monitor-etf-holdings-drawdown-risk

**背離訊號核心邏輯**

背離事件定義：

• 價格上漲：price_return >= min_price_return_pct（如 +15%）
• 庫存下滑：inventory_change <= -min_inventory_drawdown_pct（如 -10%）
• 同時發生：在相同視窗期（如 180 天）內同時滿足

當價格與庫存同向時（同漲同跌）為正常；逆向時（價漲庫跌）才需要警覺。

**雙重假設驗證**

不能直接把「庫存下降」解讀為「實物被搶」，需要交叉驗證：

假設	支持條件	反駁條件
實物緊張	COMEX/LBMA 下降、backwardation、lease rates 上升、零售溢價擴大	其他庫存穩定、contango、溢價平穩
資金流/贖回	ETF 流出但交易所庫存穩定、期貨結構不緊	多重庫存同步下降

輸出兩種解釋，讓用戶判斷哪個更符合當前數據。

**資料取得方式**

本 skill 優先使用：

• ETF 官網庫存：Selenium 模擬人類瀏覽器行為抓取（避免 API 限制）
• Yahoo Finance：yfinance 套件取得現貨/期貨價格
• 交叉驗證：COMEX 庫存、期貨結構等公開數據

腳本位於 scripts/ 目錄，遵循 references/data-sources.md 的反偵測策略。

**壓力分數計算**

stress_score = 100 × min(1.0,
    0.6 × divergence_severity +      # 背離嚴重度
    0.2 × decade_low_bonus +         # 十年低點加成
    0.2 × ratio_extreme_bonus        # 比值極端加成
)

分數區間	解讀
0-30	正常，無明顯背離
30-60	輕度背離，值得關注
60-80	中度背離，建議深入驗證
80-100	重度背離，高度警戒

</essential_principles> 監控實物型 ETF（如 SLV、PSLV、GLD）的持倉與商品價格背離現象：

1. 偵測背離：價格上漲但 ETF 庫存下滑
2. 評估嚴重度：計算背離程度、十年低點、比值極端
3. 交叉驗證：使用 COMEX、期貨結構、零售溢價等指標
4. 產出洞察：提供兩種對立假設，避免單一敘事偏誤

輸出：背離狀態、壓力分數、交叉驗證結果、下一步檢查建議。

最快的方式：檢查 SLV 背離狀態

cd skills/monitor-etf-holdings-drawdown-risk
pip install pandas numpy yfinance selenium webdriver-manager beautifulsoup4 matplotlib  # 首次使用
python scripts/divergence_detector.py --etf SLV --quick

輸出範例：

{
  "asof": "2026-01-20",
  "divergence": false,
  "price_return_window": 1.92,
  "inventory_change_window": 0.15,
  "inventory_decade_low": false,
  "stress_score_0_100": 20.0,
  "interpretations": ["Physical Tightness", "ETF Flow Hypothesis"]
}

完整分析 + 視覺化報告：

# 1. 執行背離偵測
python scripts/divergence_detector.py \
  --etf SLV \
  --start 2010-01-01 \
  --end 2026-01-20 \
  --output result.json

# 2. 生成視覺化報告
python scripts/visualize_divergence.py \
  --result result.json \
  --output ../../../output/

輸出：

• JSON 分析結果：result.json
• 視覺化報告：output/SLV_divergence_report_20260120.png
• PDF 報告：output/SLV_divergence_report_20260120.pdf

</quick_start> 需要進行什麼操作？

1. 快速檢查 - 查看指定 ETF 目前的背離狀態與壓力分數
2. 完整分析 - 執行完整的歷史背離分析
3. 交叉驗證 - 使用多指標驗證背離訊號的真實性
4. 監控模式 - 設定持續監控與背離警報
5. 方法論學習 - 了解背離偵測與雙重假設邏輯

請選擇或直接提供分析參數（如 ETF 代碼）。

| Response | Action | |---------------------------------|-----------------------------------------------| | 1, "快速", "quick", "check" | 執行 `scripts/divergence_detector.py --quick` | | 2, "分析", "analyze", "full" | 閱讀 `workflows/analyze.md` 並執行 | | 3, "驗證", "validate", "cross" | 閱讀 `workflows/cross-validate.md` 並執行 | | 4, "監控", "monitor", "alert" | 閱讀 `workflows/monitor.md` 並執行 | | 5, "學習", "方法論", "why" | 閱讀 `references/methodology.md` | | 提供 ETF 代碼 (如 SLV, GLD) | 閱讀 `workflows/analyze.md` 並使用參數執行 |

路由後，閱讀對應文件並執行。

``` monitor-etf-holdings-drawdown-risk/ ├── 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 # 完整背離分析工作流 │ ├── monitor.md # 持續監控工作流 │ └── cross-validate.md # 交叉驗證工作流 ├── references/ │ ├── data-sources.md # ETF 庫存與價格資料來源 │ ├── methodology.md # 背離偵測方法論 │ └── 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/ ├── divergence_detector.py # 主偵測腳本 ├── fetch_etf_holdings.py # ETF 庫存抓取（Selenium） └── fetch_prices.py # 價格數據抓取 ``` </directory_structure>

方法論: references/methodology.md

• 背離偵測邏輯
• 雙重假設驗證框架
• 壓力分數計算

資料來源: references/data-sources.md

• ETF 官網庫存抓取（Selenium）
• Yahoo Finance 價格數據
• 交叉驗證數據源（COMEX、LBMA）

輸入參數: references/input-schema.md

• 完整參數定義
• 預設值與建議範圍

</reference_index> | Workflow | Purpose | 使用時機 | |-------------------|------------------|------------------------| | analyze.md | 完整背離分析 | 需要完整歷史分析時 | | monitor.md | 持續監控狀態 | 日常監控或警報 | | cross-validate.md | 交叉驗證背離訊號 | 確認背離真實性時 | </workflows_index> | Template | Purpose | |--------------------|---------------------| | output-json.md | JSON 輸出結構定義 | | output-markdown.md | Markdown 報告模板 | </templates_index>

Script	Command	Purpose
divergence_detector.py	--etf SLV --quick	快速檢查背離狀態
divergence_detector.py	--start DATE --end DATE --output FILE	完整歷史分析
visualize_divergence.py	--result result.json --output DIR	生成視覺化報告
fetch_etf_holdings.py	--etf SLV --output holdings.csv	抓取 ETF 庫存
fetch_prices.py	--symbol SI=F --output prices.csv	抓取商品價格
</scripts_index>

核心參數

參數	類型	預設值	說明
etf_ticker	string	(必填)	ETF/信託代碼（如 SLV）
commodity_price_symbol	string	(必填)	商品價格代碼（如 XAGUSD）
start_date	string	10Y 前	分析起始日
end_date	string	today	分析結束日

背離參數

參數	類型	預設值	說明
divergence_window_days	int	180	背離計算視窗（天）
decade_low_window_days	int	3650	十年低點視窗（天）
min_price_return_pct	float	0.15	價格上漲門檻
min_inventory_drawdown_pct	float	0.10	庫存下滑門檻

完整參數定義見 references/input-schema.md。

</input_schema_summary> ```json { "skill": "monitor-etf-holdings-drawdown-risk", "asof": "2026-01-16", "inputs": { "etf_ticker": "SLV", "commodity_price_symbol": "XAGUSD" }, "result": { "divergence": true, "price_return_window": 0.32, "inventory_change_window": -0.18, "inventory_decade_low": true, "inventory_to_price_ratio_z": -2.4, "stress_score_0_100": 78.5 }, "interpretations": [...], "next_checks": [...] } ```

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

執行成功時應產出：

• 背離狀態判定（divergence: true/false）
• 價格變化與庫存變化數值
• 十年低點判定
• 庫存/價格比值 Z 分數
• 壓力分數（0-100）
• 兩種對立假設解釋
• 下一步驗證建議清單</success_criteria>