detect-palladium-lead-silver-turns

<essential_principles>

**跨金屬確認核心**

「鈀金領先白銀」的假說需要可量化驗證：

• 以 cross-correlation 估計最佳領先滯後（lead-lag）
• 當銀出現拐點時，檢查鈀金是否在確認窗口內先行或同步出現同向拐點
• 未被確認的拐點視為「失敗推動」的候選

Lead-Lag = argmax(cross_correlation(pd_ret[t-k:t], ag_ret[t:t+k]))
Confirmed = pd_turn exists within [ag_turn.ts - window, ag_turn.ts + window]

**拐點偵測三法**

方法	原理	適用場景
pivot	左右 N 根K棒內的局部極值	結構明確的趨勢
peaks	scipy find_peaks + prominence	自動化密度控制
slope_change	趨勢斜率由正轉負或反之	平滑趨勢追蹤

建議從 pivot 開始，左右各 3-5 根K棒，再依需求調整。

**參與度判定**

鈀金是否「參與」銀的走勢，有多種衡量方式：

指標	定義	門檻建議
returns_corr	報酬率滾動相關係數	> 0.5
direction_agree	同向漲跌的比例	> 60%
vol_expansion	兩者波動同步擴張	σ_pd / σ_ag > 0.8
breakout_confirm	銀突破時鈀金也突破	同向突破

未達門檻時，銀的動作可能是「流動性噪音」而非趨勢確認。

**失敗走勢判定**

將「無鈀金參與的銀動作」落地為可回測的規則：

規則	定義	後果
no_confirm_then_revert	無確認 + 銀在 N 根K內回撤過起點	標記為 failed_move
no_confirm_then_break_fail	無確認 + 銀突破後回落跌破突破點	假突破

歷史統計：未確認事件的失敗率 vs 已確認事件的成功率。

</essential_principles>

偵測「鈀金領先、白銀跟隨」的跨金屬拐點：

1. 數據取得：白銀與鈀金的 OHLCV（yfinance: SI=F, PA=F）
2. 拐點偵測：識別兩者的局部高低點（pivot / peaks / slope_change）
3. 領先滯後估計：cross-correlation 找最佳 lag
4. 跨金屬確認：銀的拐點是否在窗口內被鈀金同向拐點確認
5. 失敗走勢判定：未確認的銀拐點是否符合失敗規則

輸出：確認率、失敗率、每個事件的詳細判定、風控建議。

<quick_start>

最快的方式：偵測白銀近期拐點是否被鈀金確認

cd skills/detect-palladium-lead-silver-turns
pip install pandas numpy yfinance scipy statsmodels  # 首次使用
python scripts/palladium_lead_silver.py --silver SI=F --palladium PA=F --quick

輸出範例：

{
  "symbol_pair": {"silver": "SI=F", "palladium": "PA=F"},
  "as_of": "2026-01-14",
  "timeframe": "1h",
  "estimated_pd_leads_by_bars": 6,
  "lead_lag_corr": 0.42,
  "confirmation_rate": 0.71,
  "unconfirmed_failure_rate": 0.64,
  "latest_event": {
    "ts": "2026-01-15T14:00:00Z",
    "turn": "top",
    "confirmed": false,
    "participation_ok": false,
    "failed_move": true
  }
}

完整分析：

python scripts/palladium_lead_silver.py --silver SI=F --palladium PA=F --timeframe 1h --lookback 1000 --output result.json

生成 Bloomberg 風格視覺化圖表（推薦）：

pip install matplotlib yfinance  # 首次使用
python scripts/plot_bloomberg_style.py --input result.json --output output/palladium_silver_2026-01-26.png

圖表特色：

• Bloomberg 專業配色：深色背景、橙紅色白銀線、橙黃色鈀金線
• 背景色帶標記：綠色背景 = 已確認拐點區域，紅色背景 = 未確認拐點區域（不擋住走勢線）
• 最新事件標註：醒目標示最新拐點的確認狀態與價格
• Pd/Ag 價格比率圖：顯示鈀金對白銀的相對價格變化，含 20 期均線
• 滾動確認率：動態顯示確認邏輯的有效性趨勢
• 統計面板：確認率、失敗率、總拐點數等關鍵指標
• 行情解讀：當前狀態評估與可操作建議

傳統三合一圖表（技術分析向）：

python scripts/plot_palladium_silver.py --silver SI=F --palladium PA=F --output output/

包含：

• 銀/鈀價格疊加與拐點標記
• 確認/未確認事件分布
• 滾動相關係數時間序列
• 失敗走勢統計

</quick_start>

需要進行什麼操作？

1. 快速偵測 - 檢查最近白銀拐點是否被鈀金確認
2. 歷史回測 - 回溯分析跨金屬確認的有效性
3. 持續監控 - 設定警報當出現新拐點時通知
4. 參數調校 - 找出最佳的確認窗口與參與度門檻
5. 方法論學習 - 了解跨金屬領先滯後的理論基礎

請選擇或直接提供分析參數開始。

| Response | Action | |------------------------------------|--------------------------------------------------------| | 1, "快速", "quick", "check" | 執行 `python scripts/palladium_lead_silver.py --quick` | | 2, "回測", "backtest", "history" | 閱讀 `workflows/backtest.md` 並執行 | | 3, "監控", "monitor", "alert" | 閱讀 `workflows/monitor.md` 並執行 | | 4, "調校", "optimize", "tune" | 閱讀 `workflows/detect.md` 的參數調校部分 | | 5, "學習", "方法論", "why" | 閱讀 `references/methodology.md` | | 提供參數（如 timeframe, lookback） | 閱讀 `workflows/detect.md` 並使用參數執行 |

路由後，閱讀對應文件並執行。

<directory_structure>

detect-palladium-lead-silver-turns/
├── SKILL.md                           # 本文件（路由器）
├── skill.yaml                         # 前端展示元數據
├── manifest.json                      # 技能元數據
├── workflows/
│   ├── detect.md                      # 單次偵測工作流
│   ├── backtest.md                    # 歷史回測工作流
│   └── monitor.md                     # 持續監控工作流
├── references/
│   ├── methodology.md                 # 跨金屬領先滯後方法論
│   ├── input-schema.md                # 完整輸入參數定義
│   └── data-sources.md                # 資料來源說明
├── templates/
│   ├── output-json.md                 # JSON 輸出模板
│   └── output-markdown.md             # Markdown 報告模板
├── scripts/
│   ├── palladium_lead_silver.py       # 主偵測腳本
│   ├── plot_bloomberg_style.py        # Bloomberg 風格視覺化（推薦）
│   └── plot_palladium_silver.py       # 傳統三合一圖表
└── examples/
    └── silver-palladium-2024.json     # 範例輸出

</directory_structure>

<reference_index>

方法論: references/methodology.md

• 跨金屬領先滯後原理
• 拐點偵測三法詳解
• 參與度與確認邏輯
• 失敗走勢的市場含義

資料來源: references/data-sources.md

• Yahoo Finance 期貨代碼
• 宏觀濾鏡數據來源
• 數據頻率與對齊

輸入參數: references/input-schema.md

• 完整參數定義
• 預設值與建議範圍

</reference_index>

<workflows_index>

Workflow	Purpose	使用時機
detect.md	單次偵測	檢查特定時間範圍
backtest.md	歷史回測	驗證確認邏輯有效性
monitor.md	持續監控	日常追蹤或警報
</workflows_index>

<templates_index>

Template	Purpose
output-json.md	JSON 輸出結構定義
output-markdown.md	Markdown 報告模板
</templates_index>

<scripts_index>

Script	Command	Purpose
palladium_lead_silver.py	--silver SI=F --palladium PA=F --quick	快速檢查當前狀態
palladium_lead_silver.py	--silver SI=F --palladium PA=F --lookback 1000	完整歷史分析
plot_bloomberg_style.py	--input result.json --output output/chart.png	Bloomberg 風格圖表（推薦）
plot_palladium_silver.py	--silver SI=F --palladium PA=F --output dir/	傳統三合一圖表
</scripts_index>

<input_schema_summary>

核心參數

參數	類型	預設值	說明
silver_symbol	string	(required)	白銀標的代碼
palladium_symbol	string	(required)	鈀金標的代碼
timeframe	string	1h	分析時間尺度
lookback_bars	int	1000	回溯K棒數

拐點偵測參數

參數	類型	預設值	說明
turn_method	string	pivot	拐點偵測方法
pivot_left	int	3	pivot 左側確認K數
pivot_right	int	3	pivot 右側確認K數
confirm_window_bars	int	6	跨金屬確認窗口
lead_lag_max_bars	int	24	領先滯後最大滯後K數

參與度參數

參數	類型	預設值	說明
participation_metric	string	direction_agree	參與度衡量方式
participation_threshold	float	0.6	參與度門檻
failure_rule	string	no_confirm_then_revert	失敗走勢規則

完整參數定義見 references/input-schema.md。

</input_schema_summary>

<output_schema_summary>

{
  "skill": "detect-palladium-lead-silver-turns",
  "symbol_pair": {"silver": "SI=F", "palladium": "PA=F"},
  "as_of": "2026-01-14",
  "timeframe": "1h",
  "lookback_bars": 1200,
  "summary": {
    "estimated_pd_leads_by_bars": 6,
    "lead_lag_corr": 0.42,
    "confirmation_rate": 0.71,
    "unconfirmed_failure_rate": 0.64,
    "total_ag_turns": 24,
    "confirmed_turns": 17,
    "failed_moves": 5
  },
  "events": [
    {
      "ts": "2026-01-08T10:00:00Z",
      "turn": "bottom",
      "confirmed": true,
      "confirmation_lag_bars": -3,
      "participation_ok": true,
      "failed_move": false
    }
  ],
  "interpretation": {
    "regime_assessment": "...",
    "tactics": ["...", "..."]
  }
}

完整輸出結構見 templates/output-json.md。 </output_schema_summary>

<success_criteria> 執行成功時應產出：

• 鈀金對白銀的最佳領先滯後估計（bars）
• 領先滯後的相關係數
• 白銀拐點被鈀金確認的確認率
• 未確認事件的失敗走勢比例
• 每個白銀拐點的詳細判定（confirmed, participation, failed）
• 行情解讀與戰術建議
• 時間序列資料（可選，用於視覺化）
• 視覺化圖表 PNG（可選，使用 plot_palladium_silver.py） </success_criteria>