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。
Scanned 2/12/2026
Install to Claude Code
Skills Directorynpx -y skills add majiayu000/claude-skill-registry --skill analyze-copper-stock-resilience-dependency --agent claude-codeInstalls into .claude/skills of the current project.
Are you the author of Analyze Copper Stock Resilience Dependency?
Add the live security badge to your README — it updates automatically with every re-scan.
[](https://www.skillsdirectory.com/skills/majiayu000-analyze-copper-stock-resilience-dependency)More formats (shields.io, HTML) on the badges page.
---
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>
<principle name="cross_asset_dependency">
**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：
- **股市韌性高**時：銅突破關卡後「續航」機率更高
- **股市韌性低**時：銅更容易出現「back-and-fill」回補到支撐區
- **中國10Y殖利率**：作為風險壓力/政策寬鬆的雙面訊號
</principle>
<principle name="round_levels">
**心理關卡與趨勢狀態**
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
</principle>
<principle name="equity_resilience_score">
**股市韌性評分（0-100）**
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：
- **70-100**：高韌性，銅突破關卡後續航機率較高
- **30-70**：中性，需觀察其他因子
- **0-30**：低韌性，回補風險顯著上升
</principle>
<principle name="rolling_beta">
**滾動迴歸：量化依賴強度**
計算銅價對股市與中國殖利率的滾動貝塔係數：
```
Δcopper ~ β1 × Δequity + β2 × Δchina_yield + ε
```
- **β1（股市貝塔）越大越正**：銅越像風險資產，越依賴股市
- **β1 高分位**：市場正在把銅當風險資產一起交易
- **β1 < 0（負相關）**：銅與股市脫鉤，展現獨立邏輯（避險/供給/能源轉型敘事）
- **β2（殖利率貝塔）**：正 = 殖利率上升利好銅（通膨敘事），負 = 反之
</principle>
<principle name="data_access">
**資料取得方式**
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](https://en.macromicro.me/charts/133362/China-10Year-Government-Bond-Yield) | Selenium + Highcharts |
**單位換算**：
- HG=F 為 $/lb，自動乘以 2204.62262 轉換為 $/ton
- VT ETF 價格乘以係數轉換為全球市值估計（兆美元）
- 中國10Y 為百分比（%）
</principle>
</essential_principles>
<objective>
實作銅價股市韌性依賴分析：
1. **資料擷取**：抓取銅價、全球股市、中國10Y殖利率
2. **趨勢與關卡判定**：計算 SMA、趨勢狀態、接近哪個關卡
3. **股市韌性評分**：計算 equity_resilience_score
4. **依賴關係量化**：滾動迴歸計算 β 係數
5. **回補機率估計**：歷史統計回補頻率（高韌性 vs 低韌性）
6. **情境判讀**：輸出當前是「續航」還是「回補」情境
輸出：當前狀態、依賴強度、回補機率、可執行警報旗標。
</objective>
<quick_start>
**最快的方式：執行預設分析**
```bash
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：
```json
{
"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**：
```bash
python scripts/visualize.py \
--start 2015-01-01 \
-o output/copper_resilience_2026-01-22.png
```
圖表包含：
- 銅價月線 + SMA60（右軸，橙紅/黃色）
- 全球股市市值（左軸，橙色面積圖）
- 中國 10Y 殖利率（左軸，黃線）
- 關卡線（10,000 / 13,000）
**生成依賴度分析圖表**（三面板綜合圖）：
```bash
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：
1. **銅價面板**：銅價 + SMA60 + 趨勢背景色（綠=上升，紅=下降）+ 關卡線
2. **β係數面板**：滾動 β 時間序列 + ±1σ 區間 + 當前分位數 + 負值警示
3. **韌性面板**：股市韌性評分 + 高/低閾值線
**完整分析**：
```bash
python scripts/copper_stock_analyzer.py \
--start 2015-01-01 \
--end 2026-01-22 \
--copper HG=F \
--equity ACWI \
--output result.json
```
</quick_start>
<intake>
需要進行什麼操作？
1. **快速檢查** - 查看目前銅價、股市韌性、關卡狀態
2. **完整分析** - 分析時間區間內的依賴關係與回補機率
3. **視覺化圖表** - 生成銅價與依賴因子的視覺化圖表
4. **依賴度分析圖** - 生成三面板依賴度分析圖表（銅價+β係數+韌性）
5. **方法論學習** - 了解跨資產依賴模型的邏輯
**請選擇或直接提供分析參數。**
</intake>
<routing>
| 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 |
**路由後，閱讀對應文件並執行。**
</routing>
<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
- 跨資產依賴概念與研究報告對照
- 股市韌性評分設計
- 滾動迴歸與貝塔解讀
- Back-and-fill 回補判定邏輯
**資料來源**: references/data-sources.md
- Yahoo Finance (yfinance) 使用說明
- 中國10Y殖利率爬蟲設計
- 數據頻率與對齊方法
**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>
```json
{
"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：
- [ ] 當前銅價與趨勢狀態（up/down/range）
- [ ] 接近的關卡位置（resistance/support）
- [ ] 股市韌性評分（0-100）
- [ ] 滾動貝塔係數（β_equity, β_yield）
- [ ] 回補機率估計（overall / high_resilience / low_resilience）
- [ ] 情境判讀敘述
- [ ] 可執行警報旗標
- [ ] 視覺化圖表（可選，輸出至 `output/` 目錄）
</success_criteria>
Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.
No comments yet. Be the first to comment!
