detect-palladium-lead-silver-turns Skill

<essential_principles>

<principle name="cross_metal_confirmation"> **跨金屬確認核心**

「鈀金領先白銀」的假說需要可量化驗證：

以 cross-correlation 估計最佳領先滯後（lead-lag）
當銀出現拐點時，檢查鈀金是否在確認窗口內先行或同步出現同向拐點
未被確認的拐點視為「失敗推動」的候選

Lead-Lag = argmax(cross_correlation(pd_ret[t-k:t], ag_ret[t:t+k]))
Confirmed = pd_turn exists within [ag_turn.ts - window, ag_turn.ts + window]

</principle> <principle name="turning_point_detection"> **拐點偵測三法**

| 方法 | 原理 | 適用場景 | |----------------|-------------------------------|----------------| | pivot | 左右 N 根K棒內的局部極值 | 結構明確的趨勢 | | peaks | scipy find_peaks + prominence | 自動化密度控制 | | slope_change | 趨勢斜率由正轉負或反之 | 平滑趨勢追蹤 |

建議從 pivot 開始，左右各 3-5 根K棒，再依需求調整。 </principle>

<principle name="participation_judgment"> **參與度判定**

鈀金是否「參與」銀的走勢，有多種衡量方式：

| 指標 | 定義 | 門檻建議 | |--------------------|--------------------|-------------------| | returns_corr | 報酬率滾動相關係數 | > 0.5 | | direction_agree | 同向漲跌的比例 | > 60% | | vol_expansion | 兩者波動同步擴張 | σ_pd / σ_ag > 0.8 | | breakout_confirm | 銀突破時鈀金也突破 | 同向突破 |

未達門檻時，銀的動作可能是「流動性噪音」而非趨勢確認。 </principle>

<principle name="failure_move_detection"> **失敗走勢判定**

將「無鈀金參與的銀動作」落地為可回測的規則：

| 規則 | 定義 | 後果 | |------------------------------|---------------------------------|--------------------| | no_confirm_then_revert | 無確認 + 銀在 N 根K內回撤過起點 | 標記為 failed_move | | no_confirm_then_break_fail | 無確認 + 銀突破後回落跌破突破點 | 假突破 |

歷史統計：未確認事件的失敗率 vs 已確認事件的成功率。 </principle>

</essential_principles>

<objective> 偵測「鈀金領先、白銀跟隨」的跨金屬拐點：

數據取得：白銀與鈀金的 OHLCV（yfinance: SI=F, PA=F）
拐點偵測：識別兩者的局部高低點（pivot / peaks / slope_change）
領先滯後估計：cross-correlation 找最佳 lag
跨金屬確認：銀的拐點是否在窗口內被鈀金同向拐點確認
失敗走勢判定：未確認的銀拐點是否符合失敗規則

輸出：確認率、失敗率、每個事件的詳細判定、風控建議。 </objective>

<quick_start>

最快的方式：偵測白銀近期拐點是否被鈀金確認

cd skills/detect-palladium-lead-silver-turns
pip install pandas numpy yfinance scipy statsmodels  # 首次使用
python scripts/palladium_lead_silver.py --silver SI=F --palladium PA=F --quick

輸出範例：

{
  "symbol_pair": {"silver": "SI=F", "palladium": "PA=F"},
  "as_of": "2026-01-14",
  "timeframe": "1h",
  "estimated_pd_leads_by_bars": 6,
  "lead_lag_corr": 0.42,
  "confirmation_rate": 0.71,
  "unconfirmed_failure_rate": 0.64,
  "latest_event": {
    "ts": "2026-01-15T14:00:00Z",
    "turn": "top",
    "confirmed": false,
    "participation_ok": false,
    "failed_move": true
  }
}

完整分析：

python scripts/palladium_lead_silver.py --silver SI=F --palladium PA=F --timeframe 1h --lookback 1000 --output result.json

生成 Bloomberg 風格視覺化圖表（推薦）：

pip install matplotlib yfinance  # 首次使用
python scripts/plot_bloomberg_style.py --input result.json --output output/palladium_silver_2026-01-26.png

圖表特色：

Bloomberg 專業配色：深色背景、橙紅色白銀線、橙黃色鈀金線
背景色帶標記：綠色背景 = 已確認拐點區域，紅色背景 = 未確認拐點區域（不擋住走勢線）
最新事件標註：醒目標示最新拐點的確認狀態與價格
Pd/Ag 價格比率圖：顯示鈀金對白銀的相對價格變化，含 20 期均線
滾動確認率：動態顯示確認邏輯的有效性趨勢
統計面板：確認率、失敗率、總拐點數等關鍵指標
行情解讀：當前狀態評估與可操作建議

傳統三合一圖表（技術分析向）：

python scripts/plot_palladium_silver.py --silver SI=F --palladium PA=F --output output/

包含：

銀/鈀價格疊加與拐點標記
確認/未確認事件分布
滾動相關係數時間序列
失敗走勢統計

</quick_start>

<intake> 需要進行什麼操作？

快速偵測 - 檢查最近白銀拐點是否被鈀金確認
歷史回測 - 回溯分析跨金屬確認的有效性
持續監控 - 設定警報當出現新拐點時通知
參數調校 - 找出最佳的確認窗口與參與度門檻
方法論學習 - 了解跨金屬領先滯後的理論基礎

請選擇或直接提供分析參數開始。 </intake>

<routing> | Response | Action | |------------------------------------|--------------------------------------------------------| | 1, "快速", "quick", "check" | 執行 `python scripts/palladium_lead_silver.py --quick` | | 2, "回測", "backtest", "history" | 閱讀 `workflows/backtest.md` 並執行 | | 3, "監控", "monitor", "alert" | 閱讀 `workflows/monitor.md` 並執行 | | 4, "調校", "optimize", "tune" | 閱讀 `workflows/detect.md` 的參數調校部分 | | 5, "學習", "方法論", "why" | 閱讀 `references/methodology.md` | | 提供參數（如 timeframe, lookback） | 閱讀 `workflows/detect.md` 並使用參數執行 |

路由後，閱讀對應文件並執行。 </routing>

<directory_structure>

detect-palladium-lead-silver-turns/
├── 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/
│   ├── detect.md                      # 單次偵測工作流
│   ├── backtest.md                    # 歷史回測工作流
│   └── monitor.md                     # 持續監控工作流
├── references/
│   ├── methodology.md                 # 跨金屬領先滯後方法論
│   ├── input-schema.md                # 完整輸入參數定義
│   └── data-sources.md                # 資料來源說明
├── templates/
│   ├── output-json.md                 # JSON 輸出模板
│   └── output-markdown.md             # Markdown 報告模板
├── scripts/
│   ├── palladium_lead_silver.py       # 主偵測腳本
│   ├── plot_bloomberg_style.py        # Bloomberg 風格視覺化（推薦）
│   └── plot_palladium_silver.py       # 傳統三合一圖表
└── examples/
    └── silver-palladium-2024.json     # 範例輸出

</directory_structure>

<reference_index>

方法論: references/methodology.md

跨金屬領先滯後原理
拐點偵測三法詳解
參與度與確認邏輯
失敗走勢的市場含義

資料來源: references/data-sources.md

Yahoo Finance 期貨代碼
宏觀濾鏡數據來源
數據頻率與對齊

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 | |-------------|----------|--------------------| | detect.md | 單次偵測 | 檢查特定時間範圍 | | backtest.md | 歷史回測 | 驗證確認邏輯有效性 | | monitor.md | 持續監控 | 日常追蹤或警報 | </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 | |--------------------------|--------------------------------------------------|------------------| | palladium_lead_silver.py | --silver SI=F --palladium PA=F --quick | 快速檢查當前狀態 | | palladium_lead_silver.py | --silver SI=F --palladium PA=F --lookback 1000 | 完整歷史分析 | | plot_bloomberg_style.py | --input result.json --output output/chart.png | Bloomberg 風格圖表（推薦） | | plot_palladium_silver.py | --silver SI=F --palladium PA=F --output dir/ | 傳統三合一圖表 | </scripts_index>

<input_schema_summary>

核心參數

| 參數 | 類型 | 預設值 | 說明 | |------------------|--------|------------|--------------| | silver_symbol | string | (required) | 白銀標的代碼 | | palladium_symbol | string | (required) | 鈀金標的代碼 | | timeframe | string | 1h | 分析時間尺度 | | lookback_bars | int | 1000 | 回溯K棒數 |

拐點偵測參數

| 參數 | 類型 | 預設值 | 說明 | |---------------------|--------|--------|---------------------| | turn_method | string | pivot | 拐點偵測方法 | | pivot_left | int | 3 | pivot 左側確認K數 | | pivot_right | int | 3 | pivot 右側確認K數 | | confirm_window_bars | int | 6 | 跨金屬確認窗口 | | lead_lag_max_bars | int | 24 | 領先滯後最大滯後K數 |

參與度參數

| 參數 | 類型 | 預設值 | 說明 | |-------------------------|--------|------------------------|----------------| | participation_metric | string | direction_agree | 參與度衡量方式 | | participation_threshold | float | 0.6 | 參與度門檻 | | failure_rule | string | no_confirm_then_revert | 失敗走勢規則 |

完整參數定義見 references/input-schema.md。

</input_schema_summary>

<output_schema_summary>

{
  "skill": "detect-palladium-lead-silver-turns",
  "symbol_pair": {"silver": "SI=F", "palladium": "PA=F"},
  "as_of": "2026-01-14",
  "timeframe": "1h",
  "lookback_bars": 1200,
  "summary": {
    "estimated_pd_leads_by_bars": 6,
    "lead_lag_corr": 0.42,
    "confirmation_rate": 0.71,
    "unconfirmed_failure_rate": 0.64,
    "total_ag_turns": 24,
    "confirmed_turns": 17,
    "failed_moves": 5
  },
  "events": [
    {
      "ts": "2026-01-08T10:00:00Z",
      "turn": "bottom",
      "confirmed": true,
      "confirmation_lag_bars": -3,
      "participation_ok": true,
      "failed_move": false
    }
  ],
  "interpretation": {
    "regime_assessment": "...",
    "tactics": ["...", "..."]
  }
}

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

<success_criteria> 執行成功時應產出：

[ ] 鈀金對白銀的最佳領先滯後估計（bars）
[ ] 領先滯後的相關係數
[ ] 白銀拐點被鈀金確認的確認率
[ ] 未確認事件的失敗走勢比例
[ ] 每個白銀拐點的詳細判定（confirmed, participation, failed）
[ ] 行情解讀與戰術建議
[ ] 時間序列資料（可選，用於視覺化）
[ ] 視覺化圖表 PNG（可選，使用 plot_palladium_silver.py） </success_criteria>

Agent Skills: detect-palladium-lead-silver-turns

Install this agent skill to your local

Skill Files