| name | usd-reserve-loss-gold-revaluation |
| description | 在「美元／某貨幣失去儲備地位、黃金成為唯一錨」的假設下，用央行貨幣負債 ÷ 黃金儲備，推演「資產負債表可承受的隱含金價」，並輸出各國/各貨幣的槓桿程度、缺口與排名。 |
<essential_principles>
**黃金錨定假說**
本模型基於極端情境假設：若法定貨幣體系瓦解、黃金成為唯一錨定資產，則：
- 隱含金價 = 貨幣負債 ÷ 黃金儲備
- 這不是「預測」，而是「壓力測試」：資產負債表要撐得住需要多高的金價
典型論述來源：VanEck「$39k gold」分析（M0 + FX turnover 加權）
**兩種貨幣口徑差異**
| 口徑 | 定義 | 隱含金價 | 解讀 |
|---|
| M0 (Monetary Base) | 央行直接負債（通貨 + 準備金） | ~$39k | 央行資產負債表壓力 |
| M2 (Broad Money) | 含銀行體系信用擴張 | ~$184k | 全體信用體系壓力 |
關鍵洞察：兩者差距反映「信用乘數」的槓桿效應。
**加權方法的直覺**
| 方法 | 數據來源 | 直覺 |
|---|
| fx_turnover | BIS 三年調查 | 外匯交易份額 ≈ 國際結算/儲備使用強度 |
| reserve_share | IMF COFER | 官方外匯儲備幣別佔比 |
| equal | - | 不考慮貨幣重要性差異 |
| custom | 用戶自訂 | 可配合特定情境分析 |
加權的直覺：份額越高的貨幣，在「重新錨定」時需吸收的負債壓力越大。
**黃金支撐率 (Backing Ratio)**
backing_ratio = (gold_oz × gold_spot) / money_base
解讀：
- backing_ratio ≈ 3% → 黃金僅支撐 3% 的貨幣負債（高槓桿）
- backing_ratio ≈ 60% → 黃金接近完全支撐（低槓桿）
貼文中「日本黃金只支撐約 3% 的 M0」即此概念。
**資料取得方式**
本 skill 使用公開數據：
- 黃金儲備：World Gold Council / IMF IFS（tonnes）
- 貨幣量：各國央行 / FRED / IMF IFS（M0/M2）
- FX Turnover：BIS Triennial Survey（每三年更新）
- 金價：Yahoo Finance / FRED（XAU/USD）
腳本位於 scripts/ 目錄，可直接執行。
</essential_principles>
實作「美元失去儲備地位下的黃金重估」壓力測試模型：
- 數據整合：抓取各國 M0/M2、黃金儲備、匯率、FX turnover 權重
- 計算隱含金價：未加權與加權版本
- 計算黃金支撐率：衡量各國槓桿程度
- 計算缺口：需要再買多少黃金才能達到目標支撐率
- 排名輸出：誰最槓桿、誰最穩健
輸出：隱含金價、支撐率排名、缺口分析、敘事洞察。
<quick_start>
最快的方式：執行預設情境分析
cd skills/usd-reserve-loss-gold-revaluation
pip install pandas numpy requests yfinance
python scripts/gold_revaluation.py --quick
輸出範例：
{
"headline": {
"implied_gold_price_m0_weighted": 39210.0,
"implied_gold_price_m2_weighted": 184500.0,
"interpretation": "壓力測試數字，非價格預測"
},
"ranking": [
{"entity": "JPY", "backing_ratio": 0.03, "lever_multiple": 41.0},
{"entity": "USD", "backing_ratio": 0.08, "lever_multiple": 12.5},
{"entity": "ZAR", "backing_ratio": 0.60, "lever_multiple": 0.16}
]
}
完整情境分析：
python scripts/gold_revaluation.py \
--date 2026-01-07 \
--entities USD,CNY,JPY,EUR,GBP \
--aggregate M0 \
--weighting fx_turnover \
--output result.json
</quick_start>
需要進行什麼操作？
- 快速計算 - 使用預設參數計算主要貨幣的隱含金價
- 完整分析 - 自訂參數進行情境分析（可選擇口徑、權重、實體）
- 比較分析 - 同時比較 M0 vs M2、不同加權方法的差異
- 監控模式 - 追蹤黃金支撐率的變化趨勢
- 方法論學習 - 了解計算邏輯與數據來源
- 視覺化圖表 - 生成分析結果的視覺化圖表
請選擇或直接提供分析參數。
| Response | Action |
|---------------------------------|-----------------------------------------------|
| 1, "快速", "quick", "計算" | 執行 `python scripts/gold_revaluation.py --quick` |
| 2, "完整", "full", "分析" | 閱讀 `workflows/analyze.md` 並執行 |
| 3, "比較", "compare", "對比" | 閱讀 `workflows/compare.md` 並執行 |
| 4, "監控", "monitor", "追蹤" | 閱讀 `workflows/monitor.md` 並執行 |
| 5, "學習", "方法論", "why" | 閱讀 `references/methodology.md` |
| 6, "圖表", "畫圖", "視覺化" | 執行 `python scripts/visualize_revaluation.py` |
| 提供參數 (如實體清單) | 閱讀 `workflows/analyze.md` 並使用參數執行 |
路由後，閱讀對應文件並執行。
<directory_structure>
usd-reserve-loss-gold-revaluation/
├── 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/
│ ├── analyze.md # 完整情境分析工作流
│ ├── compare.md # M0/M2 比較分析工作流
│ └── monitor.md # 持續監控工作流
├── references/
│ ├── data-sources.md # 數據來源與獲取方式
│ ├── methodology.md # 方法論與計算邏輯
│ └── input-schema.md # 完整輸入參數定義
├── templates/
│ ├── output-json.md # JSON 輸出模板
│ └── output-markdown.md # Markdown 報告模板
└── scripts/
├── gold_revaluation.py # 主計算腳本
└── visualize_revaluation.py # 視覺化腳本
</directory_structure>
<reference_index>
方法論: references/methodology.md
- 黃金錨定假說解析
- 隱含金價計算公式
- 支撐率與槓桿解讀
資料來源: references/data-sources.md
- 黃金儲備數據來源
- 貨幣量 M0/M2 數據來源
- BIS FX Turnover 數據
- 匯率與金價來源
輸入參數: references/input-schema.md
</reference_index>
<workflows_index>
| Workflow | Purpose | 使用時機 |
|---|
| analyze.md | 完整情境分析 | 需要自訂參數進行壓力測試 |
| compare.md | M0/M2 比較分析 | 比較不同口徑的隱含金價差異 |
| monitor.md | 持續監控 | 追蹤支撐率變化趨勢 |
| </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 |
|---|
| gold_revaluation.py | --quick | 快速計算主要貨幣 |
| gold_revaluation.py | --entities USD,CNY --agg M0 | 自訂實體與口徑 |
| gold_revaluation.py | --compare-aggregates | M0 vs M2 比較 |
| visualize_revaluation.py | --mode usd | 美元單一視覺化圖表 |
| visualize_revaluation.py | --mode multi | 多貨幣比較視覺化圖表 |
| visualize_revaluation.py | --mode all --output-dir DIR | 生成所有圖表至指定目錄 |
| </scripts_index> | | |
<input_schema_summary>
核心參數
| 參數 | 類型 | 預設值 | 說明 |
|---|
| scenario_date | string | today | 情境估算基準日期 |
| entities | array | 主要貨幣 | 分析對象（國家/貨幣代碼） |
| monetary_aggregate | string | M0 | 貨幣口徑（M0/M2/MB/M1/M3） |
| weighting_method | string | fx_turnover | 加權方式 |
| fx_base | string | USD | 計價幣別基準 |
進階參數
| 參數 | 類型 | 預設值 | 說明 |
|---|
| liability_scope | string | broad_money | 負債口徑 |
| gold_reserve_unit | string | troy_oz | 黃金單位（oz/tonnes） |
| gold_price_spot | float | auto | 基準日金價（可自動抓取） |
| fx_rates | object | auto | 匯率（可自動抓取） |
完整參數定義見 references/input-schema.md。
</input_schema_summary>
<output_schema_summary>
{
"skill": "usd-reserve-loss-gold-revaluation",
"scenario_date": "2026-01-07",
"assumptions": {
"monetary_aggregate": "M0",
"weighting_method": "fx_turnover",
"fx_base": "USD",
"gold_spot_usd_per_oz": 2050.0
},
"headline": {
"implied_gold_price_weighted_usd_per_oz": 39210.0,
"interpretation": "資產負債表壓力測算（非價格預測）"
},
"table": [...],
"insights": [...]
}
完整輸出結構見 templates/output-json.md。
</output_schema_summary>
<success_criteria>
執行成功時應產出：
