菜单
用公開市場數據檢查「利率波動率（MOVE）是否對利率事件（如 JGB 殖利率變動）不恐慌，並且是否領先帶動 VIX / 信用利差走低」。
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。
基于 SOC 职业分类
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 | analyze-move-risk-gauges-leadlag |
| description | 用公開市場數據檢查「利率波動率（MOVE）是否對利率事件（如 JGB 殖利率變動）不恐慌，並且是否領先帶動 VIX / 信用利差走低」。 |
<essential_principles>
**MOVE 作為利率波動率領先指標**MOVE Index（美林期權波動率指數）是衡量美國國債選擇權隱含波動率的指標：
MOVE 常被視為「債市的 VIX」，可作為其他風險指標的領先訊號。
**交叉相關判斷領先落後**使用 Cross-Correlation 判斷兩序列的領先/落後關係：
典型設定：L = 20（交易日），配合平滑處理降低噪音。
**事件窗檢定：是否被嚇到**檢驗「利率事件（如 JGB 殖利率跳升）發生時，MOVE 是否恐慌」：
此邏輯可驗證「利率波動率對某事件不敏感」的敘事。
**資料取得方式**本 skill 使用 Chrome CDP 連接到 MacroMicro 抓取真實數據：
重要：MOVE 和 JGB 需要透過 Chrome CDP 爬蟲取得，請參照 <quick_start> 的步驟啟動 Chrome。
</essential_principles>
實作利率波動率與風險指標的領先落後分析：輸出：領先落後判定、恐慌檢定結果、方向一致性比例、量化證據。
<quick_start>
執行分析前，必須先啟動 Chrome 調試模式
Step 1：關閉所有 Chrome 視窗
Step 2：用調試端口啟動 Chrome（Windows）
"C:\Program Files\Google\Chrome\Application\chrome.exe" ^
--remote-debugging-port=9222 ^
--remote-allow-origins=* ^
--user-data-dir="%USERPROFILE%\.chrome-debug-profile" ^
"https://en.macromicro.me/charts/35584/us-treasury-move-index"
Step 3：在瀏覽器中開啟第二個分頁，載入 JGB 頁面
https://en.macromicro.me/charts/944/jp-10-year-goverment-bond-yield
Step 4：等待兩個頁面的圖表都完全載入（約 30-40 秒）
Step 5：執行分析
cd .claude/skills/analyze-move-risk-gauges-leadlag/scripts
pip install pandas numpy yfinance requests websocket-client matplotlib # 首次使用
python analyze.py --start 2024-01-01 --end 2026-01-31 --output-mode markdown
Step 6（可選）：生成 Bloomberg 風格視覺化圖表
# 方式一：分析時同時生成圖表
python analyze.py --start 2024-01-01 --end 2026-01-31 --output-mode markdown --chart
# 方式二：單獨生成圖表（自動使用快取數據）
python visualize.py --start 2024-01-01 --end 2026-01-31
圖表預設輸出路徑：{專案根目錄}/output/move-leadlag-YYYY-MM-DD.png
輸出範例：
## 結論
- 利率波動率（MOVE）對「JGB 殖利率衝擊」反應偏弱 / 未顯著升溫 → **not spooked**
- MOVE 的變化在統計上呈現 **領先 4-6 天** 的特徵
- MOVE 下行時，VIX / 信用利差同步走低的比例：VIX = 62%、Credit = 60%
</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", "check" | 確認 Chrome CDP 已啟動，執行 `python scripts/analyze.py --quick` | | 2, "完整", "full", "analyze" | 閱讀 `workflows/analyze.md` 並執行 | | 3, "視覺化", "chart", "plot" | 閱讀 `workflows/visualize.md` 並執行 | | 4, "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 |重要：執行分析前必須確保 Chrome CDP 已啟動並載入 MOVE 和 JGB 頁面。
<directory_structure>
analyze-move-risk-gauges-leadlag/
├── SKILL.md # 本文件（路由器）
├── skill.yaml # 前端展示元數據
├── manifest.json # 技能元數據
├── cache/ # 數據快取目錄
├── workflows/
│ ├── analyze.md # 完整分析工作流
│ └── visualize.md # 視覺化工作流
├── references/
│ ├── data-sources.md # 資料來源與替代方案
│ ├── methodology.md # Lead/Lag 與事件窗方法論
│ └── 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/
├── analyze.py # 主分析腳本
├── fetch_data.py # 數據抓取工具 (CDP + FRED + Yahoo)
├── visualize.py # Lead/Lag 綜合圖表繪圖工具
└── visualize_rates_move.py # 利率 vs MOVE 恐慌專題圖表（可帶入任何國家債券）
</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 | 完整領先落後分析 | 需要詳細分析報告時 |
| visualize.md | 生成視覺化圖表 | 需要圖表展示時 |
| </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 |
|---|---|---|
| analyze.py | --quick | 快速檢查當前狀態 |
| analyze.py | --start DATE --end DATE | 完整分析 |
| analyze.py | --start DATE --end DATE --chart | 分析並生成 Lead/Lag 綜合圖表 |
| analyze.py | --start DATE --end DATE --rates-chart | 分析並生成利率 vs MOVE 專題圖表 |
| analyze.py | --rates-chart --rates-col BUND10Y --rates-name "Bund 10Y" | 指定其他國家債券分析 |
| fetch_data.py | --start DATE --end DATE | 單獨抓取數據 |
| visualize.py | --start DATE --end DATE | 獨立生成 Lead/Lag 綜合圖表 |
| visualize_rates_move.py | --start DATE --end DATE --rates-col JGB10Y --rates-name "JGB 10Y" | 獨立生成利率 vs MOVE 恐慌專題圖表 |
| </scripts_index> |
<input_schema_summary>
核心參數
| 參數 | 類型 | 預設值 | 說明 |
|---|---|---|---|
| start_date | string | - | 起始日期 (YYYY-MM-DD) |
| end_date | string | - | 結束日期 (YYYY-MM-DD) |
| rates_vol_symbol | string | MOVE | 利率波動率指標 |
| equity_vol_symbol | string | VIX | 股市波動率指標 |
| credit_spread_symbol | string | CDX_IG_PROXY | 信用利差/風險指標 |
| jgb_yield_symbol | string | JGB10Y | 日本 10Y 殖利率 |
分析參數
| 參數 | 類型 | 預設值 | 說明 |
|---|---|---|---|
| freq | string | D | 頻率（D=日 / W=週） |
| smooth_window | int | 5 | 平滑移動平均窗 |
| zscore_window | int | 60 | Z 分數回看窗 |
| lead_lag_max_days | int | 20 | 交叉相關最大位移天數 |
| shock_window_days | int | 5 | 事件窗天數 |
| shock_threshold_bps | float | 15 | JGB 衝擊門檻 (bps) |
| output_mode | string | markdown | 輸出格式 |
完整參數定義見 references/input-schema.md。
</input_schema_summary>
<output_schema_summary>
{
"skill": "analyze-move-risk-gauges-leadlag",
"as_of": "2026-01-23",
"status": "ok",
"headline": "MOVE not spooked by JGB yield moves and appears to lead VIX/Credit lower.",
"leadlag": {
"MOVE_vs_VIX": {"best_lag_days": 6, "corr": 0.72},
"MOVE_vs_CREDIT": {"best_lag_days": 4, "corr": 0.61}
},
"spooked_check": {
"shock_definition": "abs(JGB10Y change over 5d) >= 15bp",
"shock_count": 3,
"mean_MOVE_reaction_on_shocks": 0.8,
"MOVE_zscore_now": -0.4
},
"direction_alignment": {
"MOVE_down_and_VIX_down_ratio": 0.58,
"MOVE_down_and_CREDIT_down_ratio": 0.55
}
}
完整輸出結構見 templates/output-json.md。
</output_schema_summary>
<success_criteria> 執行成功時應產出：
<chrome_cdp_reference>
"C:\Program Files\Google\Chrome\Application\chrome.exe" ^
--remote-debugging-port=9222 ^
--remote-allow-origins=* ^
--user-data-dir="%USERPROFILE%\.chrome-debug-profile" ^
"https://en.macromicro.me/charts/35584/us-treasury-move-index"
/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome \
--remote-debugging-port=9222 \
--remote-allow-origins=* \
--user-data-dir="$HOME/.chrome-debug-profile" \
"https://en.macromicro.me/charts/35584/us-treasury-move-index"
curl -s http://127.0.0.1:9222/json
</chrome_cdp_reference>
<visualization_reference>
本 skill 生成的圖表遵循 thoughts/shared/guide/bloomberg-style-chart-guide.md 規範。
┌──────────────┬─────────────────────────────────┐
│ 交叉相關分析 │ 波動率指標時間序列 │
│ (1,1) │ (1,2) + (1,3) │
├──────────────┼─────────────────────────────────┤
│ 事件反應分布 │ 標準化序列（Z 分數） │
│ (2,1) │ (2,2) + (2,3) │
└──────────────┴─────────────────────────────────┘
| 位置 | 面板名稱 | 內容 |
|---|---|---|
| 左上 (1,1) | 交叉相關分析 | MOVE vs VIX/Credit 的 lead/lag 曲線 |
| 左下 (2,1) | 事件反應分布 | JGB 衝擊時 MOVE 變化直方圖 + 判定結果 |
| 右上 (跨2格) | 波動率時間序列 | MOVE Index + VIX（雙軸）+ 衝擊事件標記 |
| 右下 (跨2格) | 標準化序列 | MOVE/VIX/Credit Z 分數 + 當前 MOVE 標記 |
COLORS = {
"background": "#1a1a2e", # 深藍黑色背景
"primary": "#ff6b35", # 橙紅色（MOVE）
"secondary": "#ffaa00", # 橙黃色（VIX）
"tertiary": "#ffff00", # 黃色（Credit）
"jgb": "#00ff88", # 綠色（JGB/未恐慌）
"shock_line": "#ff4444", # 紅色（衝擊/恐慌）
}
{專案根目錄}/output/move-leadlag-YYYY-MM-DD.png# 分析時自動生成 Lead/Lag 綜合圖表
python analyze.py --start 2024-01-01 --end 2026-01-31 --chart
# 生成利率 vs MOVE 恐慌專題圖表（預設 JGB 10Y）
python analyze.py --start 2024-01-01 --end 2026-01-31 --rates-chart
# 指定其他國家債券（如 Bund 10Y）
python analyze.py --start 2024-01-01 --end 2026-01-31 --rates-chart \
--rates-col BUND10Y --rates-name "Bund 10Y"
# 同時生成兩種圖表
python analyze.py --start 2024-01-01 --end 2026-01-31 --chart --rates-chart
# 單獨生成圖表
python visualize.py --start 2024-01-01 --end 2026-01-31
python visualize_rates_move.py --start 2024-01-01 --end 2026-01-31 --rates-col JGB10Y --rates-name "JGB 10Y"
</visualization_reference>
<rates_move_chart_reference>
通用的利率波動率恐慌分析圖表，可帶入任何國家/地區的債券殖利率。
專注於回答：「MOVE 是否對 [指定債券] 殖利率變動感到恐慌？」
| 參數值 (--rates-col) | 顯示名稱 (--rates-name) | 說明 |
|---|---|---|
| JGB10Y | "JGB 10Y" | 日本 10 年期公債（預設） |
| UST10Y | "UST 10Y" | 美國 10 年期公債 |
| BUND10Y | "Bund 10Y" | 德國 10 年期公債 |
| GILT10Y | "Gilt 10Y" | 英國 10 年期公債 |
| （自訂） | （自訂） | 任何在數據中存在的利率欄位 |
# 分析 JGB 10Y vs MOVE（預設）
python analyze.py --start 2024-01-01 --end 2026-01-31 --rates-chart
# 分析 Bund 10Y vs MOVE
python analyze.py --start 2024-01-01 --end 2026-01-31 --rates-chart \
--rates-col BUND10Y --rates-name "Bund 10Y"
# 獨立生成圖表
python visualize_rates_move.py --start 2024-01-01 --end 2026-01-31 \
--rates-col JGB10Y --rates-name "JGB 10Y"
┌─────────────────────────────────────────────────┐
│ [利率名稱] vs MOVE 時序圖 │
│ （雙軸對比 + 衝擊事件標記） │
├───────────────────────┬─────────────────────────┤
│ 利率變化 vs MOVE │ 恐慌判定儀表板 │
│ 反應散點圖 + 回歸線 │ （統計數據 + 結論） │
└───────────────────────┴─────────────────────────┘
| 位置 | 面板名稱 | 內容 |
|---|---|---|
| 上方 | 時序對比 | 指定利率（綠）+ MOVE（橙）雙軸圖，黃色虛線標記衝擊事件 |
| 左下 | 散點分析 | 利率變化(bps) vs MOVE 變化，含回歸線與相關係數 |
| 右下 | 判定儀表板 | 恐慌/未恐慌判定結果、統計數據、解讀說明 |
COLORS = {
"move": "#ff6b35", # 橙紅色（MOVE）
"rates": "#00ff88", # 綠色（利率）
"spooked": "#ff4444", # 紅色（恐慌判定）
"not_spooked": "#00ff88", # 綠色（未恐慌判定）
"shock_marker": "#ffff00", # 黃色（衝擊事件標記）
}
{專案根目錄}/output/{rates-name}-move-panic-YYYY-MM-DD.pngoutput/jgb-10y-move-panic-2026-01-23.png</rates_move_chart_reference>