analyze-high-unemployment-high-gdp-growth-fiscal-deficit-scenarios Skill

<essential_principles>

<principle name="labor_gdp_divergence"> **勞動-GDP 背離核心邏輯**

本技能聚焦於一個特殊的宏觀情境：勞動市場明顯轉弱，但 GDP 仍處高位。這種組合歷史上常伴隨：

財政赤字/GDP 的階躍式上升（自動穩定器 + 反週期支出）
長天期國債供給壓力增加
期限溢酬的潛在上升

關鍵洞察：「30 年歷史顯示，當 jobs 夠軟，赤字/GDP 會從 6–7% 跳到 12–17%」 </principle>

<principle name="slack_metric"> **勞動鬆緊度量 (Slack Metric)**

核心度量方式：

UJO = Unemployed_Level / Job_Openings_Level（失業人數/職缺比）
- 能捕捉「職缺掉很快、失業還沒上來」的早期轉弱階段
ΔUR = Unemployment_Rate(t) - Unemployment_Rate(t-6M)（半年變化）
薩姆規則 = 3M_MA(UR) - min(UR over last 12M)（觸發式警報，≥0.5 為衰退警示）

這些指標用於定義「勞動轉弱事件」的觸發與分級（輕/中/重）。 </principle>

<principle name="elasticity_coefficients"> **彈性係數 (Elasticity Coefficients)**

基於 2000-2025 年歷史回歸分析的核心經濟彈性：

| 係數 | 數值 | 意涵 | |-------------|-----------|----------------------------------| | β_UR | 0.59 | 失業率每↑1ppt → 赤字/GDP↑0.59ppt | | β_UJO | 0.69 | UJO每↑1 → 赤字/GDP↑0.69ppt | | β_JOLTS | -0.07 | 職缺每↑1M → 赤字/GDP↓0.07ppt | | Lag | 4Q | 勞動指標領先赤字約4季 |

這些彈性係數用於：

情境投影的定量推演
驗證事件分組區間法的結果一致性
敏感度分析

詳細方法論見 references/methodology.md。 </principle>

<principle name="high_gdp_condition"> **高 GDP 條件定義**

「高 GDP」量化為：

GDP_level_percentile：GDP 水平在回看期間的分位數（例如 > 70% 視為高位）
GDP_growth_regime：成長仍為正、或僅小幅趨緩
（進階）產出缺口/趨勢偏離

只有同時滿足「勞動轉弱」+「高 GDP」條件的樣本，才納入情境分析。 </principle>

<principle name="three_models"> **三種分析模型**

| 模型 | 用途 | 輸出形式 | |-------------------------|----------------|------------------------------------| | event_study_banding | 事件分組區間法 | 「12–17%」範圍型敘事，歷史事件清單 | | quantile_mapping | 分位數映射 | 「現在落在歷史哪個角落」的條件分布 | | robust_regression | 穩健迴歸推演 | 連續型情境路徑與區間 |

預設使用 event_study_banding，最貼近「歷史顯示…」的敘事方式。 </principle>

<principle name="visualization"> **三軸視覺化圖表**

本技能支援生成三軸圖表：

左軸：失業人數（紅色）、職缺數（藍色）— 千人
右軸：財政赤字/GDP（綠色）— 百分比
標註：歷史 crossover 事件（失業 > 職缺）及對應的赤字跳升幅度
情境投影：虛線顯示未來可能的路徑（mild/moderate/severe）

圖表基於 FRED 公開數據繪製，便於追蹤勞動-財政關聯的歷史演變。 </principle>

<principle name="data_access"> **資料取得方式**

本技能使用無需 API key 的公開資料來源：

FRED CSV: https://fred.stlouisfed.org/graph/fredgraph.csv?id={SERIES_ID}
- 勞動：UNRATE, UNEMPLOY, JTSJOL, ICSA
- 宏觀：GDP, GDPC1
- 財政：FYFSGDA188S（聯邦盈餘/赤字占 GDP）
BEA: 備用的 GDP/財政數據源

腳本位於 scripts/ 目錄，可直接執行。 </principle>

</essential_principles>

<objective> 實作「高失業 + 高 GDP」情境下的財政赤字推估：

建構勞動鬆緊指標：從 FRED 數據計算 UJO、薩姆規則等
定義背離事件：識別「勞動轉弱 + GDP 高位」的歷史樣本
推估赤字區間：使用三種模型估算 Deficit/GDP 的可能跳升區間
生成情境解讀：產出對長天期 UST 的供給/利率風險解讀
視覺化輸出：生成三軸圖表與情境投影

輸出：診斷資訊、赤字區間投影、歷史事件樣本、UST 風險解讀、視覺化圖表。 </objective>

<quick_start>

最快的方式：執行預設情境分析

cd skills/analyze-high-unemployment-high-gdp-growth-fiscal-deficit-scenarios
pip install pandas numpy requests matplotlib  # 首次使用
python scripts/analyzer.py --quick

生成視覺化圖表（推薦）：

python scripts/analyzer.py --visualize --scenario-type moderate

或直接使用視覺化腳本：

python scripts/visualizer.py --scenario moderate --years 25

輸出範例：

{
  "skill": "analyze_high_unemployment_fiscal_deficit_scenarios",
  "as_of": "2026-01-21",
  "diagnostics": {
    "current_slack_percentile": 0.28,
    "high_gdp_condition": true,
    "triggered_labor_softening": false
  },
  "deficit_gdp_projection": {
    "baseline_deficit_gdp": 0.062,
    "conditional_range_next_8q": {
      "p25": 0.11, "p50": 0.135, "p75": 0.16
    },
    "n_episodes": 3
  }
}

完整情境分析 + 圖表：

python scripts/analyzer.py --lookback 30 --horizon 8 --model event_study_banding --visualize --scenario-type severe --output result.json --chart-output chart.png

</quick_start>

<intake> 需要進行什麼操作？

快速診斷 - 查看目前的勞動/GDP 狀態與赤字風險判定
完整情境分析 - 執行完整的歷史事件研究與赤字區間推估
視覺化圖表 - 生成三軸圖表與情境投影
自訂情境推演 - 輸入自訂的失業衝擊情境進行推演
方法論學習 - 了解勞動-財政連結的邏輯與模型
UST 風險解讀 - 生成長天期美債的供給/利率風險報告

請選擇或直接提供分析參數。 </intake>

<routing> | Response | Action | |------------------------------|--------------------------------------------| | 1, "快速", "quick", "診斷" | 執行 `python scripts/analyzer.py --quick` | | 2, "完整", "full", "情境" | 閱讀 `workflows/analyze.md` 並執行 | | 3, "視覺化", "圖表", "chart" | 閱讀 `workflows/visualize.md` 並執行 | | 4, "自訂", "custom", "推演" | 閱讀 `workflows/scenario.md` 並執行 | | 5, "學習", "方法論", "why" | 閱讀 `references/methodology.md` | | 6, "UST", "美債", "利率" | 閱讀 `workflows/ust-risk.md` 並執行 | | 提供參數 (如 lookback_years) | 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>

analyze-high-unemployment-high-gdp-growth-fiscal-deficit-scenarios/
├── 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
│   ├── visualize.md                   # 視覺化圖表工作流
│   ├── scenario.md                    # 自訂情境推演工作流
│   └── ust-risk.md                    # UST 風險解讀工作流
├── references/
│   ├── data-sources.md                # FRED 系列代碼與資料來源
│   ├── methodology.md                 # 勞動-財政連結方法論
│   └── 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/
│   ├── analyzer.py                    # 主分析腳本（含視覺化整合）
│   ├── visualizer.py                  # 視覺化專用腳本
│   └── fetch_data.py                  # 數據抓取工具
└── output/                            # 圖表輸出目錄
    └── (generated charts)

</directory_structure>

<reference_index>

方法論: references/methodology.md

勞動-財政連結邏輯
三種分析模型詳解
事件分組與門檻定義

資料來源: references/data-sources.md

FRED 系列代碼（勞動/GDP/財政）
數據頻率與對齊方法

輸入參數: references/input-schema.md

完整參數定義
預設值與建議範圍

</reference_index>

<workflows_index> | Workflow | Purpose | 使用時機 | |--------------|--------------|--------------------| | analyze.md | 完整情境分析 | 需要歷史事件研究時 | | visualize.md | 視覺化圖表 | 需要生成圖表時 | | scenario.md | 自訂情境推演 | 輸入自訂失業衝擊時 | | ust-risk.md | UST 風險解讀 | 需要債市風險報告時 | </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 | |---------------|----------------------------------------|--------------------| | analyzer.py | --quick | 快速診斷當前狀態 | | analyzer.py | --lookback 30 --horizon 8 | 完整情境分析 | | analyzer.py | --visualize --scenario-type moderate | 分析 + 視覺化圖表 | | visualizer.py | --scenario moderate --years 25 | 單獨生成視覺化圖表 | | visualizer.py | --scenario severe --output chart.png | 指定輸出路徑 | | fetch_data.py | --series UNRATE,JTSJOL,GDP | 抓取 FRED 資料 | </scripts_index>

<input_schema_summary>

核心參數

| 參數 | 類型 | 預設值 | 說明 | |------------------|--------|---------------------|------------| | country | string | US | 國家代碼 | | lookback_years | int | 30 | 回看年數 | | frequency | string | quarterly | 資料頻率 | | horizon_quarters | int | 8 | 推演季度數 | | model | string | event_study_banding | 分析模型 | | output_format | string | json | 輸出格式 |

勞動指標設定

| 參數 | 類型 | 預設值 | 說明 | |------------------|--------|----------------------------------|---------------| | use_jolts | bool | true | 使用 JOLTS | | use_unemployment | bool | true | 使用失業率 | | use_sahm_rule | bool | true | 計算薩姆規則 | | slack_metric | string | unemployed_to_job_openings_ratio | 鬆緊度量 |

視覺化參數

| 參數 | 類型 | 預設值 | 說明 | |---------------|--------|----------|---------------------------------| | visualize | bool | false | 是否生成視覺化圖表 | | scenario_type | string | moderate | 情境類型 (mild/moderate/severe) | | chart_output | string | auto | 圖表輸出路徑 | | no_show | bool | false | 不顯示圖表（僅保存） |

情境假設

| 參數 | 類型 | 預設值 | 說明 | |--------------------|--------|---------------------|--------------| | gdp_path | string | high_gdp_sticky | GDP 路徑假設 | | unemployment_shock | object | {type, size, speed} | 失業衝擊設定 |

完整參數定義見 references/input-schema.md。

</input_schema_summary>

<output_schema_summary>

{
  "skill": "analyze_high_unemployment_fiscal_deficit_scenarios",
  "inputs": {
    "country": "US",
    "lookback_years": 30,
    "slack_metric": "unemployed_to_job_openings_ratio",
    "model": "event_study_banding"
  },
  "diagnostics": {
    "current_slack_percentile": 0.28,
    "high_gdp_condition": true,
    "triggered_labor_softening": false
  },
  "elasticity_model": {
    "parameters": {
      "beta_ur": 0.59,
      "beta_ujo": 0.69,
      "beta_jolts": -0.07,
      "lag_quarters": 4
    },
    "interpretation": {
      "ur_effect": "每 1ppt 失業率上升 → 赤字/GDP 上升 0.59 ppt",
      "ujo_effect": "UJO 每上升 1 → 赤字/GDP 上升 0.69 ppt",
      "lag_effect": "勞動指標領先赤字約 4 季"
    },
    "conditional_means": {
      "deficit_when_loose": 5.6,
      "deficit_when_tight": 5.2
    }
  },
  "deficit_gdp_projection": {
    "baseline_deficit_gdp": 0.062,
    "conditional_range_next_8q": {
      "p25": 0.11, "p50": 0.135, "p75": 0.16, "min": 0.095, "max": 0.175
    },
    "n_episodes": 3,
    "episode_years": ["2001-2003", "2008-2010", "2020-2021"]
  },
  "interpretation": {
    "macro_story": "...",
    "ust_duration_implications": [...],
    "watchlist_switch_indicators": [...]
  },
  "visualization": {
    "chart_path": "output/fiscal_deficit_scenario_20260121.png",
    "scenario_type": "moderate",
    "projected_deficit_jump_bps": 600
  }
}

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

<success_criteria> 執行成功時應產出：

數據分析

[ ] 當前勞動鬆緊狀態（分位數、是否觸發轉弱）
[ ] 高 GDP 條件判定結果
[ ] Deficit/GDP 的條件分布區間（p25/p50/p75）
[ ] 歷史樣本事件清單（年份、指標數值）
[ ] UST 供給壓力通道解讀
[ ] 風險偏好通道解讀（避險 vs 供給兩股力量）
[ ] 監控切換指標清單
[ ] 診斷資訊（當前指標數值）

視覺化（若啟用）

[ ] 三軸圖表（職缺/失業/赤字GDP）
[ ] 歷史 crossover 事件標註
[ ] 情境投影虛線（mild/moderate/severe）
[ ] 衰退期灰色陰影
[ ] JSON 摘要檔案 </success_criteria>

Agent Skills: analyze-high-unemployment-high-gdp-growth-fiscal-deficit-scenarios

Install this agent skill to your local

Skill Files