Track cumulative return of stocks/indices with multi-ticker comparison, index Top N ranking, and visualization. All comparisons use S&P 500 as the fixed benchmark.

2026-01-283

track-agri-hedge-fund-positioning

fatfingererr/macro-skills

用 COT 非商業部位變化，量化對沖基金在農產品期貨的資金流向，並把出口需求、USDA 數據、美元/原油/金屬等宏觀風向整合成可交易的敘事與訊號。

2026-01-273

name	monitor-etf-holdings-drawdown-risk
description	偵測「商品價格上漲、但對應實物 ETF/信託持倉卻下滑」的背離現象，並用多指標交叉驗證，評估是否存在實物供給緊張/交割壓力風險。

<essential_principles>

**背離訊號核心邏輯**

背離事件定義：

價格上漲：price_return >= min_price_return_pct（如 +15%）
庫存下滑：inventory_change <= -min_inventory_drawdown_pct（如 -10%）
同時發生：在相同視窗期（如 180 天）內同時滿足

當價格與庫存同向時（同漲同跌）為正常；逆向時（價漲庫跌）才需要警覺。

**雙重假設驗證**

不能直接把「庫存下降」解讀為「實物被搶」，需要交叉驗證：

假設	支持條件	反駁條件
實物緊張	COMEX/LBMA 下降、backwardation、lease rates 上升、零售溢價擴大	其他庫存穩定、contango、溢價平穩
資金流/贖回	ETF 流出但交易所庫存穩定、期貨結構不緊	多重庫存同步下降

輸出兩種解釋，讓用戶判斷哪個更符合當前數據。

**資料取得方式**

本 skill 優先使用：

ETF 官網庫存：Selenium 模擬人類瀏覽器行為抓取（避免 API 限制）
Yahoo Finance：yfinance 套件取得現貨/期貨價格
交叉驗證：COMEX 庫存、期貨結構等公開數據

腳本位於 scripts/ 目錄，遵循 references/data-sources.md 的反偵測策略。

**壓力分數計算**

stress_score = 100 × min(1.0,
    0.6 × divergence_severity +      # 背離嚴重度
    0.2 × decade_low_bonus +         # 十年低點加成
    0.2 × ratio_extreme_bonus        # 比值極端加成
)

分數區間	解讀
0-30	正常，無明顯背離
30-60	輕度背離，值得關注
60-80	中度背離，建議深入驗證
80-100	重度背離，高度警戒

</essential_principles>

監控實物型 ETF（如 SLV、PSLV、GLD）的持倉與商品價格背離現象：

偵測背離：價格上漲但 ETF 庫存下滑
評估嚴重度：計算背離程度、十年低點、比值極端
交叉驗證：使用 COMEX、期貨結構、零售溢價等指標
產出洞察：提供兩種對立假設，避免單一敘事偏誤

輸出：背離狀態、壓力分數、交叉驗證結果、下一步檢查建議。

<quick_start>

最快的方式：檢查 SLV 背離狀態

cd skills/monitor-etf-holdings-drawdown-risk
pip install pandas numpy yfinance selenium webdriver-manager beautifulsoup4 matplotlib  # 首次使用
python scripts/divergence_detector.py --etf SLV --quick

輸出範例：

{
  "asof": "2026-01-20",
  "divergence": false,
  "price_return_window": 1.92,
  "inventory_change_window": 0.15,
  "inventory_decade_low": false,
  "stress_score_0_100": 20.0,
  "interpretations": ["Physical Tightness", "ETF Flow Hypothesis"]
}

完整分析 + 視覺化報告：

# 1. 執行背離偵測
python scripts/divergence_detector.py \
  --etf SLV \
  --start 2010-01-01 \
  --end 2026-01-20 \
  --output result.json

# 2. 生成視覺化報告
python scripts/visualize_divergence.py \
  --result result.json \
  --output ../../../output/

輸出：

JSON 分析結果：result.json
視覺化報告：output/SLV_divergence_report_20260120.png
PDF 報告：output/SLV_divergence_report_20260120.pdf

</quick_start>

需要進行什麼操作？

快速檢查 - 查看指定 ETF 目前的背離狀態與壓力分數
完整分析 - 執行完整的歷史背離分析
交叉驗證 - 使用多指標驗證背離訊號的真實性
監控模式 - 設定持續監控與背離警報
方法論學習 - 了解背離偵測與雙重假設邏輯

請選擇或直接提供分析參數（如 ETF 代碼）。

| Response | Action | |---------------------------------|-----------------------------------------------| | 1, "快速", "quick", "check" | 執行 `scripts/divergence_detector.py --quick` | | 2, "分析", "analyze", "full" | 閱讀 `workflows/analyze.md` 並執行 | | 3, "驗證", "validate", "cross" | 閱讀 `workflows/cross-validate.md` 並執行 | | 4, "監控", "monitor", "alert" | 閱讀 `workflows/monitor.md` 並執行 | | 5, "學習", "方法論", "why" | 閱讀 `references/methodology.md` | | 提供 ETF 代碼 (如 SLV, GLD) | 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>

monitor-etf-holdings-drawdown-risk/
├── 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                     # 完整背離分析工作流
│   ├── monitor.md                     # 持續監控工作流
│   └── cross-validate.md              # 交叉驗證工作流
├── references/
│   ├── data-sources.md                # ETF 庫存與價格資料來源
│   ├── methodology.md                 # 背離偵測方法論
│   └── 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/
    ├── divergence_detector.py         # 主偵測腳本
    ├── fetch_etf_holdings.py          # ETF 庫存抓取（Selenium）
    └── fetch_prices.py                # 價格數據抓取

</directory_structure>

<reference_index>

方法論: references/methodology.md

背離偵測邏輯
雙重假設驗證框架
壓力分數計算

資料來源: references/data-sources.md

ETF 官網庫存抓取（Selenium）
Yahoo Finance 價格數據
交叉驗證數據源（COMEX、LBMA）

輸入參數: references/input-schema.md

完整參數定義
預設值與建議範圍

</reference_index>

<workflows_index>

Workflow	Purpose	使用時機
analyze.md	完整背離分析	需要完整歷史分析時
monitor.md	持續監控狀態	日常監控或警報
cross-validate.md	交叉驗證背離訊號	確認背離真實性時
</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
divergence_detector.py	`--etf SLV --quick`	快速檢查背離狀態
divergence_detector.py	`--start DATE --end DATE --output FILE`	完整歷史分析
visualize_divergence.py	`--result result.json --output DIR`	生成視覺化報告
fetch_etf_holdings.py	`--etf SLV --output holdings.csv`	抓取 ETF 庫存
fetch_prices.py	`--symbol SI=F --output prices.csv`	抓取商品價格
</scripts_index>

<input_schema_summary>

核心參數

參數	類型	預設值	說明
etf_ticker	string	(必填)	ETF/信託代碼（如 SLV）
commodity_price_symbol	string	(必填)	商品價格代碼（如 XAGUSD）
start_date	string	10Y 前	分析起始日
end_date	string	today	分析結束日

背離參數

參數	類型	預設值	說明
divergence_window_days	int	180	背離計算視窗（天）
decade_low_window_days	int	3650	十年低點視窗（天）
min_price_return_pct	float	0.15	價格上漲門檻
min_inventory_drawdown_pct	float	0.10	庫存下滑門檻

完整參數定義見 references/input-schema.md。

</input_schema_summary>

<output_schema_summary>

{
  "skill": "monitor-etf-holdings-drawdown-risk",
  "asof": "2026-01-16",
  "inputs": {
    "etf_ticker": "SLV",
    "commodity_price_symbol": "XAGUSD"
  },
  "result": {
    "divergence": true,
    "price_return_window": 0.32,
    "inventory_change_window": -0.18,
    "inventory_decade_low": true,
    "inventory_to_price_ratio_z": -2.4,
    "stress_score_0_100": 78.5
  },
  "interpretations": [...],
  "next_checks": [...]
}

完整輸出結構見 templates/output-json.md。 </output_schema_summary>

<success_criteria> 執行成功時應產出：

背離狀態判定（divergence: true/false）
價格變化與庫存變化數值
十年低點判定
庫存/價格比值 Z 分數
壓力分數（0-100）
兩種對立假設解釋
下一步驗證建議清單 </success_criteria>