Menu
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。
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.
用美債殖利率曲線利差（如 2Y-10Y）建立「領先關係」，推估未來一段時間內成長股（Nasdaq 100）相對防禦股（Healthcare/XLV）的相對績效方向與幅度。
| name | track-agri-hedge-fund-positioning |
| description | 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。 |
<essential_principles>
**COT 週資料作為資金流代理**CFTC Commitments of Traders 報告是追蹤對沖基金農產品部位的核心資料：
資金流 = 本週淨部位 - 上週淨部位（以合約口數計）
**分組彙總邏輯**使用 CFTC 原生分組（commodity_subgroup_name）：
| 群組 | CFTC 分組名稱 | 包含商品 |
|---|---|---|
| Grains | GRAINS | Corn, Wheat (SRW/HRW/HRS), Oats |
| Oilseeds | OILSEED and PRODUCTS | Soybeans, Soybean Oil/Meal, Canola |
| Meats | LIVESTOCK/MEAT PRODUCTS | Live Cattle, Lean Hogs, Feeder |
| Softs | FOODSTUFFS/SOFTS | Coffee, Sugar, Cocoa, OJ |
| Fiber | FIBER | Cotton |
| Dairy | DAIRY PRODUCTS | Milk, Butter, Cheese |
Total Flow = Grains + Oilseeds + Meats + Softs + Fiber + Dairy
**火力（Buying Firepower）量化**火力衡量基金是否還有加碼空間：
net_pos_percentile = rank(current_net_pos, past_N_weeks)
firepower = 1 - net_pos_percentile
整合三個風險偏好指標：
| 指標 | 訊號解讀 |
|---|---|
| 美元 (DXY) | 走弱（負報酬）= 利於商品 |
| 原油 (WTI) | 走強（正報酬）= 風險偏好上升 |
| 金屬 | 走強（正報酬）= 循環需求樂觀 |
macro_tailwind_score = (DXY弱 + WTI強 + Metals強) / 3
**週中回補驗證框架**COT 只到週二，週三～週五需用代理證據：
</essential_principles>
追蹤對沖基金在農產品期貨的部位變化與資金流向：輸出：週流量時序、最新狀態、火力分數、宏觀評分、可交易註解。
<quick_start>
快速開始：分析最新 COT 資料
cd .claude/skills/track-agri-hedge-fund-positioning/scripts
pip install pandas numpy requests yfinance pyarrow # 首次使用
python analyze_positioning.py --start 2023-01-01
輸出範例（真實資料）：
{
"skill": "track-agri-hedge-fund-positioning",
"as_of": "2026-01-20",
"data_source": "CFTC Socrata API (real data)",
"summary": {
"call": "Funds continue selling",
"all_signals": ["Funds continue selling", "Extreme short - watch for reversal", "Macro mood bullish"],
"confidence": 0.90
},
"latest_metrics": {
"flow_total_contracts": -24559,
"flow_by_group_contracts": {"grains": -31279, "oilseeds": 11517, "meats": 18972, "softs": -23887, "fiber": 1607, "dairy": -1489},
"buying_firepower": {"total": 0.86, "grains": 0.58, "oilseeds": 0.62, "meats": 0.31, "softs": 0.99, "fiber": 0.58, "dairy": 0.99},
"macro_tailwind_score": 0.67
}
}
視覺化圖表：
python visualize_flows.py --weeks 52
# 輸出：output/agri_fund_positioning_YYYY-MM-DD.png
</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", "latest" | 執行 `python scripts/analyze_positioning.py` | | 2, "分析", "analyze", "full" | 執行 `python scripts/analyze_positioning.py --start DATE` | | 3, "視覺化", "chart", "plot" | 執行 `python scripts/visualize_flows.py --weeks 52` | | 4, "監控", "monitor", "weekly" | 閱讀 `workflows/monitor.md` 並執行 | | 5, "學習", "方法論", "why" | 閱讀 `references/methodology.md` | | 提供參數 (如日期範圍、商品) | 使用參數執行 `analyze_positioning.py` |所有腳本使用 CFTC Socrata API 取得真實資料，無模擬數據。
<reference_index>
參考文件 (references/)
| 文件 | 內容 |
|---|---|
| methodology.md | COT 分析方法論、火力計算、訊號邏輯 |
| data-sources.md | CFTC COT、FRED、Yahoo Finance 資料來源 |
| input-schema.md | 完整輸入參數定義 |
| contracts-map.md | 期貨合約與商品群組對照表 |
| macro-indicators.md | 宏觀指標定義與代理序列 |
| </reference_index> |
<workflows_index>
| Workflow | Purpose | 使用時機 |
|---|---|---|
| analyze.md | 完整資金流向分析 | 需要深度分析時 |
| visualize.md | 生成視覺化圖表 | 需要重建新聞圖表時 |
| monitor.md | 週度監控與警報 | 每週五 COT 更新後 |
| cross-check.md | 宏觀與基本面交叉驗證 | 驗證敘事一致性時 |
| </workflows_index> |
<templates_index>
| Template | Purpose |
|---|---|
| output-json.md | JSON 輸出結構定義 |
| output-markdown.md | Markdown 報告模板 |
| annotations.md | 圖表標註規則對照表 |
| </templates_index> |
<scripts_index>
| Script | Command | Purpose |
|---|---|---|
| fetch_cot_data.py | --start 2023-01-01 --summary | 從 CFTC Socrata API 抓取 COT |
| fetch_macro_data.py | --start 2025-01-01 --summary | 抓取宏觀指標（Yahoo/FRED） |
| analyze_positioning.py | --start 2023-01-01 | 主分析腳本（自動抓取+計算） |
| visualize_flows.py | --weeks 52 | 生成 Bloomberg 風格視覺化圖表 |
| </scripts_index> |
<input_schema_summary>
必要參數
| 參數 | 類型 | 說明 |
|---|---|---|
| date_start | string | 起始日期 (YYYY-MM-DD) |
| date_end | string | 結束日期 (YYYY-MM-DD) |
| cot_report | string | COT 類型 (legacy/disaggregated) |
| trader_group | string | 交易者分類 (noncommercial) |
| contracts_map | object | 合約→群組對照表 |
選用參數
| 參數 | 類型 | 預設值 | 說明 |
|---|---|---|---|
| position_metric | string | net | 部位衡量 (net/long/short) |
| lookback_weeks_firepower | int | 156 | 火力計算視窗（週） |
| macro_indicators | object | {...} | 宏觀指標設定 |
| fundamental_inputs | object | {...} | 基本面資料設定 |
| event_window_days | int | 3 | Wed-Fri 事件視窗 |
| output_mode | string | both | 輸出格式 (markdown/json) |
完整參數定義見 references/input-schema.md。
</input_schema_summary>
<output_schema_summary>
{
"skill": "track-agri-hedge-fund-positioning",
"as_of": "2026-01-21",
"summary": {
"call": "Funds back & buying",
"confidence": 0.72,
"why": ["COT 週部位由負轉正", "分組同步改善", "宏觀順風"],
"risks": ["COT 只到週二", "USDA 報告可能反轉"]
},
"latest_metrics": {
"cot_week_end": "2026-01-21",
"flow_total_contracts": 58,
"flow_by_group_contracts": {
"grains": 35, "oilseeds": 25, "meats": 5, "softs": 0
},
"buying_firepower": {
"total": 0.63, "grains": 0.58, "oilseeds": 0.67
},
"macro_tailwind_score": 0.67
},
"annotations": [
{"label": "macro_mood_bullish", "rule_hit": true, "evidence": ["USD down", "crude up"]}
]
}
完整輸出結構見 templates/output-json.md。
</output_schema_summary>
<success_criteria> 執行成功時應產出：