lithium-supply-demand-gap-radar

<essential_principles> 鋰產業鏈供需雷達 核心原則

**供應鏈分層（Supply Chain Layers）**

鋰產業鏈必須分層分析，不可混為一談：

Mining → Processing → Battery
(礦端)   (化學品)    (終端需求)

層級	代表數據	典型延遲
Upstream (礦端)	鋰礦產量、出口量	年度/季度
Midstream (化學品)	碳酸鋰/氫氧化鋰價格	週度/日度
Downstream (電池/EV)	EV 銷量、電池裝機量(GWh)	月度

強制規則：

• 供給分析需指定層級（礦端 vs 精煉端）
• 需求 proxy 需明確轉換假設（kWh → kg Li）
• 價格分析需區分碳酸鋰 vs 氫氧化鋰

**數據等級與備援策略（Data Level Fallback）**

根據 data_level 參數自動選擇數據源：

data_level	價格數據	供需數據	可靠度
free_nolimit	CME 期貨/Proxy 指數	USGS/IEA/澳洲政府	中
free_limit	SMM/Fastmarkets 頁面	+ 公司財報	中高
paid_low	SMM 完整序列	+ Benchmark 基本	高
paid_high	Fastmarkets API	+ S&P/BNEF/WoodMac	最高

強制規則：

• 價格數據不足時，使用 CME 合約或相關股籃子作為 proxy
• 需在輸出中標註實際使用的數據等級

**鋰含量轉換（Li Content Conversion）**

電池需求到鋰需求的轉換必須明確假設：

假設場景	kg Li / kWh	備註
保守估計	0.12	含 LFP 佔比上升假設
中性估計	0.15	混合 NMC/LFP
積極估計	0.18	高鎳 NMC 主導

li_demand_kt = battery_gwh * kg_per_kwh * 1000  # 單位: kt LCE

強制規則：

• 需求估計必須輸出三個情境（保守/中性/積極）
• 輸出需包含 kg_per_kwh_assumption 欄位

**價格型態分類（Price Regime Classification）**

鋰價週期分為四個階段：

Regime	特徵	交易含義
downtrend	12-26 週動能 < 0, 斜率 < 0	空頭主導，避免做多
bottoming	動能收斂，波動下降，均值回歸	觀望，等待確認
uptrend	動能 > 0, 斜率 > 0	做多視窗開啟
overheat	動能極端正值，波動放大	獲利了結風險

指標組合：

• 12 週 / 26 週動能（ROC）
• 趨勢斜率（線性回歸）
• 波動率（ATR / 標準差）
• 均值回歸強度（距 MA 偏離度）

**ETF 傳導敏感度（ETF Transmission）**

ETF 對鋰價的敏感度受持股結構影響：

持股類型	對鋰價 Beta	波動特性
Upstream (礦業)	1.5 - 2.5	高槓桿、高波動
Midstream (精煉)	0.8 - 1.2	跟隨但有加工費緩衝
Downstream (電池)	0.3 - 0.8	受競爭/技術路線影響

計算公式：

ETF_beta_li = Σ(weight_i * beta_i_to_lithium)

強制規則：

• 需計算 rolling beta（建議 52 週滾動）
• 傳導斷裂判斷：beta < 0.3 且持續 > 8 週

</essential_principles>

**您想要執行什麼操作？**

1. Full Analysis - 完整供需×價格×傳導整合分析（生成完整報告）
2. Balance Nowcast - 僅計算供需平衡即時估計（缺口擴大/縮小）
3. Price Regime - 僅分析價格型態與週期位置
4. ETF Exposure - 僅分析 ETF 持股結構與鋰價敏感度
5. Ingest Data - 從各數據源擷取並標準化數據

等待回應後再繼續。

| Response | Workflow | Description | |---------------------------------------------------|------------------------------|----------------------------| | 1, "full", "analyze", "完整", "報告", "LIT" | workflows/full-analysis.md | 完整供需×價格×傳導整合分析 | | 2, "balance", "nowcast", "供需", "缺口", "gap" | workflows/balance-nowcast.md | 供需平衡即時估計 | | 3, "price", "regime", "價格", "週期", "型態" | workflows/price-regime.md | 價格型態與週期分析 | | 4, "etf", "exposure", "holding", "傳導", "敏感度" | workflows/etf-exposure.md | ETF 暴露與傳導分析 | | 5, "ingest", "data", "fetch", "抓取", "擷取" | workflows/ingest.md | 數據擷取與標準化 |

讀取工作流程後，請完全遵循其步驟。

<reference_index> 參考文件 (references/)

文件	內容
data-sources.md	所有數據來源詳細說明與 URL
unit-conversion.md	單位轉換規則（LCE/Li/GWh）
price-methodology.md	價格數據方法學（Fastmarkets/SMM）
etf-holdings-structure.md	LIT 持股結構與產業鏈分段
supply-chain-mapping.md	鋰供應鏈完整映射（礦→化學品→電池）
failure-modes.md	失敗模式與緩解策略
</reference_index>

<workflows_index>

Workflow	Purpose
full-analysis.md	完整供需×價格×傳導整合分析
balance-nowcast.md	供需平衡即時估計
price-regime.md	價格型態與週期分析
etf-exposure.md	ETF 持股暴露與傳導分析
ingest.md	數據擷取與標準化
</workflows_index>

<templates_index>

Template	Purpose
output-json.md	JSON 輸出結構模板
output-markdown.md	Markdown 報告模板
config.yaml	分析參數配置模板
data-schema.yaml	數據 Schema 定義
</templates_index>

<scripts_index>

Script	Purpose
lithium_pipeline.py	核心數據管線
ingest_sources.py	數據來源擷取
compute_balance.py	供需平衡計算
classify_regime.py	價格型態分類
compute_etf_beta.py	ETF 傳導敏感度計算
visualize_analysis.py	分析結果綜合視覺化
inflection_point_chart.py	拐點分析專用視覺化 ⭐
</scripts_index>

<quick_start> CLI 快速開始：

# 完整分析 LIT ETF（預設 10 年回看、週度頻率）
python scripts/lithium_pipeline.py analyze --ticker=LIT --lookback=10 --freq=weekly

# 僅計算供需平衡 Nowcast
python scripts/lithium_pipeline.py balance --asof=2026-01-16

# 分析價格型態（碳酸鋰 + 氫氧化鋰）
python scripts/lithium_pipeline.py regime --chem=both

# 計算 ETF 對鋰價的傳導敏感度
python scripts/lithium_pipeline.py etf-beta --ticker=LIT --window=52

# ✨ 生成視覺化圖表（完整儀表板）
python scripts/visualize_analysis.py
# 輸出：output/lithium_analysis_YYYY-MM-DD.png

視覺化輸出：

• 📊 6合1 專業儀表板（18" × 12"，300 DPI）
• 📁 自動保存至 output/ 目錄
• 📅 檔名包含當天日期
• 🎨 完整中文支持

Library 快速開始：

from lithium_pipeline import LithiumSupplyDemandRadar

radar = LithiumSupplyDemandRadar(
    etf_ticker="LIT",
    lookback_years=10,
    price_freq="weekly",
    chem_focus="both",
    data_level="free_nolimit"
)

# 完整分析
result = radar.full_analysis()
print(f"Balance Index: {result['balance_index']:.2f}")
print(f"Price Regime: {result['price_regime']}")
print(f"ETF Beta to Li: {result['etf_beta_li']:.2f}")
print(f"Thesis: {result['thesis']}")

</quick_start>

<success_criteria> Skill 成功執行時：

• 正確識別數據等級並使用對應來源
• 供需平衡指數計算正確（含三情境）
• 價格型態分類明確（downtrend/bottoming/uptrend/overheat）
• ETF 傳導敏感度計算正確（rolling beta）
• 輸出包含完整的失效條件（invalidation）
• 數據來源可追溯（source_id, data_level）
• 單位轉換假設明確標註
• 視覺化圖表已生成且符合規格（300 DPI, PNG, 檔名含日期）
• 報告與圖表在 output/ 目錄下一起輸出 </success_criteria>

<input_schema> 輸入參數定義

# 必要參數
etf_ticker: string      # 目標 ETF（預設 LIT）
lookback_years: int     # 回看年限（建議 10-15）
price_freq: string      # weekly | daily（建議 weekly）

# 範圍參數
region_focus:           # 供應/需求重點區（選填）
  - China
  - Australia
  - Chile
  - Argentina
  - US
  - EU

chem_focus: string      # carbonate | hydroxide | both（預設 both）

# 數據等級
data_level: string      # free_nolimit | free_limit | paid_low | paid_high

# 數據源開關
sources:
  usgs: boolean
  iea_ev_outlook: boolean
  australia_req: boolean
  abs_exports: boolean
  fastmarkets: boolean
  smm: boolean
  etf_holdings: boolean

# 輸出格式
output_format: string   # markdown | json（預設 markdown）

</input_schema>

<data_pipeline_architecture> 數據流水線架構

[Data Sources]
     |
     v
+--------------------+
|   ingest_sources   |  --> USGS, IEA, Australia REQ/ABS
+--------------------+      Fastmarkets/SMM (方法學/價格)
     |                      Global X LIT factsheet
     v
+--------------------+
|   normalize        |  --> 統一 schema + 單位標註
+--------------------+
     |
     +-------------------+-------------------+
     |                   |                   |
     v                   v                   v
+-----------+    +-----------+    +-----------+
| supply_   |    | price_    |    | etf_      |
| demand    |    | series    |    | holdings  |
+-----------+    +-----------+    +-----------+
     |                   |                   |
     v                   v                   v
+-----------+    +-----------+    +-----------+
| balance_  |    | classify_ |    | compute_  |
| nowcast   |    | regime    |    | etf_beta  |
+-----------+    +-----------+    +-----------+
     |                   |                   |
     +-------------------+-------------------+
                         |
                         v
              +--------------------+
              |   generate_insight |  --> Thesis + Targets + Invalidation
              +--------------------+
                         |
                         v
              +--------------------+
              |   format_output    |  --> JSON + Markdown
              +--------------------+

標準化欄位 Schema：

欄位	類型	說明
date	date	數據日期
metric_type	string	supply/demand/price/etf
metric_name	string	具體指標名稱
value	float	數值
unit	string	kt_LCE/USD_per_kg/GWh/pct
region	string	國家/區域
source_id	string	USGS/IEA/SMM/Fastmarkets/etc
data_level	string	數據等級
confidence	float	來源品質評分 (0-1)
</data_pipeline_architecture>