analyze-copper-inventory-rebuild-signal

<essential_principles>

**雙層訊號框架（Dual Signal Framework）**

本技能將「肉眼看圖」轉換為可量化、可自動更新的雙層訊號系統：

層次	問題	核心指標	決策輸出
短線	是否「有點超前」？	SHFE 回補速度 z-score + 庫存水位	CAUTION / NEUTRAL / SUPPORTIVE
長線	是否「仍偏便宜」？	銅價歷史分位數（10 年）	CHEAP / FAIR / RICH

關鍵洞察：SHFE 庫存快速回補 + 水位偏高 → 常常貼近價格局部高點。

**數據來源（三類數據）**

使用 Chrome CDP 全自動抓取 Highcharts 圖表數據，共需三類數據：

數據	來源	URL
SHFE 銅庫存	MacroMicro (CDP)	https://en.macromicro.me/series/8743/copper-shfe-warehouse-stock
COMEX 銅庫存	MacroMicro (CDP)	https://www.macromicro.me/series/8742/copper-comex-warehouse-stock
銅期貨價格	Yahoo Finance	HG=F（COMEX 銅期貨連續近月）

口徑：庫存為可交割銅庫存（噸）、價格為收盤價（USD/lb）

**回補速度 Z-Score 計算**

將主觀「回補很快」轉化為客觀可比較的標準化指標：

rebuild_W = inv_t - inv_{t-W}  (W = 4 週)
z_score = (rebuild_W - μ) / σ   (μ, σ 為 3 年滾動)

• z-score > 1.5：回補速度「異常快」
• z-score > 2.0：回補速度「極端快」
• z-score < -1.5：去庫存速度「異常快」

</essential_principles>

分析銅庫存回補訊號與價格的歷史關係，輸出： 1. **短期訊號**：當前回補速度與庫存水位是否觸發「謹慎」訊號 2. **長期判讀**：銅價是否仍處於歷史偏便宜區間 3. **歷史驗證**：過去同類訊號對應價格高點的命中率

<quick_start>

全自動執行（無需手動操作 Chrome）

Step 1：安裝依賴

pip install requests websocket-client pandas numpy yfinance matplotlib

Step 2：一鍵抓取所有數據（SHFE + COMEX 庫存 + 銅價）

cd skills/analyze-copper-inventory-rebuild-signal/scripts
python fetch_copper_data.py

腳本會自動：

• 啟動 Chrome 調試模式
• 依序抓取 SHFE 和 COMEX 庫存（~80 秒）
• 抓取銅期貨價格（Yahoo Finance）
• 儲存到 cache/shfe_inventory.csv、cache/comex_inventory.csv、cache/copper_price.csv
• 關閉 Chrome

Step 3：執行庫存訊號分析

python inventory_signal_analyzer.py

Step 4：生成視覺化圖表

python visualize_inventory_signal.py

輸出：{專案根目錄}/output/copper_inventory_signal_YYYY-MM-DD.png

</quick_start>

需要進行什麼分析？

1. 快速檢查 - 查看當前 SHFE 庫存回補訊號狀態
2. 完整分析 - 執行回補訊號與價格高點的歷史驗證
3. 長期分位數 - 銅價歷史分位數判讀（10 年）
4. 視覺化 - 生成 Bloomberg 風格分析圖表

請選擇或直接提供分析參數。

| Response | Action | |----------|--------| | 1, "快速", "quick", "check", "狀態" | 執行 `python scripts/inventory_signal_analyzer.py --quick` | | 2, "完整", "full", "驗證", "backtest" | 執行 `python scripts/inventory_signal_analyzer.py --full` | | 3, "長期", "分位數", "percentile", "cheap" | 執行 `python scripts/inventory_signal_analyzer.py --long-term` | | 4, "圖表", "chart", "視覺化", "visualize" | 執行 `python scripts/visualize_inventory_signal.py` |

路由後，執行對應命令。

<directory_structure>

analyze-copper-inventory-rebuild-signal/
├── SKILL.md                              # 本文件（路由器）
├── manifest.json                         # 技能元資料
├── skill.yaml                            # 前端展示元數據
├── scripts/
│   ├── fetch_copper_data.py              # 全自動 CDP 數據爬蟲（SHFE + COMEX + 價格）
│   ├── fetch_shfe_inventory.py           # SHFE 專用爬蟲（向下相容）
│   ├── inventory_signal_analyzer.py      # 核心分析邏輯
│   └── visualize_inventory_signal.py     # Bloomberg 風格視覺化
├── references/
│   ├── data-sources.md                   # 數據來源說明
│   ├── methodology.md                    # 方法論說明
│   └── historical-episodes.md            # 歷史事件對照
├── templates/
│   ├── output-json.md                    # JSON 輸出格式
│   └── output-markdown.md                # Markdown 輸出格式
├── workflows/
│   ├── quick-check.md                    # 快速檢查流程
│   ├── full-analysis.md                  # 完整分析流程
│   └── visualize.md                      # 視覺化流程
├── cache/
│   ├── shfe_inventory.csv                # SHFE 庫存快取
│   ├── comex_inventory.csv               # COMEX 庫存快取
│   └── copper_price.csv                  # 銅價快取
└── examples/
    └── sample_output.json                # 範例輸出

# 視覺化輸出位置（專案根目錄）
{專案根目錄}/output/
└── copper_inventory_signal_YYYY-MM-DD.png  # 輸出圖表（含日期）

</directory_structure>

<scripts_index>

Script	Command	Purpose
fetch_copper_data.py	python fetch_copper_data.py	全自動抓取所有數據（SHFE + COMEX + 價格）
fetch_copper_data.py	--force-refresh	強制重新抓取（忽略快取）
fetch_copper_data.py	--source shfe	只抓取 SHFE 庫存
fetch_copper_data.py	--source comex	只抓取 COMEX 庫存
fetch_copper_data.py	--source price	只抓取銅價
inventory_signal_analyzer.py	--quick	快速檢查當前訊號狀態
inventory_signal_analyzer.py	--full	完整歷史驗證分析
inventory_signal_analyzer.py	--long-term	長期價格分位數分析
visualize_inventory_signal.py	無參數	生成 Bloomberg 風格圖表（輸出到專案根目錄 output/）
visualize_inventory_signal.py	-o path.png	指定輸出路徑
</scripts_index>

<input_parameters>

分析參數

參數	類型	預設值	說明
start_date	string	2015-01-01	回測起始日
end_date	string	today	回測結束日
price_ticker	string	HG=F	銅期貨代碼（Yahoo Finance）
price_freq	string	weekly	價格頻率（daily/weekly）
fast_rebuild_window_weeks	int	4	「快速回補」觀察窗（週）
fast_rebuild_z	float	1.5	回補速度 z-score 門檻
high_inventory_mode	string	percentile	庫存偏高判定模式（absolute/percentile）
high_inventory_percentile	float	0.85	庫存偏高分位數門檻
peak_match_window_weeks	int	2	訊號對應價格高點的容許窗口（±N 週）
long_term_window_years	int	10	長期分位數計算窗口（年）
cheap_percentile	float	0.35	「長期偏便宜」門檻

</input_parameters>

視覺化輸出：Bloomberg 風格銅庫存回補訊號儀表板

遵循 thoughts/shared/guide/bloomberg-style-chart-guide.md 規範設計。

包含三個區塊（上中下排列）：

1. 銅價 + 總庫存對照（雙軸圖）

   • R1 右軸：銅價（橙紅色線）
   • L2 左軸：總庫存面積圖（SHFE + COMEX 疊加）
   • 標記 CAUTION 訊號觸發點
   • 最新價格標註

2. 回補速度 z-score（時序圖）

   • SHFE z-score：面積填充（紅/青色區分回補/去庫存）
   • COMEX z-score：虛線疊加
   • 門檻線（z=1.5, z=2.0, z=-1.5）

3. 訊號狀態儀表板

   • 短期訊號區塊（CAUTION/NEUTRAL/SUPPORTIVE）
   • 長期判斷區塊（CHEAP/FAIR/RICH）
   • SHFE/COMEX z-score 即時數值

配色：Bloomberg 深色主題（依據 bloomberg-style-chart-guide.md）

• 背景: #1a1a2e（深藍黑色）
• 網格: #2d2d44（暗灰紫）
• 銅價（primary）: #ff6b35（橙紅色）
• SHFE 庫存（secondary）: #ffaa00（橙黃色）
• COMEX 庫存（tertiary）: #ffff00（黃色）
• CAUTION 訊號: #ff4444（紅色）
• SUPPORTIVE: #00ff88（綠色）
• 中性: #888888（灰色）

快速繪圖：

cd scripts
python visualize_inventory_signal.py

輸出路徑：{專案根目錄}/output/copper_inventory_signal_YYYY-MM-DD.png

圖表會自動輸出到專案根目錄的 output/ 資料夾，檔名包含當天日期。

<output_example>

Markdown 輸出範例

# 銅：庫存回補訊號（SHFE / COMEX）

## 最新狀態
- 數據日期：2026-01-26
- SHFE 庫存：235,000 噸
- SHFE 4 週回補速度 z-score：+1.9（異常快）
- COMEX 庫存：18,500 噸
- COMEX 4 週回補速度 z-score：+0.5（正常）
- 總庫存（SHFE + COMEX）：253,500 噸
- 銅期貨價格：4.52 USD/lb

## 短期判斷（是否「有點超前」）
- 訊號：**⚠️ CAUTION**
- 原因：SHFE 庫存「水位偏高」且「回補速度異常快」
- 歷史驗證：過去同類訊號在 ±2 週內對應局部高點的命中率約 **62%**
- 解讀：短線更容易出現「漲勢喘口氣 / 回檔」而不是一路順風

## 長期判斷（是否仍「偏便宜」）
- 銅價 10 年歷史分位數：0.32（低於 0.35）
- 結論：**💚 長期偏便宜**（但不代表短線不會先整理）

---
### 數據來源
- SHFE 庫存：MacroMicro (CDP)
- COMEX 庫存：MacroMicro (CDP)
- 銅價：Yahoo Finance (HG=F)

JSON 輸出範例

{
  "asof": "2026-01-26",
  "near_term_signal": "CAUTION",
  "long_term_view": "CHEAP",
  "latest": {
    "shfe_inventory_tonnes": 235000,
    "shfe_rebuild_z": 1.9,
    "comex_inventory_tonnes": 18500,
    "comex_rebuild_z": 0.5,
    "total_inventory_tonnes": 253500,
    "copper_price": 4.52,
    "price_percentile": 0.32
  },
  "backtest": {
    "peak_match_window_weeks": 2,
    "signal_to_local_peak_hit_rate": 0.62,
    "signal_count": 21
  }
}

</output_example>

<success_criteria> 分析成功時應產出：

• SHFE 和 COMEX 庫存數據已從 MacroMicro 全自動抓取並快取
• 銅期貨價格數據已從 Yahoo Finance 抓取
• SHFE 和 COMEX 當前回補速度 z-score 與庫存分位數
• 短期訊號（CAUTION / NEUTRAL / SUPPORTIVE）
• 歷史訊號命中率回測結果
• 長期價格分位數與判讀（CHEAP / FAIR / RICH）
• Bloomberg 風格視覺化圖表
• 明確標註數據來源與計算方法 </success_criteria>

<references_index>

文件	內容
references/data-sources.md	SHFE 庫存與銅價數據來源、CDP 抓取說明
references/methodology.md	回補速度 z-score、分位數計算方法論
references/historical-episodes.md	歷史訊號觸發事件對照
</references_index>

<workflows_index>

Workflow	Purpose
workflows/quick-check.md	快速檢查當前訊號狀態
workflows/full-analysis.md	完整歷史驗證分析
workflows/visualize.md	視覺化圖表生成
</workflows_index>

<templates_index>

Template	Purpose
templates/output-json.md	JSON 輸出格式規範
templates/output-markdown.md	Markdown 輸出格式規範
</templates_index>