| name | analyze-copper-stock-resilience-dependency |
| description | 用跨資產訊號（全球股市韌性 + 中國利率環境）評估銅價能否突破關卡或進入「回補/回踩」到支撐的機率與路徑。 |
<essential_principles>
**跨資產依賴核心邏輯**
銅價的關卡突破與回補，並非單純由銅本身決定，而是高度依賴股市韌性：
銅價走勢 = f(技術面關卡狀態) × f(股市韌性) × f(中國利率環境)
關鍵洞察：
- 股市韌性高時：銅突破關卡後「續航」機率更高
- 股市韌性低時：銅更容易出現「back-and-fill」回補到支撐區
- 中國10Y殖利率：作為風險壓力/政策寬鬆的雙面訊號
**心理關卡與趨勢狀態**
銅價的重要心理整數位（如 10,000 / 13,000 USD/ton）是判斷突破與回補的關鍵：
| 狀態 | 條件 | 含義 |
|---|
| up | close > SMA(60) 且斜率為正 | 上升趨勢 |
| down | close < SMA(60) 且斜率為負 | 下降趨勢 |
| range | 其他 | 區間整理 |
關卡判定：
near_resistance: 接近上方關卡near_support: 接近下方支撐
**股市韌性評分（0-100）**
將「股市韌性」量化為可計算的分數：
| 因子 | 權重 | 計算方式 |
|---|
| 12個月動能 | 40% | 12m 報酬分位數（vs 歷史） |
| 均線位置 | 40% | 是否站上 12 月均線（是=100，否=0） |
| 近期回撤 | 20% | 近 3m 回撤越小越好（反向計分） |
評分解讀：
- 70-100：高韌性，銅突破關卡後續航機率較高
- 30-70：中性，需觀察其他因子
- 0-30：低韌性，回補風險顯著上升
**滾動迴歸：量化依賴強度**
計算銅價對股市與中國殖利率的滾動貝塔係數：
Δcopper ~ β1 × Δequity + β2 × Δchina_yield + ε
- β1（股市貝塔）越大越正：銅越像風險資產，越依賴股市
- β1 高分位：市場正在把銅當風險資產一起交易
- β1 < 0（負相關）：銅與股市脫鉤，展現獨立邏輯（避險/供給/能源轉型敘事）
- β2（殖利率貝塔）：正 = 殖利率上升利好銅（通膨敘事），負 = 反之
**資料取得方式**
本 skill 使用以下公開數據來源：
| 數據 | 代碼/來源 | 取得方式 |
|---|
| 銅期貨價格 | COMEX Copper (HG=F) | Yahoo Finance |
| 全球股市市值 | VT (Vanguard Total World Stock ETF) | Yahoo Finance |
| 中國10Y殖利率 | MacroMicro | Selenium + Highcharts |
單位換算：
- HG=F 為 $/lb，自動乘以 2204.62262 轉換為 $/ton
- VT ETF 價格乘以係數轉換為全球市值估計（兆美元）
- 中國10Y 為百分比（%）
</essential_principles>
實作銅價股市韌性依賴分析：
- 資料擷取：抓取銅價、全球股市、中國10Y殖利率
- 趨勢與關卡判定：計算 SMA、趨勢狀態、接近哪個關卡
- 股市韌性評分：計算 equity_resilience_score
- 依賴關係量化：滾動迴歸計算 β 係數
- 回補機率估計：歷史統計回補頻率（高韌性 vs 低韌性）
- 情境判讀：輸出當前是「續航」還是「回補」情境
輸出：當前狀態、依賴強度、回補機率、可執行警報旗標。
<quick_start>
最快的方式：執行預設分析
cd skills/analyze-copper-stock-resilience-dependency
pip install pandas numpy yfinance scipy statsmodels matplotlib
python scripts/copper_stock_analyzer.py --quick
輸出範例：
{
"as_of": "2026-01-22",
"latest_state": {
"copper_price_usd_per_ton": 12727,
"copper_trend": "up",
"equity_resilience_score": 83,
"rolling_beta_equity_24m": -0.80
},
"diagnosis": {
"narrative": "銅價上升趨勢中，接近 13,000 關卡，股市韌性高檔。"
}
}
生成 Bloomberg 風格圖表：
python scripts/visualize.py \
--start 2015-01-01 \
-o output/copper_resilience_2026-01-22.png
圖表包含：
- 銅價月線 + SMA60（右軸，橙紅/黃色）
- 全球股市市值（左軸，橙色面積圖）
- 中國 10Y 殖利率（左軸，黃線）
- 關卡線（10,000 / 13,000）
生成依賴度分析圖表（三面板綜合圖）：
python scripts/plot_dependency_analysis.py \
--start 2015-01-01 \
-o ../../output/copper-dependency-analysis-2026-01-22.png
圖表包含三個面板：
- 銅價面板：銅價 + SMA60 + 趨勢背景色（綠=上升，紅=下降）+ 關卡線
- β係數面板：滾動 β 時間序列 + ±1σ 區間 + 當前分位數 + 負值警示
- 韌性面板：股市韌性評分 + 高/低閾值線
完整分析：
python scripts/copper_stock_analyzer.py \
--start 2015-01-01 \
--end 2026-01-22 \
--copper HG=F \
--equity ACWI \
--output result.json
</quick_start>
需要進行什麼操作？
- 快速檢查 - 查看目前銅價、股市韌性、關卡狀態
- 完整分析 - 分析時間區間內的依賴關係與回補機率
- 視覺化圖表 - 生成銅價與依賴因子的視覺化圖表
- 依賴度分析圖 - 生成三面板依賴度分析圖表（銅價+β係數+韌性）
- 方法論學習 - 了解跨資產依賴模型的邏輯
請選擇或直接提供分析參數。
| Response | Action |
|------------------------------|--------------------------------------------------------|
| 1, "快速", "quick", "check" | 執行 `python scripts/copper_stock_analyzer.py --quick` |
| 2, "完整", "分析", "full" | 閱讀 `workflows/analyze.md` 並執行 |
| 3, "視覺化", "chart", "plot" | 閱讀 `workflows/visualize.md` 並執行 |
| 4, "依賴度", "dependency" | 執行 `python scripts/plot_dependency_analysis.py` |
| 5, "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>
analyze-copper-stock-resilience-dependency/
├── 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 # 完整分析工作流
│ ├── quick-check.md # 快速檢查工作流
│ └── visualize.md # 視覺化工作流
├── references/
│ ├── methodology.md # 跨資產依賴方法論
│ ├── data-sources.md # 數據來源與爬蟲說明
│ └── 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/
│ ├── copper_stock_analyzer.py # 主分析腳本
│ ├── fetch_data.py # 數據抓取工具
│ ├── visualize.py # Bloomberg 風格圖表
│ └── plot_dependency_analysis.py # 三面板依賴度分析圖表
├── data/
│ └── cache/ # 數據快取目錄
└── examples/
└── sample-output.json # 範例輸出
</directory_structure>
<reference_index>
方法論: references/methodology.md
- 跨資產依賴概念與研究報告對照
- 股市韌性評分設計
- 滾動迴歸與貝塔解讀
- Back-and-fill 回補判定邏輯
資料來源: references/data-sources.md
- Yahoo Finance (yfinance) 使用說明
- 中國10Y殖利率爬蟲設計
- 數據頻率與對齊方法
輸入參數: references/input-schema.md
</reference_index>
<workflows_index>
| Workflow | Purpose | 使用時機 |
|---|
| analyze.md | 完整分析 | 需要詳細依賴關係與回補分析 |
| quick-check.md | 快速檢查 | 只想看當前狀態 |
| visualize.md | 生成視覺化圖表 | 需要圖表展示 |
| </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 |
|---|
| copper_stock_analyzer.py | --quick | 快速檢查當前狀態 |
| copper_stock_analyzer.py | --start DATE --end DATE | 完整分析 |
| fetch_data.py | --series HG=F,ACWI | 抓取市場數據 |
| visualize.py | --start 2015-01-01 -o output/chart.png | 生成 Bloomberg 風格圖表 |
| plot_dependency_analysis.py | --start 2015-01-01 -o output/chart.png | 生成三面板依賴度分析圖表 |
| </scripts_index> | | |
<input_schema_summary>
核心參數
| 參數 | 類型 | 預設值 | 說明 |
|---|
| start_date | string | 2020-01-01 | 分析起點 |
| end_date | string | today | 分析終點 |
| freq | string | 1mo | 頻率（月） |
| copper_series | string | HG=F | 銅價序列代碼 |
| equity_proxy_series | string | ACWI | 股市代理序列 |
| china_10y_yield_series | string | 爬取 | 中國10Y殖利率 |
模型參數
| 參數 | 類型 | 預設值 | 說明 |
|---|
| ma_window | int | 60 | 移動平均視窗 |
| rolling_window | int | 24 | 滾動迴歸視窗（月） |
| round_levels | list | [10000, 13000] | 關卡位置 |
| backfill_max_drawdown | float | 0.25 | 回補幅度上限 |
完整參數定義見 references/input-schema.md。
</input_schema_summary>
<output_schema_summary>
{
"skill": "analyze-copper-stock-resilience-dependency",
"as_of": "2026-01-22",
"inputs": {
"copper_series": "HG=F (converted to USD/ton)",
"equity_proxy_series": "ACWI",
"ma_window": 60,
"rolling_window": 24
},
"latest_state": {
"copper_price_usd_per_ton": 12727,
"copper_sma_60": 9355,
"copper_trend": "up",
"near_resistance_levels": [13000],
"near_support_levels": [],
"equity_resilience_score"
完整輸出結構見 templates/output-json.md。
</output_schema_summary>
<success_criteria>
執行成功時應產出：
