メニュー
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。
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/fatfingererr/macro-skills --skill analyze-copper-inventory-rebuild-signalコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
以槓桿反向 ETF（做空）相對槓桿正向 ETF（做多）的交易占比，作為散戶風險偏好代理指標，評估 SPX 後續下行風險。
用勞力士市場指數（WatchCharts Rolex Market Index）作為高 β 的風險偏好／流動性代理，判讀「流動性改善但未到投機狂熱」的狀態
使用公開市場資料量化驗證鉑/白金對巴西股市（EWZ）的長週期傳導/連動關係，輸出雙軸圖、領先落後分析、關聯強度分數與監控訊號。
SKILL.md を表示中
SOC 職業分類に基づく
| 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：
| 數據 | 來源 | URL |
|---|---|---|
| SHFE 銅庫存 | MacroMicro (CDP) | https://en.macromicro.me/series/8743/copper-shfe-warehouse-stock |
| COMEX 銅庫存 | MacroMicro (CDP) | https://www.macromicro.me/series/8742/copper-comex-warehouse-stock |
| 銅期貨價格 | Yahoo Finance | HG=F（COMEX 銅期貨連續近月） |
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)
</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` |<quick_start>
全自動執行（無需手動操作 Chrome）
Step 1：安裝依賴
pip install requests websocket-client pandas numpy yfinance matplotlib
Step 2：一鍵抓取所有數據（SHFE + COMEX 庫存 + 銅價）
cd skills/analyze-copper-inventory-rebuild-signal/scripts
python fetch_copper_data.py
腳本會自動：
cache/shfe_inventory.csv、cache/comex_inventory.csv、cache/copper_price.csvStep 3：執行庫存訊號分析
python inventory_signal_analyzer.py
Step 4：生成視覺化圖表
python visualize_inventory_signal.py
輸出：{專案根目錄}/output/copper_inventory_signal_YYYY-MM-DD.png
</quick_start>
請選擇或直接提供分析參數。
路由後，執行對應命令。
<directory_structure>
analyze-copper-inventory-rebuild-signal/
├── SKILL.md # 本文件（路由器）
├── manifest.json # 技能元資料
├── skill.yaml # 前端展示元數據
├── scripts/
│ ├── fetch_copper_data.py # 全自動 CDP 數據爬蟲（SHFE + COMEX + 價格）
│ ├── fetch_shfe_inventory.py # SHFE 專用爬蟲（向下相容）
│ ├── inventory_signal_analyzer.py # 核心分析邏輯
│ └── visualize_inventory_signal.py # Bloomberg 風格視覺化
├── references/
│ ├── data-sources.md # 數據來源說明
│ ├── methodology.md # 方法論說明
│ └── historical-episodes.md # 歷史事件對照
├── templates/
│ ├── output-json.md # JSON 輸出格式
│ └── output-markdown.md # Markdown 輸出格式
├── workflows/
│ ├── quick-check.md # 快速檢查流程
│ ├── full-analysis.md # 完整分析流程
│ └── visualize.md # 視覺化流程
├── cache/
│ ├── shfe_inventory.csv # SHFE 庫存快取
│ ├── comex_inventory.csv # COMEX 庫存快取
│ └── copper_price.csv # 銅價快取
└── examples/
└── sample_output.json # 範例輸出
# 視覺化輸出位置（專案根目錄）
{專案根目錄}/output/
└── copper_inventory_signal_YYYY-MM-DD.png # 輸出圖表（含日期）
</directory_structure>
<scripts_index>
| Script | Command | Purpose |
|---|---|---|
| fetch_copper_data.py | python fetch_copper_data.py | 全自動抓取所有數據（SHFE + COMEX + 價格） |
| fetch_copper_data.py | --force-refresh | 強制重新抓取（忽略快取） |
| fetch_copper_data.py | --source shfe | 只抓取 SHFE 庫存 |
| fetch_copper_data.py | --source comex | 只抓取 COMEX 庫存 |
| fetch_copper_data.py | --source price | 只抓取銅價 |
| inventory_signal_analyzer.py | --quick | 快速檢查當前訊號狀態 |
| inventory_signal_analyzer.py | --full | 完整歷史驗證分析 |
| inventory_signal_analyzer.py | --long-term | 長期價格分位數分析 |
| visualize_inventory_signal.py | 無參數 | 生成 Bloomberg 風格圖表（輸出到專案根目錄 output/） |
| visualize_inventory_signal.py | -o path.png | 指定輸出路徑 |
| </scripts_index> |
<input_parameters>
分析參數
| 參數 | 類型 | 預設值 | 說明 |
|---|---|---|---|
start_date | string | 2015-01-01 | 回測起始日 |
end_date | string | today | 回測結束日 |
price_ticker | string | HG=F | 銅期貨代碼（Yahoo Finance） |
price_freq | string | weekly | 價格頻率（daily/weekly） |
fast_rebuild_window_weeks | int | 4 | 「快速回補」觀察窗（週） |
fast_rebuild_z | float | 1.5 | 回補速度 z-score 門檻 |
high_inventory_mode | string | percentile | 庫存偏高判定模式（absolute/percentile） |
high_inventory_percentile | float | 0.85 | 庫存偏高分位數門檻 |
peak_match_window_weeks | int | 2 | 訊號對應價格高點的容許窗口（±N 週） |
long_term_window_years | int | 10 | 長期分位數計算窗口（年） |
cheap_percentile | float | 0.35 | 「長期偏便宜」門檻 |
</input_parameters>
視覺化輸出：Bloomberg 風格銅庫存回補訊號儀表板
遵循 thoughts/shared/guide/bloomberg-style-chart-guide.md 規範設計。
包含三個區塊（上中下排列）：
銅價 + 總庫存對照（雙軸圖）
回補速度 z-score（時序圖）
訊號狀態儀表板
配色：Bloomberg 深色主題（依據 bloomberg-style-chart-guide.md）
#1a1a2e（深藍黑色）#2d2d44（暗灰紫）#ff6b35（橙紅色）#ffaa00（橙黃色）#ffff00（黃色）#ff4444（紅色）#00ff88（綠色）#888888（灰色）快速繪圖：
cd scripts
python visualize_inventory_signal.py
輸出路徑：{專案根目錄}/output/copper_inventory_signal_YYYY-MM-DD.png
圖表會自動輸出到專案根目錄的 output/ 資料夾，檔名包含當天日期。
<output_example>
Markdown 輸出範例
# 銅：庫存回補訊號（SHFE / COMEX）
## 最新狀態
- 數據日期：2026-01-26
- SHFE 庫存：235,000 噸
- SHFE 4 週回補速度 z-score：+1.9（異常快）
- COMEX 庫存：18,500 噸
- COMEX 4 週回補速度 z-score：+0.5（正常）
- 總庫存（SHFE + COMEX）：253,500 噸
- 銅期貨價格：4.52 USD/lb
## 短期判斷（是否「有點超前」）
- 訊號：**⚠️ CAUTION**
- 原因：SHFE 庫存「水位偏高」且「回補速度異常快」
- 歷史驗證：過去同類訊號在 ±2 週內對應局部高點的命中率約 **62%**
- 解讀：短線更容易出現「漲勢喘口氣 / 回檔」而不是一路順風
## 長期判斷（是否仍「偏便宜」）
- 銅價 10 年歷史分位數：0.32（低於 0.35）
- 結論：**💚 長期偏便宜**（但不代表短線不會先整理）
---
### 數據來源
- SHFE 庫存：MacroMicro (CDP)
- COMEX 庫存：MacroMicro (CDP)
- 銅價：Yahoo Finance (HG=F)
JSON 輸出範例
{
"asof": "2026-01-26",
"near_term_signal": "CAUTION",
"long_term_view": "CHEAP",
"latest": {
"shfe_inventory_tonnes": 235000,
"shfe_rebuild_z": 1.9,
"comex_inventory_tonnes": 18500,
"comex_rebuild_z": 0.5,
"total_inventory_tonnes": 253500,
"copper_price": 4.52,
"price_percentile": 0.32
},
"backtest": {
"peak_match_window_weeks": 2,
"signal_to_local_peak_hit_rate": 0.62,
"signal_count": 21
}
}
</output_example>
<success_criteria> 分析成功時應產出：
<references_index>
| 文件 | 內容 |
|---|---|
| references/data-sources.md | SHFE 庫存與銅價數據來源、CDP 抓取說明 |
| references/methodology.md | 回補速度 z-score、分位數計算方法論 |
| references/historical-episodes.md | 歷史訊號觸發事件對照 |
| </references_index> |
<workflows_index>
| Workflow | Purpose |
|---|---|
| workflows/quick-check.md | 快速檢查當前訊號狀態 |
| workflows/full-analysis.md | 完整歷史驗證分析 |
| workflows/visualize.md | 視覺化圖表生成 |
| </workflows_index> |
<templates_index>
| Template | Purpose |
|---|---|
| templates/output-json.md | JSON 輸出格式規範 |
| templates/output-markdown.md | Markdown 輸出格式規範 |
| </templates_index> |