Menu
以公開金屬價格 + 礦業成本指標（AISC/All-in cost/現金成本）計算「黃金/白銀礦業毛利率代理值」，並判斷當前是否處於歷史高/低檔區間。
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
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。
用天然氣與化肥價格的日頻數據，檢驗「天然氣暴漲→化肥供應受限/毀約→化肥飆價」敘事是否成立，輸出可標註到圖上的關鍵轉折點與領先落後分析。
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.
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。
| name | compute-precious-miner-gross-margin |
| description | 以公開金屬價格 + 礦業成本指標（AISC/All-in cost/現金成本）計算「黃金/白銀礦業毛利率代理值」，並判斷當前是否處於歷史高/低檔區間。 |
<essential_principles>
**毛利率代理值定義**礦業毛利率代理（Margin Proxy）使用簡化公式：
gross_margin_proxy = (metal_price - unit_cost) / metal_price
其中：
此指標不等同會計報表的毛利率，但能快速捕捉價格-成本關係的邊際變化。
**成本指標口徑層次**| 口徑 | 包含項目 | 適用場景 |
|---|---|---|
| Cash Cost (C1) | 現場採掘 + 加工 + 場內行政 | 現金流壓力測試 |
| AISC | C1 + 維持資本開支 + 勘探 + 行政 | 行業標準（WGC 定義） |
| All-In Cost (AIC) | AISC + 成長資本開支 | 完整經濟成本 |
建議優先使用 AISC，因其可比性最佳且資料可得性高。
**籃子聚合邏輯**| 方法 | 公式 | 直覺 |
|---|---|---|
| equal_weight | Σ margin_i / N | 簡單平均，每家公司等權 |
| production_weighted | Σ (margin_i × prod_i) / Σ prod_i | 產量加權，反映「產業毛利」 |
| marketcap_weighted | Σ (margin_i × mcap_i) / Σ mcap_i | 市值加權，反映「股權曝險」 |
建議使用 production_weighted 以更準確反映產業整體毛利結構。
**數據頻率對齊**本 Skill 建議使用 季度頻率 作為基準，避免過度平滑。
**資料取得方式**本 skill 使用公開數據：
腳本位於 scripts/ 目錄，可直接執行。
</essential_principles>
實作「貴金屬礦業毛利率代理值」計算模型：輸出：毛利率時序、歷史分位、驅動拆解、交易/研究連結。
<quick_start>
最快的方式：執行預設情境分析
cd skills/compute-precious-miner-gross-margin
pip install pandas numpy requests yfinance beautifulsoup4 lxml # 首次使用
python scripts/margin_calculator.py --quick --metal gold
輸出範例：
{
"skill": "compute_precious_miner_margin_proxy",
"metal": "gold",
"frequency": "quarterly",
"cost_metric": "AISC",
"basket": {
"miners": ["NEM", "GOLD", "AEM"],
"aggregation": "production_weighted"
},
"latest": {
"date": "2025-Q4",
"metal_price_usd_oz": 2650.0,
"unit_cost_proxy_usd_oz": 1320.0,
"gross_margin_proxy": 0.502,
"history_percentile": 0.78,
"regime_label": "high_margin"
}
}
完整情境分析：
python scripts/margin_calculator.py \
--metal silver \
--miners CDE,HL,AG \
--start-date 2015-01-01 \
--frequency quarterly \
--cost-metric AISC \
--aggregation production_weighted \
--output result.json
</quick_start>
需要進行什麼操作？請選擇或直接提供分析參數。
| Response | Action | |-----------------------------|----------------------------------------------------| | 1, "快速", "quick", "計算" | 執行 `python scripts/margin_calculator.py --quick` | | 2, "完整", "full", "分析" | 閱讀 `workflows/analyze.md` 並執行 | | 3, "數據", "data", "爬蟲" | 閱讀 `workflows/data-research.md` | | 4, "訊號", "signal", "交易" | 閱讀 `workflows/signal-generation.md` 並執行 | | 5, "學習", "方法論", "why" | 閱讀 `references/methodology.md` | | 提供參數 (如礦業清單) | 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>
compute-precious-miner-gross-margin/
├── 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 # 完整情境分析工作流
│ ├── data-research.md # 數據源研究與爬蟲設計
│ └── signal-generation.md # 訊號生成工作流
├── references/
│ ├── data-sources.md # 數據來源與獲取方式
│ ├── methodology.md # 方法論與計算邏輯
│ └── 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/
│ └── margin_calculator.py # 主計算腳本
└── examples/
└── sample-output.json # 範例輸出
</directory_structure>
<reference_index>
方法論: references/methodology.md
資料來源: references/data-sources.md
輸入參數: references/input-schema.md
</reference_index>
<workflows_index>
| Workflow | Purpose | 使用時機 |
|---|---|---|
| analyze.md | 完整情境分析 | 需要自訂參數計算毛利率 |
| data-research.md | 數據源研究 | 了解如何獲取成本數據 |
| signal-generation.md | 訊號生成 | 將毛利率轉為交易/研究訊號 |
| </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 |
|---|---|---|
| margin_calculator.py | --quick --metal gold | 快速計算黃金礦業 |
| margin_calculator.py | --quick --metal silver | 快速計算白銀礦業 |
| margin_calculator.py | --miners NEM,GOLD --freq Q | 自訂礦業與頻率 |
| margin_calculator.py | --decompose | 驅動拆解分析 |
| </scripts_index> |
<input_schema_summary>
核心參數
| 參數 | 類型 | 預設值 | 說明 |
|---|---|---|---|
| metal | string | gold | 目標金屬（gold/silver） |
| miners | array | 預設籃子 | 礦業代號清單 |
| start_date | string | 10 年前 | 計算起始日（YYYY-MM-DD） |
| end_date | string | today | 計算結束日 |
| frequency | string | quarterly | 頻率（daily/weekly/monthly/quarterly） |
| cost_metric | string | AISC | 成本口徑 |
| aggregation | string | production_weighted | 聚合方式 |
進階參數
| 參數 | 類型 | 預設值 | 說明 |
|---|---|---|---|
| price_series | string | spot | 價格口徑 |
| fx_mode | string | none | 匯率處理 |
| outlier_rule | string | winsorize_1_99 | 離群處理 |
| history_window_years | int | 20 | 歷史分位數視窗 |
完整參數定義見 references/input-schema.md。
</input_schema_summary>
<output_schema_summary>
{
"skill": "compute_precious_miner_margin_proxy",
"metal": "silver",
"frequency": "quarterly",
"cost_metric": "AISC",
"basket": {
"miners": ["CDE", "HL", "AG"],
"aggregation": "production_weighted"
},
"latest": {
"date": "2025-Q4",
"metal_price_usd_oz": 31.50,
"unit_cost_proxy_usd_oz": 6.30,
"gross_margin_proxy": 0.80,
"history_percentile": 0.94,
"regime_label": "extreme_high_margin"
},
"decomposition": {
"last_3m_price_change_pct": 0.12,
"last_3m_cost_change_pct": -0.03,
"driver": "mostly_price_up"
},
"notes": [
"gross_margin_proxy 使用 (price - AISC)/price 作為近似；不等同會計報表的毛利率口徑。",
"若成本為季度資料，已以季度內 forward-fill/同季均價對齊。"
],
"recommended_next_checks": [
"用同一套 margin proxy 對照 SIL/SILJ 或個股的 3/6/12 個月前瞻報酬（事件研究）",
"檢查是否出現資本開支/併購升溫、或成本再通膨（柴油/工資/試劑）導致毛利回落"
]
}
完整輸出結構見 templates/output-json.md。
</output_schema_summary>
<success_criteria> 執行成功時應產出：