analyze-japan-debt-service-tax-burden
以日本公債殖利率變化為觸發，量化「政府利息支出 / 稅收」負擔（含情境壓力測試），並判斷是否進入債務利息螺旋風險區。
npx skills add majiayu000/claude-skill-registry --skill analyze-japan-debt-service-tax-burden --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# 分析日本債務利息負擔 Skill 以公開數據量化日本「利息吃掉稅收」的敘事，提供可驗證的現況核對、敏感度分析與風險分級。 <essential_principles> <principle name="interest_tax_ratio"> **核心指標：利息/稅收比** `interest_tax_ratio = interest_payments / tax_revenue` 這是影片敘事「利息吃掉 1/3 稅收」的可核驗版本。不同口徑（國稅 vs 一般會計稅收 vs 總收入）會產生不同數值，必須明示口徑選擇。 **口徑對照（FY2025）**： | 口徑 | 計算 | 比例 | |------|------|------| | 純利息/稅收 | 10.5兆/70兆 | **15.0%** | | 國債費/稅收 | 28.2兆/70兆 | **40.3%** | **注意**：媒體敘事「利息吃掉 1/3」通常誤用國債費（含本金）口徑。 </principle> <principle name="implied_avg_rate"> **隱含平均利率** `implied_avg_rate = interest_payments / debt_stock` 衡量存量債務的平均融資成本。對比當前市場利率可評估再融資壓力。 **FY2025**：10.5兆 / 1,324兆 = **0.79%** vs 當前 10Y 殖利率 **2.0%+** → 差距反映大量存量債務在低利率時期發行，未來再融資將推高利息負擔。 </principle> <principle name="debt_in_us_terms"> **「in US terms」換算邏輯** 媒體常用「美國等效規模」表達日本債務以增強震撼效果。 **公式**（動態計算）： ``` debt_to_gdp = japan_debt_stock / japan_gdp debt_in_us_terms = us_gdp × debt_to_gdp ``` **數據來源**：GDP 從 FRED 實時抓取，非硬編碼。 **範例**：$30.6T × 250% = **$76.5T** ≈ $70T（媒體口語化） **用途**：解釋影片/新聞中「$70T」數字的來源，用於跨國比較時統一規模感知。 </principle> <principle name="yield_sensitivity"> **殖利率敏感度映射** 把殖利率變動映射到利息支出增加： ``` additional_interest ≈ debt_stock × pass_through × delta_yield ``` 其中 `pass_through` 是年度再定價/再融資比例（約 15%），`delta_yield` 以小數表
cd skills/analyze-japan-debt-service-tax-burden pip install pandas numpy requests matplotlib # 首次使用 python scripts/japan_debt_analyzer.py --quick python scripts/japan_debt_analyzer.py --full --refresh python scripts/generate_charts.py --full --output-dir ../../output python scripts/generate_spiral_chart.py --all --output-dir ../../output python scripts/generate_spiral_chart.py --stress 200 --output-dir ../../output python scripts/generate_spiral_chart.py --years 15 --output-dir ../../output python scripts/generate_historical_trend.py --output-dir ../../output python scripts/generate_historical_trend.py --start-year 2018 --end-year 2025
What does the analyze-japan-debt-service-tax-burden skill do?
以日本公債殖利率變化為觸發，量化「政府利息支出 / 稅收」負擔（含情境壓力測試），並判斷是否進入債務利息螺旋風險區。
How do I install it?
Run `npx skills add majiayu000/claude-skill-registry --skill analyze-japan-debt-service-tax-burden --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From majiayu000/claude-skill-registry, a repository with 534 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.