Token导航 LogoToken导航TokenDH.com
待分类敏感数据github未标认证来源可访问许可证需确认审计通过

analyze-platinum-to-brazil-equities-transmission分析铂金到巴西股票的传输

Agent Skill

analyze-platinum-to-brazil-equities-transmission 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

259

周安装

11

GitHub Stars

3

下载量

91
CodexClaudeCursorGemini CLI

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

unknown

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:analyze-platinum-to-brazil-equities-transmission(分析铂金到巴西股票的传输)
来源仓库:https://github.com/fatfingererr/macro-skills
仓库路径:skills/analyze-platinum-to-brazil-equities-transmission
安装命令:
npx skills add https://github.com/fatfingererr/macro-skills --skill analyze-platinum-to-brazil-equities-transmission
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/fatfingererr/macro-skills --skill analyze-platinum-to-brazil-equities-transmission

简介

检验白金价格走势是否领先或驱动巴西股市(EWZ)表现。

  • 适用于跨市场传导分析,使用长周期时间序列验证叙事。
  • 通过滚动相关性和领先滞后窗口扫描判断传导结构稳定性。
  • 综合三项维度量化传导可信度并输出 regime 判断。
  • 安装前需确认数据源权限及处理频率适配性。analyze-platinum-to-brazil-equities-transmission 属于待分类类 Skill,可作为该场景下的辅助能力补充。

SKILL.md

<essential_principles>

本技能專注於「用數據驗證敘事」:

  • 輸入:社群/新聞宣稱「白金走勢可能領先或驅動巴西股市」
  • 輸出:長週期時間序列上的傳導假說檢驗結果

不做價格預測,只回答:「白金→巴西股市的傳導結構在數據上是否存在?」

使用 Cross-Correlation 掃描 [-lead_lag_max, +lead_lag_max] 範圍:

  • corr(r_ewz, r_platinum.shift(lag))
  • lag > 0:白金領先 EWZ(platinum leads)
  • lag < 0:EWZ 領先白金
  • lag ≈ 0:同步移動

典型設定:週頻 lag max = 52(一年),找 |corr| 最大的 lag。

白金與巴西股市的關聯具有週期性特徵:

  • linked_upcycle:兩者趨勢同向上行,傳導結構穩固
  • decoupled:關聯斷裂,各走各的
  • brazil_idiosyncratic:巴西特有風險(政治/匯率/商品結構)主導

長期 regime 判斷使用 regime_window(預設 104 週 ≈ 2 年)內的趨勢一致性。

綜合三個維度量化傳導可信度:

維度權重說明
best_lead_lag_corr30%最佳領先落後相關係數
rolling_corr_stability30%rolling corr > 0 的佔比與連續性
trend_agreement40%長期趨勢一致程度

分數解讀:≥70 強傳導、50-69 中等、<50 弱/不穩定。

主要使用 Yahoo Finance(免費、無需 API key):

  • 白金期貨PL=F
  • 巴西股市 ETFEWZ

頻率建議:1wk(週頻)用於長週期分析,避免日頻噪音干擾。 對齊方式:inner join(只保留共同交易日),避免補值造成假相關。

</essential_principles>

  1. 數據取得:從 Yahoo Finance 取得白金期貨與 EWZ 歷史價格
  2. 雙軸圖與正規化圖:Bloomberg 風格原值雙軸圖 + 正規化同軸對比
  3. 領先落後分析:交叉相關找出白金是否領先 EWZ 及滯後期數
  4. Rolling Correlation:滾動相關觀察關聯的時變結構
  5. Regime 判斷:長期趨勢一致性判斷當前處於哪種傳導體制
  6. 傳導強度分數:綜合評分(0-100)量化傳導可信度

輸出:傳導強度分數、領先落後判定、regime label、監控清單、Bloomberg 風格圖表。

<quick_start>

Step 1:安裝依賴

pip install yfinance pandas numpy matplotlib scipy

Step 2:執行完整分析

cd scripts
python analyze.py --start 2003-01-01

Step 3:生成 Bloomberg 風格視覺化圖表

python visualize.py --start 2003-01-01
# 輸出到: output/platinum_vs_ewz_YYYY-MM-DD.png

輸出範例

{
  "signal": "transmission_moderate",
  "confidence": "medium",
  "transmission_strength_score": 74,
  "best_lead_lag": {
    "lag_weeks": 12,
    "meaning": "Platinum leads EWZ by ~12 weeks",
    "corr": 0.52
  },
  "rolling_corr": {
    "window": 52,
    "latest": 0.41,
    "positive_share_5y": 0.68
  },
  "regime_label": "linked_upcycle",
  "monitoring_notes": [
    "若 PL=F 突破長期區間,觀察 EWZ 在 8-16 週內是否趨勢翻多",
    "要求 52 週 rolling corr 維持正值至少 26 週作為確認",
    "若白金大漲而 EWZ 不動且 corr 轉負,視為 regime break"
  ]
}

</quick_start>

  1. 快速檢查 - 查看白金與巴西股市目前的傳導狀態
  2. 完整分析 - 執行完整傳導檢驗並生成報告
  3. 視覺化圖表 - 生成 Bloomberg 風格雙軸圖與相關分析圖表
  4. 方法論學習 - 了解傳導分析、交叉相關與 regime 判斷的原理

請選擇或直接提供分析參數。

路由後,閱讀對應文件並執行。

<directory_structure>

analyze-platinum-to-brazil-equities-transmission/
├── SKILL.md                           # 本文件(路由器)
├── skill.yaml                         # 前端展示元數據
├── manifest.json                      # 技能元資料
├── workflows/
│   ├── analyze.md                     # 完整傳導分析工作流
│   └── visualize.md                   # 視覺化工作流
├── references/
│   ├── data-sources.md                # 資料來源與替代方案
│   ├── methodology.md                 # 傳導分析方法論
│   └── input-schema.md                # 完整輸入參數定義
├── templates/
│   ├── output-json.md                 # JSON 輸出模板
│   └── output-markdown.md             # Markdown 報告模板
├── scripts/
│   ├── analyze.py                     # 主分析腳本
│   ├── fetch_data.py                  # 數據抓取工具(Yahoo Finance)
│   └── visualize.py                   # Bloomberg 風格視覺化
└── examples/
    └── sample_output.json             # 範例輸出

</directory_structure>

<reference_index>

方法論: references/methodology.md

  • 交叉相關領先落後分析
  • Rolling Correlation 時變結構
  • Regime 判斷邏輯
  • 傳導強度分數計算

資料來源: references/data-sources.md

  • Yahoo Finance(PL=F, EWZ)
  • 頻率處理與對齊
  • 備援數據源

輸入參數: references/input-schema.md

  • 完整參數定義與預設值
  • start_date, frequency, corr_window, lead_lag_max 等

</reference_index>

<workflows_index>

WorkflowPurpose使用時機
analyze.md完整傳導分析需要驗證傳導敘事時
visualize.md生成視覺化圖表需要 Bloomberg 風格圖表時
</workflows_index>

<templates_index>

TemplatePurpose
output-json.mdJSON 輸出結構定義
output-markdown.mdMarkdown 報告模板
</templates_index>

<scripts_index>

ScriptCommandPurpose
analyze.py--start DATE [--end DATE] [--freq 1wk]完整傳導分析
fetch_data.py--start DATE [--end DATE] [--freq 1wk]數據抓取與快取
visualize.py--start DATE [--end DATE]Bloomberg 風格視覺化
</scripts_index>

<input_schema>

</input_schema>

<output_schema> 參見 templates/output-json.md 的完整結構定義。

摘要

{
  "signal": "transmission_strong | transmission_moderate | transmission_weak | inconclusive",
  "confidence": "high | medium | low",
  "transmission_strength_score": 74,
  "best_lead_lag": {
    "lag_weeks": 12,
    "corr": 0.52,
    "meaning": "Platinum leads EWZ by ~12 weeks"
  },
  "rolling_corr": {
    "window": 52,
    "latest": 0.41,
    "positive_share_5y": 0.68
  },
  "regime_label": "linked_upcycle | decoupled | brazil_idiosyncratic",
  "monitoring_notes": ["..."],
  "artifacts": {
    "charts": ["output/platinum_vs_ewz_YYYY-MM-DD.png"]
  }
}

</output_schema>

<success_criteria> 分析成功時應產出:

  • 白金與 EWZ 的領先落後天(週)數與相關係數
  • 52 週 Rolling Correlation 最新值與正值佔比
  • 傳導強度分數(0-100)
  • 當前 Regime Label(linked_upcycle / decoupled / brazil_idiosyncratic)
  • 傳導結論與替代解釋
  • 監控清單(非短線)
  • Bloomberg 風格雙軸圖(output/platinum_vs_ewz_YYYY-MM-DD.png)
  • 明確標註資料限制與假設 </success_criteria>

适合场景

01

用户想查找某类 Agent Skill 时

02

需要根据任务场景推荐可安装能力包时

03

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

Codex

37.13%
按下载量换算34

Claude

31.32%
按下载量换算29

Cursor

19.34%
按下载量换算18

Gemini CLI

8.94%
按下载量换算8

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills