detect-us-equity-valuation-percentile-extreme
把多個股票估值指標統一轉成在過去百年歷史中的分位數，再合成一個總分，判斷目前是否處於歷史極端高估區間，並用歷史類比（如 1929、1965、1999）給出風險解讀。
npx skills add majiayu000/claude-skill-registry --skill detect-us-equity-valuation-percentile-extreme --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.
<essential_principles> <principle name="percentile_normalization"> **分位數標準化核心** 將不同單位的估值指標（PE、PB、CAPE 等）統一成「0-100 的歷史分位數」： - **分位數 = 100 × (歷史中 ≤ 當前值的樣本數 / 總樣本數)** - 例：CAPE 位於歷史第 98 分位 → 過去 130 年只有 2% 的時間比現在更貴 - 統一單位後，可跨指標合成「綜合估值分位數」 </principle> <principle name="composite_aggregation"> **多指標合成邏輯** 合成公式：`composite_percentile = 加權平均(各指標分位數)` 支援三種合成方式： | 方式 | 公式 | 適用場景 | |------|------|----------| | mean | 算術平均 | 各指標同等重要 | | median | 中位數 | 抵抗單一指標異常拉升 | | trimmed_mean | 去極端平均 | 穩健估計 | **重要**：各指標可能有不同歷史長度，預設使用「各自歷史」計算分位數再合成。 </principle> <principle name="extreme_detection"> **極端高估偵測邏輯** ``` if composite_percentile >= extreme_threshold (預設 95): → 判定「歷史極端高估」 → 觸發風險解讀流程 ``` 歷史類比事件識別： 1. 找出合成分位數超過門檻的峰值 2. 用 `episode_min_gap_days` 去重（預設 10 年內只保留最高點） 3. 輸出：1929、1965、1999、2021、當前... </principle> <principle name="risk_interpretation"> **風險解讀框架** 「估值極端高」≠「明天崩盤」，但歷史特徵是： - **風險分布不對稱**：下跌尾巴變厚 - **未來中期報酬壓縮**：估值均值回歸壓低長期報酬上限 - **波動先升後跌**：事件後 6-12 月波動率通常上升 輸出事後統計： - 未來 180/365/1095 天報酬分布 - 最大回撤中位數與尾部風險 - 波動率變化機率 </principle> <principle name="data_transparency"> **資料來源與限制揭露** 本 skill 使用**公開替代資料**，非彭博原始數據： - **Shiller CAPE**: Robert Shiller 公開資料集（可回溯至 1871 年） - **市值/GDP**: FRED 公開數據（可回溯至 1950 年代） - **PE
cd skills/detect-us-equity-valuation-percentile-extreme pip install pandas numpy yfinance requests matplotlib openpyxl xlrd # 首次使用 python scripts/visualize_valuation.py -o output python scripts/valuation_percentile.py --quick python scripts/valuation_percentile.py \
What does the detect-us-equity-valuation-percentile-extreme skill do?
把多個股票估值指標統一轉成在過去百年歷史中的分位數，再合成一個總分，判斷目前是否處於歷史極端高估區間，並用歷史類比（如 1929、1965、1999）給出風險解讀。
How do I install it?
Run `npx skills add majiayu000/claude-skill-registry --skill detect-us-equity-valuation-percentile-extreme --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.