在「失業率走高／勞動市場轉弱」但「名目或實質 GDP 仍維持高位（或仍在成長）」的情境下，依據歷史關聯估算美國財政赤字占 GDP（Deficit/GDP）可能擴張的區間，並生成對長天期美債（長久期 UST）供給/利率風險的情境解讀。支援視覺化圖表輸出。
Scanned 2/10/2026
Install to Claude Code
Skills Directorynpx -y skills add majiayu000/claude-skill-registry --skill analyze-high-unemployment-high-gdp-growth-fiscal-deficit-scenari --agent claude-codeInstalls into .claude/skills of the current project.
Are you the author of Analyze High Unemployment High Gdp Growth Fiscal Deficit Scenari?
Add the live security badge to your README — it updates automatically with every re-scan.
[](https://www.skillsdirectory.com/skills/majiayu000-analyze-high-unemployment-high-gdp-growth-fiscal-d)More formats (shields.io, HTML) on the badges page.
---
name: analyze-high-unemployment-high-gdp-growth-fiscal-deficit-scenarios
description: 在「失業率走高／勞動市場轉弱」但「名目或實質 GDP 仍維持高位（或仍在成長）」的情境下，依據歷史關聯估算美國財政赤字占 GDP（Deficit/GDP）可能擴張的區間，並生成對長天期美債（長久期 UST）供給/利率風險的情境解讀。支援視覺化圖表輸出。
---
<essential_principles>
<principle name="labor_gdp_divergence">
**勞動-GDP 背離核心邏輯**
本技能聚焦於一個特殊的宏觀情境：**勞動市場明顯轉弱，但 GDP 仍處高位**。這種組合歷史上常伴隨：
- 財政赤字/GDP 的階躍式上升（自動穩定器 + 反週期支出）
- 長天期國債供給壓力增加
- 期限溢酬的潛在上升
關鍵洞察：「30 年歷史顯示，當 jobs 夠軟，赤字/GDP 會從 6–7% 跳到 12–17%」
</principle>
<principle name="slack_metric">
**勞動鬆緊度量 (Slack Metric)**
核心度量方式：
- **UJO** = Unemployed_Level / Job_Openings_Level（失業人數/職缺比）
- 能捕捉「職缺掉很快、失業還沒上來」的早期轉弱階段
- **ΔUR** = Unemployment_Rate(t) - Unemployment_Rate(t-6M)（半年變化）
- **薩姆規則** = 3M_MA(UR) - min(UR over last 12M)（觸發式警報，≥0.5 為衰退警示）
這些指標用於定義「勞動轉弱事件」的觸發與分級（輕/中/重）。
</principle>
<principle name="elasticity_coefficients">
**彈性係數 (Elasticity Coefficients)**
基於 2000-2025 年歷史回歸分析的核心經濟彈性：
| 係數 | 數值 | 意涵 |
|-------------|-----------|----------------------------------|
| **β_UR** | **0.59** | 失業率每↑1ppt → 赤字/GDP↑0.59ppt |
| **β_UJO** | **0.69** | UJO每↑1 → 赤字/GDP↑0.69ppt |
| **β_JOLTS** | **-0.07** | 職缺每↑1M → 赤字/GDP↓0.07ppt |
| **Lag** | **4Q** | 勞動指標領先赤字約4季 |
這些彈性係數用於：
- 情境投影的定量推演
- 驗證事件分組區間法的結果一致性
- 敏感度分析
詳細方法論見 `references/methodology.md`。
</principle>
<principle name="high_gdp_condition">
**高 GDP 條件定義**
「高 GDP」量化為：
- **GDP_level_percentile**：GDP 水平在回看期間的分位數（例如 > 70% 視為高位）
- **GDP_growth_regime**：成長仍為正、或僅小幅趨緩
- （進階）產出缺口/趨勢偏離
只有同時滿足「勞動轉弱」+「高 GDP」條件的樣本，才納入情境分析。
</principle>
<principle name="three_models">
**三種分析模型**
| 模型 | 用途 | 輸出形式 |
|-------------------------|----------------|------------------------------------|
| **event_study_banding** | 事件分組區間法 | 「12–17%」範圍型敘事，歷史事件清單 |
| **quantile_mapping** | 分位數映射 | 「現在落在歷史哪個角落」的條件分布 |
| **robust_regression** | 穩健迴歸推演 | 連續型情境路徑與區間 |
預設使用 `event_study_banding`，最貼近「歷史顯示…」的敘事方式。
</principle>
<principle name="visualization">
**三軸視覺化圖表**
本技能支援生成三軸圖表：
- **左軸**：失業人數（紅色）、職缺數（藍色）— 千人
- **右軸**：財政赤字/GDP（綠色）— 百分比
- **標註**：歷史 crossover 事件（失業 > 職缺）及對應的赤字跳升幅度
- **情境投影**：虛線顯示未來可能的路徑（mild/moderate/severe）
圖表基於 FRED 公開數據繪製，便於追蹤勞動-財政關聯的歷史演變。
</principle>
<principle name="data_access">
**資料取得方式**
本技能使用**無需 API key** 的公開資料來源：
- **FRED CSV**: `https://fred.stlouisfed.org/graph/fredgraph.csv?id={SERIES_ID}`
- 勞動：UNRATE, UNEMPLOY, JTSJOL, ICSA
- 宏觀：GDP, GDPC1
- 財政：FYFSGDA188S（聯邦盈餘/赤字占 GDP）
- **BEA**: 備用的 GDP/財政數據源
腳本位於 `scripts/` 目錄，可直接執行。
</principle>
</essential_principles>
<objective>
實作「高失業 + 高 GDP」情境下的財政赤字推估：
1. **建構勞動鬆緊指標**：從 FRED 數據計算 UJO、薩姆規則 等
2. **定義背離事件**：識別「勞動轉弱 + GDP 高位」的歷史樣本
3. **推估赤字區間**：使用三種模型估算 Deficit/GDP 的可能跳升區間
4. **生成情境解讀**：產出對長天期 UST 的供給/利率風險解讀
5. **視覺化輸出**：生成三軸圖表與情境投影
輸出：診斷資訊、赤字區間投影、歷史事件樣本、UST 風險解讀、視覺化圖表。
</objective>
<quick_start>
**最快的方式：執行預設情境分析**
```bash
cd skills/analyze-high-unemployment-high-gdp-growth-fiscal-deficit-scenarios
pip install pandas numpy requests matplotlib # 首次使用
python scripts/analyzer.py --quick
```
**生成視覺化圖表（推薦）**：
```bash
python scripts/analyzer.py --visualize --scenario-type moderate
```
**或直接使用視覺化腳本**：
```bash
python scripts/visualizer.py --scenario moderate --years 25
```
輸出範例：
```json
{
"skill": "analyze_high_unemployment_fiscal_deficit_scenarios",
"as_of": "2026-01-21",
"diagnostics": {
"current_slack_percentile": 0.28,
"high_gdp_condition": true,
"triggered_labor_softening": false
},
"deficit_gdp_projection": {
"baseline_deficit_gdp": 0.062,
"conditional_range_next_8q": {
"p25": 0.11, "p50": 0.135, "p75": 0.16
},
"n_episodes": 3
}
}
```
**完整情境分析 + 圖表**：
```bash
python scripts/analyzer.py --lookback 30 --horizon 8 --model event_study_banding --visualize --scenario-type severe --output result.json --chart-output chart.png
```
</quick_start>
<intake>
需要進行什麼操作？
1. **快速診斷** - 查看目前的勞動/GDP 狀態與赤字風險判定
2. **完整情境分析** - 執行完整的歷史事件研究與赤字區間推估
3. **視覺化圖表** - 生成三軸圖表與情境投影
4. **自訂情境推演** - 輸入自訂的失業衝擊情境進行推演
5. **方法論學習** - 了解勞動-財政連結的邏輯與模型
6. **UST 風險解讀** - 生成長天期美債的供給/利率風險報告
**請選擇或直接提供分析參數。**
</intake>
<routing>
| Response | Action |
|------------------------------|--------------------------------------------|
| 1, "快速", "quick", "診斷" | 執行 `python scripts/analyzer.py --quick` |
| 2, "完整", "full", "情境" | 閱讀 `workflows/analyze.md` 並執行 |
| 3, "視覺化", "圖表", "chart" | 閱讀 `workflows/visualize.md` 並執行 |
| 4, "自訂", "custom", "推演" | 閱讀 `workflows/scenario.md` 並執行 |
| 5, "學習", "方法論", "why" | 閱讀 `references/methodology.md` |
| 6, "UST", "美債", "利率" | 閱讀 `workflows/ust-risk.md` 並執行 |
| 提供參數 (如 lookback_years) | 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-high-unemployment-high-gdp-growth-fiscal-deficit-scenarios/
├── 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
│ ├── visualize.md # 視覺化圖表工作流
│ ├── scenario.md # 自訂情境推演工作流
│ └── ust-risk.md # UST 風險解讀工作流
├── references/
│ ├── data-sources.md # FRED 系列代碼與資料來源
│ ├── methodology.md # 勞動-財政連結方法論
│ └── 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/
│ ├── analyzer.py # 主分析腳本（含視覺化整合）
│ ├── visualizer.py # 視覺化專用腳本
│ └── fetch_data.py # 數據抓取工具
└── output/ # 圖表輸出目錄
└── (generated charts)
```
</directory_structure>
<reference_index>
**方法論**: references/methodology.md
- 勞動-財政連結邏輯
- 三種分析模型詳解
- 事件分組與門檻定義
**資料來源**: references/data-sources.md
- FRED 系列代碼（勞動/GDP/財政）
- 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 | 完整情境分析 | 需要歷史事件研究時 |
| visualize.md | 視覺化圖表 | 需要生成圖表時 |
| scenario.md | 自訂情境推演 | 輸入自訂失業衝擊時 |
| ust-risk.md | UST 風險解讀 | 需要債市風險報告時 |
</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 |
|---------------|----------------------------------------|--------------------|
| analyzer.py | `--quick` | 快速診斷當前狀態 |
| analyzer.py | `--lookback 30 --horizon 8` | 完整情境分析 |
| analyzer.py | `--visualize --scenario-type moderate` | 分析 + 視覺化圖表 |
| visualizer.py | `--scenario moderate --years 25` | 單獨生成視覺化圖表 |
| visualizer.py | `--scenario severe --output chart.png` | 指定輸出路徑 |
| fetch_data.py | `--series UNRATE,JTSJOL,GDP` | 抓取 FRED 資料 |
</scripts_index>
<input_schema_summary>
**核心參數**
| 參數 | 類型 | 預設值 | 說明 |
|------------------|--------|---------------------|------------|
| country | string | US | 國家代碼 |
| lookback_years | int | 30 | 回看年數 |
| frequency | string | quarterly | 資料頻率 |
| horizon_quarters | int | 8 | 推演季度數 |
| model | string | event_study_banding | 分析模型 |
| output_format | string | json | 輸出格式 |
**勞動指標設定**
| 參數 | 類型 | 預設值 | 說明 |
|------------------|--------|----------------------------------|---------------|
| use_jolts | bool | true | 使用 JOLTS |
| use_unemployment | bool | true | 使用失業率 |
| use_sahm_rule | bool | true | 計算 薩姆規則 |
| slack_metric | string | unemployed_to_job_openings_ratio | 鬆緊度量 |
**視覺化參數**
| 參數 | 類型 | 預設值 | 說明 |
|---------------|--------|----------|---------------------------------|
| visualize | bool | false | 是否生成視覺化圖表 |
| scenario_type | string | moderate | 情境類型 (mild/moderate/severe) |
| chart_output | string | auto | 圖表輸出路徑 |
| no_show | bool | false | 不顯示圖表（僅保存） |
**情境假設**
| 參數 | 類型 | 預設值 | 說明 |
|--------------------|--------|---------------------|--------------|
| gdp_path | string | high_gdp_sticky | GDP 路徑假設 |
| unemployment_shock | object | {type, size, speed} | 失業衝擊設定 |
完整參數定義見 `references/input-schema.md`。
</input_schema_summary>
<output_schema_summary>
```json
{
"skill": "analyze_high_unemployment_fiscal_deficit_scenarios",
"inputs": {
"country": "US",
"lookback_years": 30,
"slack_metric": "unemployed_to_job_openings_ratio",
"model": "event_study_banding"
},
"diagnostics": {
"current_slack_percentile": 0.28,
"high_gdp_condition": true,
"triggered_labor_softening": false
},
"elasticity_model": {
"parameters": {
"beta_ur": 0.59,
"beta_ujo": 0.69,
"beta_jolts": -0.07,
"lag_quarters": 4
},
"interpretation": {
"ur_effect": "每 1ppt 失業率上升 → 赤字/GDP 上升 0.59 ppt",
"ujo_effect": "UJO 每上升 1 → 赤字/GDP 上升 0.69 ppt",
"lag_effect": "勞動指標領先赤字約 4 季"
},
"conditional_means": {
"deficit_when_loose": 5.6,
"deficit_when_tight": 5.2
}
},
"deficit_gdp_projection": {
"baseline_deficit_gdp": 0.062,
"conditional_range_next_8q": {
"p25": 0.11, "p50": 0.135, "p75": 0.16, "min": 0.095, "max": 0.175
},
"n_episodes": 3,
"episode_years": ["2001-2003", "2008-2010", "2020-2021"]
},
"interpretation": {
"macro_story": "...",
"ust_duration_implications": [...],
"watchlist_switch_indicators": [...]
},
"visualization": {
"chart_path": "output/fiscal_deficit_scenario_20260121.png",
"scenario_type": "moderate",
"projected_deficit_jump_bps": 600
}
}
```
完整輸出結構見 `templates/output-json.md`。
</output_schema_summary>
<success_criteria>
執行成功時應產出：
**數據分析**
- [ ] 當前勞動鬆緊狀態（分位數、是否觸發轉弱）
- [ ] 高 GDP 條件判定結果
- [ ] Deficit/GDP 的條件分布區間（p25/p50/p75）
- [ ] 歷史樣本事件清單（年份、指標數值）
- [ ] UST 供給壓力通道解讀
- [ ] 風險偏好通道解讀（避險 vs 供給兩股力量）
- [ ] 監控切換指標清單
- [ ] 診斷資訊（當前指標數值）
**視覺化（若啟用）**
- [ ] 三軸圖表（職缺/失業/赤字GDP）
- [ ] 歷史 crossover 事件標註
- [ ] 情境投影虛線（mild/moderate/severe）
- [ ] 衰退期灰色陰影
- [ ] JSON 摘要檔案
</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!
