analyze-copper-inventory-rebuild-signal

<essential_principles>

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。

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）

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>

<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>

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。

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>