analyze-copper-supply-concentration-risk Skill

<essential_principles>

<principle name="narrative_to_metrics"> **敘事轉指標（Narrative to Metrics）**

市場敘事必須可量化驗證。三大命題對應三組指標：

| 命題 | 核心問題 | 量化指標 | |------|----------|----------| | A. 集中度 | 供應是否過度集中？ | CR4, CR5, 份額排名 | | B. 結構衰退 | 智利是否結構性衰退？ | 峰值年份、峰值回撤 | | C. 替代依賴 | 是否依賴秘魯/DRC？ | 秘魯+DRC 合計份額 vs 智利份額 |

注意：由於 MacroMicro 只提供 5 個國家的細分數據，HHI 指標不適用於本分析。 </principle>

<principle name="data_source"> **數據來源：MacroMicro (WBMS)**

唯一主要來源，使用 Chrome CDP 全自動抓取 Highcharts 圖表數據。

URL: https://en.macromicro.me/charts/91500/wbms-copper-mine-production-total-world
口徑: mined copper content（礦場產量的銅金屬含量）
可用序列: World, Chile, Peru, DRC, China, US </principle>

</essential_principles>

<objective> 分析全球銅供應的國家集中度與結構性風險。

輸出兩層分析：

Concentration: 國家份額排名、CR4/CR5
Chile vs Replacers: 智利 vs 新興替代國（Peru + DRC）份額對比 </objective>

<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 matplotlib

Step 2：一鍵抓取數據（自動啟動/關閉 Chrome）

cd scripts
python fetch_copper_production.py

腳本會自動：

啟動 Chrome 調試模式
等待頁面載入（~40 秒）
提取 Highcharts 數據
儲存到 cache/copper_production.csv
關閉 Chrome

Step 3：生成 Bloomberg 風格視覺化圖表

python visualize_copper_concentration.py

輸出：output/copper_concentration.png

</quick_start>

<intake> 需要進行什麼分析？

快速圖表 - 直接生成 Bloomberg 風格集中度圖表
完整分析 - 1970 年至今的集中度趨勢分析（含數據表）
智利趨勢 - 智利產量份額與峰值回撤分析
替代評估 - 秘魯+DRC 替代依賴度分析

請選擇或直接提供分析參數。 </intake>

<routing> | Response | Action | |----------|--------| | 1, "快速", "圖表", "chart" | `python scripts/fetch_copper_production.py && python scripts/visualize_copper_concentration.py` | | 2, "完整", "trend", "1970" | 抓取數據後輸出完整年度數據表 | | 3, "智利", "chile" | 分析智利份額趨勢與峰值 | | 4, "替代", "replacement", "秘魯", "drc" | 分析 Peru+DRC 是否已超越智利 |

路由後，執行對應命令。 </routing>

<directory_structure>

analyze-copper-supply-concentration-risk/
├── SKILL.md                              # 本文件（路由器）
├── skill.yaml                            # 前端展示元數據
├── scripts/
│   ├── fetch_copper_production.py        # 全自動 CDP 數據爬蟲
│   └── visualize_copper_concentration.py # Bloomberg 風格視覺化
├── cache/
│   ├── copper_production.csv             # 數據快取
│   └── copper_production_cache.json      # 原始 JSON 快取
└── output/
    └── copper_concentration.png          # 輸出圖表

</directory_structure>

<scripts_index> | Script | Command | Purpose | |--------|---------|---------| | fetch_copper_production.py | python fetch_copper_production.py | 全自動 CDP 抓取（自動啟動/關閉 Chrome） | | fetch_copper_production.py | --force-refresh | 強制重新抓取（忽略快取） | | fetch_copper_production.py | --start-year 1970 | 指定起始年份 | | visualize_copper_concentration.py | python visualize_copper_concentration.py | 生成 Bloomberg 風格圖表 | | visualize_copper_concentration.py | --output path/to/output.png | 指定輸出路徑 | </scripts_index>

視覺化輸出：Bloomberg 風格銅供應集中度儀表板

包含兩張圖（上下排列）：

國家份額堆疊面積圖：Chile, Peru, DRC, China, US, Others
智利 vs 新興替代國：Chile vs Peru+DRC 份額對比，標記交叉點

配色：Bloomberg 深色主題

背景: #1a1a2e
Chile: #ff6b35 (橙紅)
Peru: #00bfff (天藍)
DRC: #00ff88 (綠)
Peru+DRC: #00d4aa (青綠)

快速繪圖：

cd scripts
python visualize_copper_concentration.py

輸出路徑：output/copper_concentration.png

</visualization>

<output_example> 2023 年關鍵指標：

| 國家 | 份額 | |------|------| | Chile | 23.5% | | Peru + DRC | 25.2% | | China | 7.5% | | US | 5.0% |

關鍵發現：

智利份額峰值：37.2% (2004)
智利當前份額：23.5% (2023)
峰值回撤：13.7pp
2023 年 Peru+DRC 首次超越智利（份額逆轉） </output_example>

<success_criteria> 分析成功時應產出：

[x] 數據已從 MacroMicro 全自動抓取並快取
[x] 國家份額排名（Chile, Peru, DRC, China, US, Others）
[x] 智利峰值年份與回撤分析
[x] 秘魯+DRC 替代趨勢
[x] Bloomberg 風格視覺化圖表
[x] 明確標註數據來源 </success_criteria>

Agent Skills: analyze-copper-supply-concentration-risk

Install this agent skill to your local

Skill Files