將鋰產業鏈（礦端 → 精煉化學品 → 電池與終端需求），整合為一套可運算的替代指標；再把這些指標映射到鋰主題 ETF（如 LIT）的成分暴露與長期價格走勢，形成可供決策的依據。
Scanned 9/2/2026
Install to Claude Code
Skills Directorynpx -y skills add majiayu000/claude-skill-registry --skill lithium-supply-demand-gap-radar --agent claude-codeInstalls into .claude/skills of the current project.
Are you the author of Lithium Supply Demand Gap Radar?
Add the live security badge to your README — it updates automatically with every re-scan.
[](https://www.skillsdirectory.com/skills/majiayu000-lithium-supply-demand-gap-radar)More formats (shields.io, HTML) on the badges page.
---
name: lithium-supply-demand-gap-radar
description: 將鋰產業鏈（礦端 → 精煉化學品 → 電池與終端需求），整合為一套可運算的替代指標；再把這些指標映射到鋰主題 ETF（如 LIT）的成分暴露與長期價格走勢，形成可供決策的依據。
---
<essential_principles>
**鋰產業鏈供需雷達 核心原則**
<principle name="supply_chain_layers">
**供應鏈分層（Supply Chain Layers）**
鋰產業鏈必須分層分析，不可混為一談：
```
Mining → Processing → Battery
(礦端) (化學品) (終端需求)
```
| 層級 | 代表數據 | 典型延遲 |
|----------------------|--------------------------|-----------|
| Upstream (礦端) | 鋰礦產量、出口量 | 年度/季度 |
| Midstream (化學品) | 碳酸鋰/氫氧化鋰價格 | 週度/日度 |
| Downstream (電池/EV) | EV 銷量、電池裝機量(GWh) | 月度 |
**強制規則**：
- 供給分析需指定層級（礦端 vs 精煉端）
- 需求 proxy 需明確轉換假設（kWh → kg Li）
- 價格分析需區分碳酸鋰 vs 氫氧化鋰
</principle>
<principle name="data_level_fallback">
**數據等級與備援策略（Data Level Fallback）**
根據 `data_level` 參數自動選擇數據源：
| data_level | 價格數據 | 供需數據 | 可靠度 |
|----------------|----------------------|--------------------|--------|
| `free_nolimit` | CME 期貨/Proxy 指數 | USGS/IEA/澳洲政府 | 中 |
| `free_limit` | SMM/Fastmarkets 頁面 | + 公司財報 | 中高 |
| `paid_low` | SMM 完整序列 | + Benchmark 基本 | 高 |
| `paid_high` | Fastmarkets API | + S&P/BNEF/WoodMac | 最高 |
**強制規則**：
- 價格數據不足時，使用 CME 合約或相關股籃子作為 proxy
- 需在輸出中標註實際使用的數據等級
</principle>
<principle name="li_content_conversion">
**鋰含量轉換（Li Content Conversion）**
電池需求到鋰需求的轉換必須明確假設：
| 假設場景 | kg Li / kWh | 備註 |
|----------|-------------|---------------------|
| 保守估計 | 0.12 | 含 LFP 佔比上升假設 |
| 中性估計 | 0.15 | 混合 NMC/LFP |
| 積極估計 | 0.18 | 高鎳 NMC 主導 |
```python
li_demand_kt = battery_gwh * kg_per_kwh * 1000 # 單位: kt LCE
```
**強制規則**：
- 需求估計必須輸出三個情境（保守/中性/積極）
- 輸出需包含 `kg_per_kwh_assumption` 欄位
</principle>
<principle name="regime_classification">
**價格型態分類（Price Regime Classification）**
鋰價週期分為四個階段：
| Regime | 特徵 | 交易含義 |
|-------------|------------------------------|--------------------|
| `downtrend` | 12-26 週動能 < 0, 斜率 < 0 | 空頭主導，避免做多 |
| `bottoming` | 動能收斂，波動下降，均值回歸 | 觀望，等待確認 |
| `uptrend` | 動能 > 0, 斜率 > 0 | 做多視窗開啟 |
| `overheat` | 動能極端正值，波動放大 | 獲利了結風險 |
**指標組合**：
- 12 週 / 26 週動能（ROC）
- 趨勢斜率（線性回歸）
- 波動率（ATR / 標準差）
- 均值回歸強度（距 MA 偏離度）
</principle>
<principle name="etf_transmission">
**ETF 傳導敏感度（ETF Transmission）**
ETF 對鋰價的敏感度受持股結構影響：
| 持股類型 | 對鋰價 Beta | 波動特性 |
|-------------------|-------------|---------------------|
| Upstream (礦業) | 1.5 - 2.5 | 高槓桿、高波動 |
| Midstream (精煉) | 0.8 - 1.2 | 跟隨但有加工費緩衝 |
| Downstream (電池) | 0.3 - 0.8 | 受競爭/技術路線影響 |
**計算公式**：
```python
ETF_beta_li = Σ(weight_i * beta_i_to_lithium)
```
**強制規則**：
- 需計算 rolling beta（建議 52 週滾動）
- 傳導斷裂判斷：beta < 0.3 且持續 > 8 週
</principle>
</essential_principles>
<intake>
**您想要執行什麼操作？**
1. **Full Analysis** - 完整供需×價格×傳導整合分析（生成完整報告）
2. **Balance Nowcast** - 僅計算供需平衡即時估計（缺口擴大/縮小）
3. **Price Regime** - 僅分析價格型態與週期位置
4. **ETF Exposure** - 僅分析 ETF 持股結構與鋰價敏感度
5. **Ingest Data** - 從各數據源擷取並標準化數據
**等待回應後再繼續。**
</intake>
<routing>
| Response | Workflow | Description |
|---------------------------------------------------|------------------------------|----------------------------|
| 1, "full", "analyze", "完整", "報告", "LIT" | workflows/full-analysis.md | 完整供需×價格×傳導整合分析 |
| 2, "balance", "nowcast", "供需", "缺口", "gap" | workflows/balance-nowcast.md | 供需平衡即時估計 |
| 3, "price", "regime", "價格", "週期", "型態" | workflows/price-regime.md | 價格型態與週期分析 |
| 4, "etf", "exposure", "holding", "傳導", "敏感度" | workflows/etf-exposure.md | ETF 暴露與傳導分析 |
| 5, "ingest", "data", "fetch", "抓取", "擷取" | workflows/ingest.md | 數據擷取與標準化 |
**讀取工作流程後，請完全遵循其步驟。**
</routing>
<reference_index>
**參考文件** (`references/`)
| 文件 | 內容 |
|---------------------------|------------------------------------|
| data-sources.md | 所有數據來源詳細說明與 URL |
| unit-conversion.md | 單位轉換規則（LCE/Li/GWh） |
| price-methodology.md | 價格數據方法學（Fastmarkets/SMM） |
| etf-holdings-structure.md | LIT 持股結構與產業鏈分段 |
| supply-chain-mapping.md | 鋰供應鏈完整映射（礦→化學品→電池） |
| failure-modes.md | 失敗模式與緩解策略 |
</reference_index>
<workflows_index>
| Workflow | Purpose |
|--------------------|----------------------------|
| full-analysis.md | 完整供需×價格×傳導整合分析 |
| balance-nowcast.md | 供需平衡即時估計 |
| price-regime.md | 價格型態與週期分析 |
| etf-exposure.md | ETF 持股暴露與傳導分析 |
| ingest.md | 數據擷取與標準化 |
</workflows_index>
<templates_index>
| Template | Purpose |
|--------------------|-------------------|
| output-json.md | JSON 輸出結構模板 |
| output-markdown.md | Markdown 報告模板 |
| config.yaml | 分析參數配置模板 |
| data-schema.yaml | 數據 Schema 定義 |
</templates_index>
<scripts_index>
| Script | Purpose |
|---------------------------|--------------------------|
| lithium_pipeline.py | 核心數據管線 |
| ingest_sources.py | 數據來源擷取 |
| compute_balance.py | 供需平衡計算 |
| classify_regime.py | 價格型態分類 |
| compute_etf_beta.py | ETF 傳導敏感度計算 |
| visualize_analysis.py | 分析結果綜合視覺化 |
| inflection_point_chart.py | **拐點分析專用視覺化** ⭐ |
</scripts_index>
<quick_start>
**CLI 快速開始：**
```bash
# 完整分析 LIT ETF（預設 10 年回看、週度頻率）
python scripts/lithium_pipeline.py analyze --ticker=LIT --lookback=10 --freq=weekly
# 僅計算供需平衡 Nowcast
python scripts/lithium_pipeline.py balance --asof=2026-01-16
# 分析價格型態（碳酸鋰 + 氫氧化鋰）
python scripts/lithium_pipeline.py regime --chem=both
# 計算 ETF 對鋰價的傳導敏感度
python scripts/lithium_pipeline.py etf-beta --ticker=LIT --window=52
# ✨ 生成視覺化圖表（完整儀表板）
python scripts/visualize_analysis.py
# 輸出：output/lithium_analysis_YYYY-MM-DD.png
```
**視覺化輸出**：
- 📊 6合1 專業儀表板（18" × 12"，300 DPI）
- 📁 自動保存至 `output/` 目錄
- 📅 檔名包含當天日期
- 🎨 完整中文支持
**Library 快速開始：**
```python
from lithium_pipeline import LithiumSupplyDemandRadar
radar = LithiumSupplyDemandRadar(
etf_ticker="LIT",
lookback_years=10,
price_freq="weekly",
chem_focus="both",
data_level="free_nolimit"
)
# 完整分析
result = radar.full_analysis()
print(f"Balance Index: {result['balance_index']:.2f}")
print(f"Price Regime: {result['price_regime']}")
print(f"ETF Beta to Li: {result['etf_beta_li']:.2f}")
print(f"Thesis: {result['thesis']}")
```
</quick_start>
<success_criteria>
Skill 成功執行時：
- [ ] 正確識別數據等級並使用對應來源
- [ ] 供需平衡指數計算正確（含三情境）
- [ ] 價格型態分類明確（downtrend/bottoming/uptrend/overheat）
- [ ] ETF 傳導敏感度計算正確（rolling beta）
- [ ] 輸出包含完整的失效條件（invalidation）
- [ ] 數據來源可追溯（source_id, data_level）
- [ ] 單位轉換假設明確標註
- [ ] **視覺化圖表已生成且符合規格**（300 DPI, PNG, 檔名含日期）
- [ ] **報告與圖表在 output/ 目錄下一起輸出**
</success_criteria>
<input_schema>
**輸入參數定義**
```yaml
# 必要參數
etf_ticker: string # 目標 ETF（預設 LIT）
lookback_years: int # 回看年限（建議 10-15）
price_freq: string # weekly | daily（建議 weekly）
# 範圍參數
region_focus: # 供應/需求重點區（選填）
- China
- Australia
- Chile
- Argentina
- US
- EU
chem_focus: string # carbonate | hydroxide | both（預設 both）
# 數據等級
data_level: string # free_nolimit | free_limit | paid_low | paid_high
# 數據源開關
sources:
usgs: boolean
iea_ev_outlook: boolean
australia_req: boolean
abs_exports: boolean
fastmarkets: boolean
smm: boolean
etf_holdings: boolean
# 輸出格式
output_format: string # markdown | json（預設 markdown）
```
</input_schema>
<data_pipeline_architecture>
**數據流水線架構**
```
[Data Sources]
|
v
+--------------------+
| ingest_sources | --> USGS, IEA, Australia REQ/ABS
+--------------------+ Fastmarkets/SMM (方法學/價格)
| Global X LIT factsheet
v
+--------------------+
| normalize | --> 統一 schema + 單位標註
+--------------------+
|
+-------------------+-------------------+
| | |
v v v
+-----------+ +-----------+ +-----------+
| supply_ | | price_ | | etf_ |
| demand | | series | | holdings |
+-----------+ +-----------+ +-----------+
| | |
v v v
+-----------+ +-----------+ +-----------+
| balance_ | | classify_ | | compute_ |
| nowcast | | regime | | etf_beta |
+-----------+ +-----------+ +-----------+
| | |
+-------------------+-------------------+
|
v
+--------------------+
| generate_insight | --> Thesis + Targets + Invalidation
+--------------------+
|
v
+--------------------+
| format_output | --> JSON + Markdown
+--------------------+
```
**標準化欄位 Schema：**
| 欄位 | 類型 | 說明 |
|-------------|--------|------------------------------|
| date | date | 數據日期 |
| metric_type | string | supply/demand/price/etf |
| metric_name | string | 具體指標名稱 |
| value | float | 數值 |
| unit | string | kt_LCE/USD_per_kg/GWh/pct |
| region | string | 國家/區域 |
| source_id | string | USGS/IEA/SMM/Fastmarkets/etc |
| data_level | string | 數據等級 |
| confidence | float | 來源品質評分 (0-1) |
</data_pipeline_architecture>
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!
