analyze-copper-stock-resilience-dependency

npx skills add majiayu000/claude-skill-registry --skill analyze-copper-stock-resilience-dependency --agent claude-code

Same command for any agent — swap --agent for codex, cursor, copilot.

<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）**

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
python scripts/visualize.py \
python scripts/plot_dependency_analysis.py \
python scripts/copper_stock_analyzer.py \