analyze-copper-supply-concentration-risk

npx skills add majiayu000/claude-skill-registry --skill analyze-copper-supply-concentration-risk --agent claude-code

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

<essential_principles> <principle name="narrative_to_metrics"> **敘事轉指標（Narrative to Metrics）** 市場敘事必須可量化驗證。三大命題對應三組指標： | 命題 | 核心問題 | 量化指標 | |------|----------|----------| | A. 集中度 | 供應是否過度集中？ | CR4, CR5, 份額排名 | | B. 結構衰退 | 智利是否結構性衰退？ | 峰值年份、峰值回撤 | | C. 替代依賴 | 是否依賴秘魯/DRC？ | 秘魯+DRC 合計份額 vs 智利份額 | **注意**：由於 MacroMicro 只提供 5 個國家的細分數據，HHI 指標不適用於本分析。 </principle> <principle name="data_source"> **數據來源：MacroMicro (WBMS)** 唯一主要來源，使用 Chrome CDP **全自動**抓取 Highcharts 圖表數據。 - URL: https://en.macromicro.me/charts/91500/wbms-copper-mine-production-total-world - 口徑: mined copper content（礦場產量的銅金屬含量） - 可用序列: World, Chile, Peru, DRC, China, US </principle> </essential_principles> <objective> 分析全球銅供應的國家集中度與結構性風險。 輸出兩層分析： 1. **Concentration**: 國家份額排名、CR4/CR5 2. **Chile vs Replacers**: 智利 vs 新興替代國（Peru + DRC）份額對比 </objective> <quick_start> **全自動執行（無需手動操作 Chrome）** **Step 1：安裝依賴** ```bash pip install requests websocket-client pandas numpy matplotlib ``` **Step 2：一鍵抓取數據（自動啟動/關閉 Chrome）** ```bash cd scripts python fetch_copper_production.py ``` 腳本會自動： - 啟動 Chrome 調試模式 - 等待頁面載入（~40 秒） - 提取 Highcharts 數據 - 儲存到 `cache/copper_production.csv` - 關閉 Chrome **Step 3：生成 Bloomberg 風格視覺化圖表** ```bash python visualize_

pip install requests websocket-client pandas numpy matplotlib
cd scripts
python fetch_copper_production.py
python visualize_copper_concentration.py