用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/fatfingererr/macro-skills --skill analyze-copper-stock-resilience-dependency命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
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。
正在显示 SKILL.md
| 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：
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
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：
計算銅價對股市與中國殖利率的滾動貝塔係數：
**資料取得方式** 實作銅價股市韌性依賴分析： 需要進行什麼操作？ | 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 |Δcopper ~ β1 × Δequity + β2 × Δchina_yield + ε
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：
</essential_principles>
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 # 首次使用
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：
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：
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>
請選擇或直接提供分析參數。
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
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": 91,
"rolling_beta_equity_24m": -0.80,
"rolling_beta_yield_24m": -0.05
},
"diagnosis": {
"narrative": "銅價上升趨勢中，接近 13,000 關卡，股市韌性高檔。",
"scenario": "續航機率較高",
"dependency_status": "滾動 β 為負值 (-0.80)，銅與股市呈反向關係，脫離傳統風險資產模式"
},
"actionable_flags": [
{
"flag": "APPROACHING_RESISTANCE",
"meaning": "接近重要阻力位，關注能否突破"
},
{
"flag": "NEGATIVE_BETA_REGIME",
"meaning": "銅與股市呈反向關係，脫離傳統風險資產模式"
},
{
"flag": "LOW_BETA_ANOMALY",
"meaning": "β 處於歷史極端低位，銅正展現獨立於股市的上漲邏輯"
}
]
}
完整輸出結構見 templates/output-json.md。
</output_schema_summary>
<success_criteria> 執行成功時應產出：
output/ 目錄）
</success_criteria>基于 SOC 职业分类