| name | detect-freight-led-inflation-turn |
| description | 透過美國卡斯貨運指數 (CASS Freight Index) 的週期轉折，偵測美國通膨壓力是否進入放緩或反轉階段。用於判斷「通膨是否正在降溫」，並驗證市場對降息、通膨回落的宏觀敘事是否有實體經濟數據支撐。 |
<essential_principles>
**CASS Freight Index 是最權威的貨運指標**
CASS Freight Index 由 Cass Information Systems 編制，追蹤北美地區的貨運出貨量與支出：
| 指標 | 說明 | 用途 |
|---|
| Shipments Index | 出貨量指數 | 衡量實體經濟需求強度 |
| Expenditures Index | 運費支出指數 | 衡量物流成本壓力 |
| Shipments YoY | 出貨量年增率 | 偵測週期轉折（主要分析指標） |
| Expenditures YoY | 支出年增率 | 驗證成本傳導 |
數據來源：MacroMicro (透過 Highcharts 爬取)
**貨運量是通膨的領先指標**
核心邏輯：
- 貨運量 ≈ 實體經濟需求強度
- 出貨量下降 → 終端需求減弱 → 定價能力下降
- 歷史上 CASS 指標對 CPI 具有約 4-6 個月的領先性
關鍵訊號不是單月變化，而是「週期轉折」：
- 年增率轉負 (turned negative)
- 創週期新低 (new cycle low)
**訊號解讀：通膨緩解而非通縮**
當偵測到 CASS 週期轉折：
- 結論是「通膨壓力緩解」而非「通縮」
- 屬於 inflation easing / disinflation regime
- 支持市場對降息或政策轉向的預期
這是跨週期關係辨識：「物流需求動能 → 通膨方向」
**多指標交叉驗證**
建議同時觀察四個 CASS 指標：
- Shipments YoY（主要）：需求端訊號
- Expenditures YoY：成本端訊號
- Shipments Index：絕對水準
- Expenditures Index：運費壓力
當 Shipments 和 Expenditures 同時轉負，訊號更為可靠。
</essential_principles>
偵測 CASS Freight Index 的週期轉折，判斷通膨是否正在放緩。
輸出三層訊號：
- Freight Status: CASS 各指標狀態與週期位置
- Lead Alignment: 與 CPI YoY 的領先對齊分析
- Signal Assessment: 通膨緩解訊號判斷與信心水準
<quick_start>
最快的方式：使用 Chrome CDP 抓取數據
Step 1：安裝依賴
pip install requests websocket-client pandas numpy
Step 2：啟動 Chrome 調試模式
"C:\Program Files\Google\Chrome\Application\chrome.exe" ^
--remote-debugging-port=9222 ^
--remote-allow-origins=* ^
--user-data-dir="%USERPROFILE%\.chrome-debug-profile" ^
"https://www.macromicro.me/charts/46877/cass-freight-index"
Step 3：等待頁面完全載入（圖表顯示），然後執行
cd scripts
python fetch_cass_freight.py --cdp
Step 4：執行通膨訊號分析
python freight_inflation_detector.py --quick
Step 5：生成視覺化圖表
python visualize_freight_cpi.py \
--cache cache/cass_freight_cdp.json \
--output ../../output/freight_cpi_$(date +%Y-%m-%d).png \
--start 1995-01-01
輸出範例：
{
"signal": "inflation_easing",
"confidence": "high",
"freight_yoy": -7.46,
"cycle_status": "negative",
"indicator": "shipments_yoy",
"macro_implication": "通膨壓力正在放緩，未來 CPI 下行風險上升"
}
- 視覺化圖表：
output/freight_cpi_2026-01-23.png
備選方法（Selenium）：
pip install selenium webdriver-manager
python scripts/fetch_cass_freight.py --selenium --no-headless
</quick_start>
需要進行什麼分析？
- 快速檢查 - 查看最新的 CASS 指標與通膨先行訊號
- 完整分析 - 執行完整的週期轉折偵測與領先性分析
- 方法論學習 - 了解 CASS 指標與通膨的領先關係
請選擇或直接提供分析參數。
| Response | Action |
|------------------------------|-------------------------------------------------------------|
| 1, "快速", "quick", "check" | 執行 `python scripts/freight_inflation_detector.py --quick` |
| 2, "完整", "full", "analyze" | 閱讀 `workflows/analyze.md` 並執行 |
| 3, "學習", "方法論", "why" | 閱讀 `references/methodology.md` |
| 提供參數 (如日期範圍) | 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>
detect-freight-led-inflation-turn/
├── SKILL.md # 本文件（路由器）
├── skill.yaml # 前端展示元數據
├── manifest.json # 技能元資料
├── workflows/
│ ├── analyze.md # 完整分析工作流
│ └── quick-check.md # 快速檢查工作流
├── references/
│ ├── data-sources.md # CASS 數據來源與爬蟲說明
│ ├── methodology.md # 領先性方法論解析
│ └── historical-episodes.md # 歷史案例對照
├── templates/
│ ├── output-json.md # JSON 輸出模板
│ └── output-markdown.md # Markdown 報告模板
├── scripts/
│ ├── fetch_cass_freight.py # MacroMicro CASS 爬蟲
│ ├── fetch_via_cdp.py # Chrome CDP 爬蟲模組
│ ├── freight_inflation_detector.py # 主分析腳本
│ └── visualize_freight_cpi.py # CASS vs CPI 領先性視覺化
└── examples/
└── sample_output.json # 範例輸出
</directory_structure>
<reference_index>
方法論: references/methodology.md
- CASS Freight Index 與 CPI 的領先性關係
- 週期轉折偵測邏輯
- 訊號強度評估標準
資料來源: references/data-sources.md
- MacroMicro Highcharts 爬蟲說明
- CASS 四個指標定義
- 快取策略與更新頻率
歷史案例: references/historical-episodes.md
- 2008 金融危機前後
- 2020 疫情期間
- 2022 通膨高峰期
</reference_index>
<workflows_index>
| Workflow | Purpose | 使用時機 |
|---|
| analyze.md | 完整週期轉折分析 | 需要深度分析時 |
| quick-check.md | 快速檢查訊號 | 日常監控或快速回答 |
| </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 |
|---|
| fetch_cass_freight.py | --cdp | 使用 CDP 爬取（推薦） |
| fetch_cass_freight.py | --selenium --no-headless | 使用 Selenium 爬取（備選） |
| freight_inflation_detector.py | --quick | 快速檢查最新訊號 |
| freight_inflation_detector.py | --start DATE --indicator X | 完整分析 |
| visualize_freight_cpi.py | --lead-months 6 --start DATE | 繪製 CASS vs CPI 領先圖 |
| </scripts_index> | | |
視覺化輸出：CASS vs CPI 領先性對比圖
核心特徵（參考 Bloomberg/Refinitiv 風格）：
- CASS 6M Forward：將 CASS Freight Index 向前移動 6 個月，直觀展示領先關係
- 雙軸對比：CPI YoY（左軸藍線）vs CASS Shipments YoY（右軸灰線）
- 衰退區間標記：NBER 官方衰退期以淺色陰影標示
- Bloomberg 深色風格：深藍背景、高對比度配色
快速繪圖：
cd scripts
python visualize_freight_cpi.py \
--cache cache/cass_freight_cdp.json \
--output ../../output/freight_cpi_YYYY-MM-DD.png \
--start 1995-01-01 \
--lead-months 6
輸出路徑：output/freight_cpi_YYYY-MM-DD.png（根目錄）
圖表解讀：
- 當 CASS（灰線）先行轉負/創新低，而 CPI（藍線）仍在高位 → 通膨放緩訊號
- 當 CASS 與 CPI 走勢同步 → 領先關係暫時失效，需謹慎解讀
<input_schema>
**Type**: string (ISO YYYY-MM-DD)
**Description**: 分析起始日期
**Example**: "2010-01-01"
**Type**: string (ISO YYYY-MM-DD)
**Description**: 分析結束日期
**Type**: string
**Options**: `shipments_index` | `expenditures_index` | `shipments_yoy` | `expenditures_yoy`
**Description**: CASS 指標選擇
- `shipments_yoy`: 出貨量年增率（推薦，主要分析指標）
- `expenditures_yoy`: 支出年增率
- `shipments_index`: 出貨量指數
- `expenditures_index`: 支出指數
**Type**: integer
**Description**: 領先 CPI 的月份數
**Range**: 3-12
**Type**: float
**Description**: 年增率警戒門檻（如 0 表示轉負）
</input_schema>
<output_schema>
參見 templates/output-json.md 的完整結構定義。
摘要：
{
"signal": "inflation_easing | inflation_rising | neutral",
"confidence": "high | medium | low",
"freight_yoy": -2.9,
"cycle_status": "new_cycle_low | negative | positive",
"indicator": "shipments_yoy",
"macro_implication": "通膨壓力正在放緩，未來 CPI 下行風險上升",
"all_indicators": {
"shipments_index": {...},
"expenditures_index": {...},
"shipments_yoy": {...},
"expenditures_yoy": {...}
}
}
</output_schema>
<success_criteria>
分析成功時應產出：
