compute-precious-miner-gross-margin

<essential_principles>

礦業毛利率代理（Margin Proxy）使用簡化公式：

gross_margin_proxy = (metal_price - unit_cost) / metal_price

其中：

• metal_price：金屬現貨價或期貨近月價
• unit_cost：AISC (All-In Sustaining Cost)、現金成本(C1)或全成本

此指標不等同會計報表的毛利率，但能快速捕捉價格-成本關係的邊際變化。

口徑	包含項目	適用場景
Cash Cost (C1)	現場採掘 + 加工 + 場內行政	現金流壓力測試
AISC	C1 + 維持資本開支 + 勘探 + 行政	行業標準（WGC 定義）
All-In Cost (AIC)	AISC + 成長資本開支	完整經濟成本

建議優先使用 AISC，因其可比性最佳且資料可得性高。

方法	公式	直覺
equal_weight	Σ margin_i / N	簡單平均，每家公司等權
production_weighted	Σ (margin_i × prod_i) / Σ prod_i	產量加權，反映「產業毛利」
marketcap_weighted	Σ (margin_i × mcap_i) / Σ mcap_i	市值加權，反映「股權曝險」

建議使用 production_weighted 以更準確反映產業整體毛利結構。

• 金屬價格：日頻或月均價
• 礦業成本：季度（多數公司僅在季報揭露 AISC）
• 對齊方式：
  • 將成本 forward-fill 至季度內各期
  • 或使用同季均價（更乾淨）

本 Skill 建議使用 季度頻率 作為基準，避免過度平滑。

本 skill 使用公開數據：

• 金價：LBMA Gold Price / COMEX 近月期貨
• 銀價：LBMA Silver Price / COMEX 近月期貨
• AISC：公司 IR 投資人簡報 / 季報 MD&A / 新聞稿
• 產量：同上，單位 oz / GEO / AgEq oz

腳本位於 scripts/ 目錄，可直接執行。

</essential_principles>

1. 數據整合：抓取金屬價格序列與礦業成本/產量數據
2. 計算毛利率代理：單一公司層級 + 籃子聚合
3. 歷史分位數：判斷當前水位在歷史區間的位置
4. 驅動拆解：區分價格驅動 vs 成本驅動
5. 訊號生成：極端高/低檔區間標記

輸出：毛利率時序、歷史分位、驅動拆解、交易/研究連結。

<quick_start>

最快的方式：執行預設情境分析

cd skills/compute-precious-miner-gross-margin
pip install pandas numpy requests yfinance beautifulsoup4 lxml  # 首次使用
python scripts/margin_calculator.py --quick --metal gold

輸出範例：

{
  "skill": "compute_precious_miner_margin_proxy",
  "metal": "gold",
  "frequency": "quarterly",
  "cost_metric": "AISC",
  "basket": {
    "miners": ["NEM", "GOLD", "AEM"],
    "aggregation": "production_weighted"
  },
  "latest": {
    "date": "2025-Q4",
    "metal_price_usd_oz": 2650.0,
    "unit_cost_proxy_usd_oz": 1320.0,
    "gross_margin_proxy": 0.502,
    "history_percentile": 0.78,
    "regime_label": "high_margin"
  }
}

完整情境分析：

python scripts/margin_calculator.py \
  --metal silver \
  --miners CDE,HL,AG \
  --start-date 2015-01-01 \
  --frequency quarterly \
  --cost-metric AISC \
  --aggregation production_weighted \
  --output result.json

</quick_start>

1. 快速計算 - 使用預設參數計算主要礦業籃子的毛利率代理
2. 完整分析 - 自訂參數進行情境分析（可選擇金屬、礦業、成本口徑）
3. 數據研究 - 了解如何獲取 AISC / 成本數據（爬蟲設計）
4. 訊號生成 - 將毛利率轉為交易/研究訊號
5. 方法論學習 - 了解計算邏輯與數據來源

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>

compute-precious-miner-gross-margin/
├── 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/
│   ├── analyze.md                     # 完整情境分析工作流
│   ├── data-research.md               # 數據源研究與爬蟲設計
│   └── signal-generation.md           # 訊號生成工作流
├── references/
│   ├── data-sources.md                # 數據來源與獲取方式
│   ├── methodology.md                 # 方法論與計算邏輯
│   └── 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/
│   └── margin_calculator.py           # 主計算腳本
└── examples/
    └── sample-output.json             # 範例輸出

</directory_structure>