| name | analyze-copper-inventory-rebuild-signal |
| description | 用「庫存快速回補」作為短期警戒訊號，評估銅價是否接近短線高點，同時給出一個「長期是否偏便宜」的歷史分位數判讀。 |
<essential_principles>
**雙層訊號框架（Dual Signal Framework）**
本技能將「肉眼看圖」轉換為可量化、可自動更新的雙層訊號系統：
| 層次 | 問題 | 核心指標 | 決策輸出 |
|---|
| 短線 | 是否「有點超前」？ | SHFE 回補速度 z-score + 庫存水位 | CAUTION / NEUTRAL / SUPPORTIVE |
| 長線 | 是否「仍偏便宜」？ | 銅價歷史分位數（10 年） | CHEAP / FAIR / RICH |
關鍵洞察：SHFE 庫存快速回補 + 水位偏高 → 常常貼近價格局部高點。
**數據來源（三類數據）**
使用 Chrome CDP 全自動抓取 Highcharts 圖表數據，共需三類數據：
口徑：庫存為可交割銅庫存（噸）、價格為收盤價（USD/lb）
**回補速度 Z-Score 計算**
將主觀「回補很快」轉化為客觀可比較的標準化指標：
rebuild_W = inv_t - inv_{t-W} (W = 4 週)
z_score = (rebuild_W - μ) / σ (μ, σ 為 3 年滾動)
- z-score > 1.5：回補速度「異常快」
- z-score > 2.0：回補速度「極端快」
- z-score < -1.5：去庫存速度「異常快」
</essential_principles>
分析銅庫存回補訊號與價格的歷史關係，輸出：
1. **短期訊號**：當前回補速度與庫存水位是否觸發「謹慎」訊號
2. **長期判讀**：銅價是否仍處於歷史偏便宜區間
3. **歷史驗證**：過去同類訊號對應價格高點的命中率
需要進行什麼分析？
| Response | Action |
|----------|--------|
| 1, "快速", "quick", "check", "狀態" | 執行 `python scripts/inventory_signal_analyzer.py --quick` |
| 2, "完整", "full", "驗證", "backtest" | 執行 `python scripts/inventory_signal_analyzer.py --full` |
| 3, "長期", "分位數", "percentile", "cheap" | 執行 `python scripts/inventory_signal_analyzer.py --long-term` |
| 4, "圖表", "chart", "視覺化", "visualize" | 執行 `python scripts/visualize_inventory_signal.py` |
