladium": "PA=F"},
"as_of": "2026-01-14",
"timeframe": "1h",
"lookback_bars": 1200,
"summary": {
"estimated_pd_leads_by_bars": 6,
"lead_lag_corr": 0.42,
"confirmation_rate": 0.71,
"unconfirmed_failure_rate": 0.64,
"total_ag_turns": 24,
"confirmed_turns": 17,
"failed_moves":
完整輸出結構見 templates/output-json.md。
</output_schema_summary>
<success_criteria>
執行成功時應產出：
