home / skills / fatfingererr / macro-skills / backsolve-miner-vs-metal-ratio-with-fundamentals
npx playbooks add skill fatfingererr/macro-skills --skill backsolve-miner-vs-metal-ratio-with-fundamentalsReview the files below or copy the command above to add this skill to your agents.
---
name: backsolve-miner-vs-metal-ratio-with-fundamentals
description: 從網路自動抓取礦業公司財務報表與營運揭露（產量、成本、資本支出），回算「礦業股/金屬本體比率」的基本面解釋與區間門檻（如 1.2/1.7），並輸出可重現的估值拆解（成本因子 / 槓桿因子 / 倍數因子 / 稀釋因子）。
---
<essential_principles>
<principle name="ratio_decomposition">
**比率拆解核心公式**
礦業股/金屬價格比率可分解為四大基本面因子：
```
R_t ≈ K × M_t × (1-L_t) × C_t × D_t
```
其中：
- **K**: 校準常數（由觀測值估計）
- **M_t**: 倍數因子（EV/EBITDA）
- **(1-L_t)**: 槓桿因子（1 - NetDebt/EV）
- **C_t**: 成本因子（1 - AISC/S_t）
- **D_t**: 稀釋因子（Shares_base / Shares_t）
此拆解讓「比率變動」有可歸因的量化解釋。
</principle>
<principle name="aisc_extraction">
**AISC 抽取優先順序**
全維持成本（AISC）是礦業股估值的核心驅動：
| 優先級 | 來源 | 方法 |
|--------|-----------------|---------------------------------------------|
| 1 | MD&A / 財報附註 | 關鍵字抽取：「AISC」「all-in sustaining」 |
| 2 | 年報簡報 PDF | 解析表格：$/oz 或 $/ounce |
| 3 | Proxy 回算 | (OpCost + SustCapex + G&A - Byproduct) / Oz |
當直接揭露不可得時，以 proxy 回算補缺；記錄 `aisc_method` 以標註來源。
</principle>
<principle name="backsolve_logic">
**反推邏輯（Backsolve）**
目標：給定目標比率 R*（如歷史頂部 1.7），反推需要哪些因子條件。
**單因子反推**：假設其他因子不變，只調整單一因子
```
M* = M_now × (R*/R_now) # 需要的倍數
(1-L*) = (1-L_now) × (R*/R_now) # 需要的去槓桿
C* = C_now × (R*/R_now) # 需要的成本改善 → 反推 AISC*
D* = D_now × (R*/R_now) # 需要的稀釋折扣
```
**雙因子組合**：以網格列舉可行組合（如倍數 +20% + 白銀 -15%）。
</principle>
<principle name="event_study">
**事件研究方法**
識別「比率落入底部分位」的歷史事件，回看事件當期的四大因子狀態：
1. **AISC 是否上升**：成本壓力
2. **NetDebt/EV 是否惡化**：槓桿壓力
3. **EV/EBITDA 是否壓縮**：倍數壓力
4. **Shares 是否上升**：稀釋壓力
排名「哪個因子貢獻最大」，識別驅動底部的主因。
</principle>
<principle name="data_priority">
**數據來源優先順序**
遵循「結構化優先」原則：
1. **SEC XBRL (10-K/10-Q)**：直接取欄位（債務、現金、股數、CFO、Capex）
2. **SEDAR+ (加拿大)**：銀礦公司常在加拿大上市
3. **公司 IR 年報/MD&A**：補齊 AISC、產量等非標準欄位
4. **ETF Holdings**：官方 CSV 或 SEC N-PORT
抓取時使用 Selenium 模擬人類行為，避免被封鎖。
</principle>
</essential_principles>
<objective>
實作「礦業股/金屬價格比率」基本面回算系統：
1. **數據整合**：抓取價格、ETF 持股、財務報表、營運揭露
2. **因子計算**：計算 AISC、槓桿、倍數、稀釋四大因子
3. **比率拆解**：建立 R_t ≈ K × M × (1-L) × C × D 近似式
4. **門檻反推**：給定目標比率，反推需要的因子組合
5. **事件研究**：歷史底部事件的因子驅動分析
6. **輸出報告**：結構化 JSON 與可讀 Markdown
目標用戶：看到 SIL/白銀比率極端時，想用「真實財報」驗證驅動因素。
</objective>
<quick_start>
**最快的方式：使用預設參數分析**
```bash
cd skills/backsolve-miner-vs-metal-ratio-with-fundamentals
pip install pandas numpy yfinance matplotlib # 首次使用
python scripts/fundamental_analyzer.py --quick
```
**完整分析（含財報抓取）**
```bash
python scripts/fundamental_analyzer.py \
--metal-symbol SI=F \
--miner-universe etf:SIL \
--region-profile us_sec \
--start-date 2015-01-01 \
--output result.json
```
**生成視覺化儀表板**
```bash
python scripts/visualize_factors.py --quick --output output/
# 輸出: output/sil_silver_factor_analysis_YYYY-MM-DD.png
```
視覺化儀表板包含四個面板：
1. **比率時間序列**：歷史走勢 + 分位數區間（底部/頂部）
2. **因子雷達圖**：四大因子健康度一覽
3. **因子評分長條圖**：成本、槓桿、倍數、稀釋各項評分
4. **情境熱力圖**：倍數擴張 × 白銀變動的組合分析
**共同上漲情境模擬**
```bash
python scripts/scenario_path_simulator.py --quick --output output/
# 輸出: output/scenario_path_YYYY-MM-DD.png + return_heatmap_YYYY-MM-DD.png
```
核心公式：**礦業股漲幅 = (1 + 銀價漲幅) × (R₁/R₀) - 1**
自訂參數：
```bash
python scripts/scenario_path_simulator.py \
--silver-monthly 5 \ # 銀價每月漲幅 5%
--ratio-start 1.10 \ # 比率起點
--ratio-end 1.20 \ # 比率終點
--months 6 \ # 模擬 6 個月
--heatmap # 同時生成熱力圖
```
**輸出範例**：
```json
{
"now": {
"metal_price": 94.4,
"miner_price": 103.4,
"ratio": 1.13,
"ratio_percentile": 0.111
},
"thresholds": {
"bottom_ratio": 1.20,
"top_ratio": 1.70,
"median_ratio": 1.51
},
"fundamentals_weighted": {
"aisc_usd_per_oz": 28.0,
"net_debt_to_ev": 0.25,
"ev_to_ebitda": 6.4,
"shares_yoy_change": 0.12
},
"factors_now": {
"cost_factor_C": 0.7034,
"leverage_factor_1_minus_L": 0.75,
"multiple_M": 6.4,
"dilution_discount_D": 0.89
},
"backsolve_to_top": {
"multiple_only_need": 9.1,
"deleverage_only_need_1_minus_L": 1.12,
"cost_only_implied_aisc": 15.6,
"dilution_only_need_D": 1.26
}
}
```
</quick_start>
<intake>
需要進行什麼操作？
1. **快速分析** - 使用預設參數（SIL / SI=F）計算當前因子狀態
2. **完整分析** - 抓取財報、計算因子、反推門檻
3. **因子拆解** - 深入了解四大因子的計算邏輯
4. **門檻反推** - 給定目標比率，計算需要的因子組合
5. **事件研究** - 歷史底部事件的因子驅動排名
6. **方法論學習** - 了解回算邏輯與數據來源
7. **視覺化** - 生成四面板儀表板圖表
8. **共同上漲情境** - 模擬銀價與礦業股同漲時的比例關係與路徑
**請選擇或直接提供分析參數。**
</intake>
<routing>
| Response | Action |
|--------------------------------|----------------------------------------------------------------|
| 1, "快速", "quick", "分析" | 執行 `python scripts/fundamental_analyzer.py --quick` |
| 2, "完整", "full", "財報" | 閱讀 `workflows/analyze.md` 並執行 |
| 3, "因子", "factor", "拆解" | 閱讀 `references/fundamental-factors.md` |
| 4, "反推", "backsolve", "門檻" | 閱讀 `references/backsolve-math.md` 並執行反推分析 |
| 5, "事件", "event", "底部" | 閱讀 `workflows/analyze.md` 並聚焦事件研究 |
| 6, "學習", "方法論", "why" | 閱讀 `references/fundamental-factors.md` + `backsolve-math.md` |
| 7, "視覺化", "圖", "chart" | 執行 `python scripts/visualize_factors.py --quick` |
| 8, "共同上漲", "情境", "路徑" | 執行 `python scripts/scenario_path_simulator.py --quick` |
| "比例關係", "漲幅", "要漲多少" | 執行 `python scripts/scenario_path_simulator.py --quick` |
| 提供參數 (如 ETF/金屬代理) | 閱讀 `workflows/analyze.md` 並使用參數執行 |
**路由後，閱讀對應文件並執行。**
</routing>
<directory_structure>
```
backsolve-miner-vs-metal-ratio-with-fundamentals/
├── 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 # 完整分析工作流
│ └── data-fetch.md # 數據抓取工作流
├── references/
│ ├── input-schema.md # 完整輸入參數定義
│ ├── data-sources.md # 數據來源說明
│ ├── fundamental-factors.md # 四大因子計算邏輯
│ └── backsolve-math.md # 反推數學公式
├── templates/
│ ├── output-json.md # JSON 輸出模板
│ └── output-markdown.md # Markdown 報告模板
├── scripts/
│ ├── fundamental_analyzer.py # 主計算腳本
│ ├── visualize_factors.py # 視覺化儀表板腳本
│ └── scenario_path_simulator.py # 共同上漲情境模擬器
└── examples/
└── sample-output.json # 範例輸出
```
</directory_structure>
<reference_index>
**輸入參數**: references/input-schema.md
- 完整參數定義
- 預設值與建議範圍
- 各方法選項說明
**數據來源**: references/data-sources.md
- 價格數據（yfinance / stooq / alphavantage）
- 財報數據（SEC EDGAR / SEDAR+ / 公司 IR）
- ETF 持股（官方 CSV / N-PORT / 手動 URL）
**因子計算**: references/fundamental-factors.md
- AISC 成本因子
- 槓桿因子
- 倍數因子
- 稀釋因子
**反推數學**: references/backsolve-math.md
- 單因子反推公式
- 雙因子組合網格
- 校準常數估計
</reference_index>
<workflows_index>
| Workflow | Purpose | 使用時機 |
|---------------|----------|-----------------------------|
| analyze.md | 完整分析 | 需要抓取財報並計算因子 |
| data-fetch.md | 數據抓取 | 了解如何抓取 ETF 持股與財報 |
</workflows_index>
<templates_index>
| Template | Purpose |
|--------------------|-------------------|
| output-json.md | JSON 輸出結構定義 |
| output-markdown.md | Markdown 報告模板 |
</templates_index>
<scripts_index>
| Script | Command | Purpose |
|----------------------------|--------------------------------------|----------------------------|
| fundamental_analyzer.py | `--quick` | 快速分析 SIL/SI=F |
| fundamental_analyzer.py | `--miner-universe etf:SILJ` | 自訂礦業股 ETF |
| fundamental_analyzer.py | `--backsolve-target 1.7` | 指定反推目標比率 |
| fundamental_analyzer.py | `--event-study --min-separation 180` | 執行事件研究 |
| visualize_factors.py | `--quick --output output/` | 生成四面板視覺化儀表板 |
| visualize_factors.py | `--input result.json` | 從 JSON 結果生成圖表 |
| scenario_path_simulator.py | `--quick` | 共同上漲情境路徑模擬 |
| scenario_path_simulator.py | `--silver-monthly 5 --months 6` | 自訂銀價月漲幅與模擬月數 |
| scenario_path_simulator.py | `--ratio-start 1.10 --ratio-end 1.20`| 自訂比率起終點 |
| scenario_path_simulator.py | `--heatmap` | 同時生成收益率熱力圖 |
</scripts_index>
<input_schema_summary>
**核心參數**
| 參數 | 類型 | 預設值 | 說明 |
|----------------------|--------|---------|-----------------------------------------|
| metal_symbol | string | SI=F | 金屬價格代碼（SI=F 白銀、GC=F 黃金） |
| miner_universe | object | etf:SIL | 礦業股/ETF 定義 |
| region_profile | string | us_sec | 監管與揭露來源（us_sec / canada_sedar） |
| time_range.start | string | 5 年前 | 分析起點（YYYY-MM-DD） |
| time_range.end | string | today | 分析終點 |
| time_range.frequency | string | weekly | 取樣頻率（daily/weekly/monthly） |
**因子方法選擇**
| 參數 | 類型 | 預設值 | 說明 |
|------------------------------|--------|---------------------|---------------|
| fundamental_methods.aisc | string | hybrid | AISC 抽取方法 |
| fundamental_methods.leverage | string | net_debt_to_ev | 槓桿計算方法 |
| fundamental_methods.multiple | string | ev_to_ebitda | 倍數計算方法 |
| fundamental_methods.dilution | string | weighted_avg_shares | 稀釋計算方法 |
**分位門檻**
| 參數 | 類型 | 預設值 | 說明 |
|-------------------------|-------|--------|----------------|
| ratio_thresholds.bottom | float | 0.20 | 底部分位數門檻 |
| ratio_thresholds.top | float | 0.80 | 頂部分位數門檻 |
完整參數定義見 `references/input-schema.md`。
</input_schema_summary>
<output_schema_summary>
```json
{
"skill": "backsolve_miner_vs_metal_ratio_with_fundamentals",
"inputs": {
"metal_symbol": "SI=F",
"miner_universe": {"type": "etf_holdings", "etf_ticker": "SIL"},
"region_profile": "us_sec"
},
"now": {
"metal_price": 94.4,
"miner_price": 103.4,
"ratio": 1.13,
"ratio_percentile": 0.111
},
"thresholds": {
"bottom_ratio": 1.20,
"top_ratio": 1.70,
"median_ratio": 1.51
},
"fundamentals_weighted": {
"aisc_usd_per_oz": 28.0,
"net_debt_to_ev": 0.25,
"ev_to_ebitda": 6.4,
"shares_yoy_change": 0.12
},
"factors_now": {
"cost_factor_C": 0.7034,
"leverage_factor_1_minus_L": 0.75,
"multiple_M": 6.4,
"dilution_discount_D": 0.89
},
"backsolve_to_top": {
"multiple_only_need": 9.1,
"deleverage_only_need_1_minus_L": 1.12,
"cost_only_implied_aisc": 15.6,
"dilution_only_need_D": 1.26,
"two_factor_grid_examples": [
{"multiple_up": 1.20, "metal_down": -0.15, "hits_top": true},
{"deleverage": -0.10, "multiple_up": 1.15, "hits_top": true}
]
},
"event_study": {
"bottom_events": [
{
"date": "2026-01-02",
"ratio": 1.13,
"aisc": 29.1,
"net_debt_to_ev": 0.27,
"ev_to_ebitda": 5.8,
"shares_yoy": 0.14,
"dominant_driver": "multiple_compression"
}
]
},
"summary": "比率處於歷史底部，主要驅動為倍數壓縮...",
"notes": [
"AISC 使用 hybrid 方法回算，部分公司為 proxy 值",
"建議交叉驗證：COT 持倉、ETF 流量、美元/實質利率"
]
}
```
完整輸出結構見 `templates/output-json.md`。
</output_schema_summary>
<success_criteria>
執行成功時應產出：
- [ ] 當前比率與歷史分位數
- [ ] 四大基本面因子（AISC、槓桿、倍數、稀釋）
- [ ] 權重加總後的組合因子
- [ ] 門檻反推結果（單因子 + 雙因子組合）
- [ ] 歷史底部事件的因子驅動排名
- [ ] 結果輸出為指定格式（JSON 或 Markdown）
- [ ] 數據來源與方法標註（aisc_method 等）
- [ ] 風險提示與後續研究建議
- [ ] 視覺化儀表板（PNG 格式，檔名含日期）
</success_criteria>