輸出：output/agri_fund_positioning_YYYY-MM-DD.png Skill

<essential_principles>

<principle name="cot_as_flow_proxy"> **COT 週資料作為資金流代理**

CFTC Commitments of Traders 報告是追蹤對沖基金農產品部位的核心資料：

截止日：每週二收盤
發布日：每週五下午 3:30 ET
交易者分類：非商業（投機/基金）、商業（避險）、非報告

資金流 = 本週淨部位 - 上週淨部位（以合約口數計） </principle>

<principle name="group_aggregation"> **分組彙總邏輯**

使用 CFTC 原生分組（commodity_subgroup_name）：

| 群組 | CFTC 分組名稱 | 包含商品 | |----------|-------------------------|-----------------------------------| | Grains | GRAINS | Corn, Wheat (SRW/HRW/HRS), Oats | | Oilseeds | OILSEED and PRODUCTS | Soybeans, Soybean Oil/Meal, Canola| | Meats | LIVESTOCK/MEAT PRODUCTS | Live Cattle, Lean Hogs, Feeder | | Softs | FOODSTUFFS/SOFTS | Coffee, Sugar, Cocoa, OJ | | Fiber | FIBER | Cotton | | Dairy | DAIRY PRODUCTS | Milk, Butter, Cheese |

Total Flow = Grains + Oilseeds + Meats + Softs + Fiber + Dairy </principle>

<principle name="firepower_definition"> **火力（Buying Firepower）量化**

火力衡量基金是否還有加碼空間：

net_pos_percentile = rank(current_net_pos, past_N_weeks)
firepower = 1 - net_pos_percentile

高火力（>0.6）：部位處於歷史低檔，仍有大量買進空間
低火力（<0.3）：部位已接近歷史高檔，擁擠風險高 </principle>

<principle name="macro_tailwind"> **宏觀順風評分**

整合三個風險偏好指標：

| 指標 | 訊號解讀 | |------------|------------------------------| | 美元 (DXY) | 走弱（負報酬）= 利於商品 | | 原油 (WTI) | 走強（正報酬）= 風險偏好上升 | | 金屬 | 走強（正報酬）= 循環需求樂觀 |

macro_tailwind_score = (DXY弱 + WTI強 + Metals強) / 3 </principle>

<principle name="wed_fri_validation"> **週中回補驗證框架**

COT 只到週二，週三～週五需用代理證據：

價格動能：農產品/代理指數 Wed-Fri 累積報酬
未平倉變化：OI 擴張 = 新倉（非純換手）
宏觀共振：與 USD↓、油價↑、金屬↑ 同時性 </principle>

</essential_principles>

<objective> 追蹤對沖基金在農產品期貨的部位變化與資金流向：

取得資料：COT 週報、宏觀指標（DXY/WTI/金屬）、基本面觸發（出口/USDA）
計算流量：淨部位週變化，分組彙總（Grains/Oilseeds/Meats/Softs/Total）
量化火力：用歷史分位數估算基金加碼空間
整合訊號：判斷「基金回來買」+ 「宏觀順風」+ 「基本面支持」
產出敘事：將圖表標註（如 Strong Corn Demand）轉為可重複的規則

輸出：週流量時序、最新狀態、火力分數、宏觀評分、可交易註解。 </objective>

<quick_start>

快速開始：分析最新 COT 資料

cd .claude/skills/track-agri-hedge-fund-positioning/scripts
pip install pandas numpy requests yfinance pyarrow  # 首次使用
python analyze_positioning.py --start 2023-01-01

輸出範例（真實資料）：

{
  "skill": "track-agri-hedge-fund-positioning",
  "as_of": "2026-01-20",
  "data_source": "CFTC Socrata API (real data)",
  "summary": {
    "call": "Funds continue selling",
    "all_signals": ["Funds continue selling", "Extreme short - watch for reversal", "Macro mood bullish"],
    "confidence": 0.90
  },
  "latest_metrics": {
    "flow_total_contracts": -24559,
    "flow_by_group_contracts": {"grains": -31279, "oilseeds": 11517, "meats": 18972, "softs": -23887, "fiber": 1607, "dairy": -1489},
    "buying_firepower": {"total": 0.86, "grains": 0.58, "oilseeds": 0.62, "meats": 0.31, "softs": 0.99, "fiber": 0.58, "dairy": 0.99},
    "macro_tailwind_score": 0.67
  }
}

視覺化圖表：

python visualize_flows.py --weeks 52
# 輸出：output/agri_fund_positioning_YYYY-MM-DD.png

</quick_start>

<intake> 需要進行什麼操作？

快速檢查 - 查看最新一週的基金部位變化與狀態
完整分析 - 指定日期範圍的資金流向分析與回測
視覺化圖表 - 生成分組柱狀圖與火力時序圖
監控模式 - 設定週度更新與訊號警報
方法論學習 - 了解 COT 分析與火力計算邏輯

請選擇或直接提供分析參數。 </intake>

<routing> | Response | Action | |--------------------------------|-----------------------------------------------------------| | 1, "快速", "quick", "latest" | 執行 `python scripts/analyze_positioning.py` | | 2, "分析", "analyze", "full" | 執行 `python scripts/analyze_positioning.py --start DATE` | | 3, "視覺化", "chart", "plot" | 執行 `python scripts/visualize_flows.py --weeks 52` | | 4, "監控", "monitor", "weekly" | 閱讀 `workflows/monitor.md` 並執行 | | 5, "學習", "方法論", "why" | 閱讀 `references/methodology.md` | | 提供參數 (如日期範圍、商品) | 使用參數執行 `analyze_positioning.py` |

所有腳本使用 CFTC Socrata API 取得真實資料，無模擬數據。 </routing>

<reference_index> 參考文件 (references/)

| 文件 | 內容 | |---------------------|----------------------------------------| | methodology.md | COT 分析方法論、火力計算、訊號邏輯 | | data-sources.md | CFTC COT、FRED、Yahoo Finance 資料來源 | | input-schema.md | 完整輸入參數定義 | | contracts-map.md | 期貨合約與商品群組對照表 | | macro-indicators.md | 宏觀指標定義與代理序列 | </reference_index>

<workflows_index> | Workflow | Purpose | 使用時機 | |----------------|----------------------|--------------------| | analyze.md | 完整資金流向分析 | 需要深度分析時 | | visualize.md | 生成視覺化圖表 | 需要重建新聞圖表時 | | monitor.md | 週度監控與警報 | 每週五 COT 更新後 | | cross-check.md | 宏觀與基本面交叉驗證 | 驗證敘事一致性時 | </workflows_index>

<templates_index> | Template | Purpose | |--------------------|--------------------| | output-json.md | JSON 輸出結構定義 | | output-markdown.md | Markdown 報告模板 | | annotations.md | 圖表標註規則對照表 | </templates_index>

<scripts_index> | Script | Command | Purpose | |------------------------|-----------------------------------|---------------------------------| | fetch_cot_data.py | --start 2023-01-01 --summary | 從 CFTC Socrata API 抓取 COT | | fetch_macro_data.py | --start 2025-01-01 --summary | 抓取宏觀指標（Yahoo/FRED） | | analyze_positioning.py | --start 2023-01-01 | 主分析腳本（自動抓取+計算） | | visualize_flows.py | --weeks 52 | 生成 Bloomberg 風格視覺化圖表 | </scripts_index>

<input_schema_summary>

必要參數

| 參數 | 類型 | 說明 | |---------------|--------|---------------------------------| | date_start | string | 起始日期 (YYYY-MM-DD) | | date_end | string | 結束日期 (YYYY-MM-DD) | | cot_report | string | COT 類型 (legacy/disaggregated) | | trader_group | string | 交易者分類 (noncommercial) | | contracts_map | object | 合約→群組對照表 |

選用參數

| 參數 | 類型 | 預設值 | 說明 | |--------------------------|--------|--------|---------------------------| | position_metric | string | net | 部位衡量 (net/long/short) | | lookback_weeks_firepower | int | 156 | 火力計算視窗（週） | | macro_indicators | object | {...} | 宏觀指標設定 | | fundamental_inputs | object | {...} | 基本面資料設定 | | event_window_days | int | 3 | Wed-Fri 事件視窗 | | output_mode | string | both | 輸出格式 (markdown/json) |

完整參數定義見 references/input-schema.md。

</input_schema_summary>

<output_schema_summary>

{
  "skill": "track-agri-hedge-fund-positioning",
  "as_of": "2026-01-21",
  "summary": {
    "call": "Funds back & buying",
    "confidence": 0.72,
    "why": ["COT 週部位由負轉正", "分組同步改善", "宏觀順風"],
    "risks": ["COT 只到週二", "USDA 報告可能反轉"]
  },
  "latest_metrics": {
    "cot_week_end": "2026-01-21",
    "flow_total_contracts": 58,
    "flow_by_group_contracts": {
      "grains": 35, "oilseeds": 25, "meats": 5, "softs": 0
    },
    "buying_firepower": {
      "total": 0.63, "grains": 0.58, "oilseeds": 0.67
    },
    "macro_tailwind_score": 0.67
  },
  "annotations": [
    {"label": "macro_mood_bullish", "rule_hit": true, "evidence": ["USD down", "crude up"]}
  ]
}

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

<success_criteria> 執行成功時應產出：

[ ] 週流量時序（Grains/Oilseeds/Meats/Softs/Fiber/Dairy/Total）
[ ] 最新一週的流量與淨部位
[ ] 各群組的火力分數（buying_firepower）
[ ] 宏觀順風評分（macro_tailwind_score）
[ ] 可交易呼叫（call）與信心水準
[ ] 圖表標註（annotations）與規則觸發
[ ] 風險提示與下一步建議
[ ] Bloomberg 風格視覺化圖表（output/agri_fund_positioning_YYYY-MM-DD.png） </success_criteria>

Agent Skills: 輸出：output/agri_fund_positioning_YYYY-MM-DD.png

Install this agent skill to your local

Skill Files