analyze-investment-clock-rotation

<essential_principles>

投資時鐘將市場狀態簡化為四個象限：

          金融環境支持（寬鬆）
                ↑
       Q3      │      Q1
     修復過渡   │   理想象限
  ────────────┼────────────→ 獲利成長
       Q4      │      Q2
     最差象限   │   好壞混合
                │
          金融環境不支持（緊縮）

不同來源的投資時鐘圖可能有不同的軸向定義。本 skill 預設：

• X 軸：金融環境（Financial Conditions）

  • 左側 = 寬鬆（支持性高）
  • 右側 = 緊縮（支持性低）

• Y 軸：獲利成長（Earnings Growth）

  • 上方 = 正成長
  • 下方 = 負成長

若你的圖表定義不同，請在輸入參數中調整 axis_mapping 和 clock_convention。

透過 atan2(y, x) 計算角度，再轉換成 12 小時制：

• 12 點：正上方（獲利最高、金融環境中性）
• 3 點：右側（金融環境最緊）
• 6 點：正下方（獲利最低）
• 9 點：左側（金融環境最寬鬆）

旋轉方向：

• 順時針：典型景氣循環路徑（Q1 → Q2 → Q4 → Q3 → Q1）
• 逆時針：政策干預或非典型事件

本 skill 使用無需 API key 的資料來源：

• FRED CSV: https://fred.stlouisfed.org/graph/fredgraph.csv?id={SERIES_ID}
  • 金融環境：NFCI（Chicago Fed）、STLFSI4（St. Louis Fed）
  • 獲利代理：CP（企業利潤）、GDP 相關指標

腳本位於 scripts/ 目錄，可直接執行。

</essential_principles>

1. 建構座標：從 FRED 數據計算獲利成長與金融環境 Z-score
2. 判定象限：識別當前落在哪個象限
3. 計算點位：轉換為 12 小時制時鐘點位
4. 分析旋轉：判斷旋轉方向與幅度
5. 循環比較：與前一輪循環比較（可選）

輸出：當前象限、時鐘點位、旋轉摘要、配置建議。

<quick_start>

最快的方式：執行預設分析

cd skills/analyze-investment-clock-rotation
pip install pandas numpy requests  # 首次使用
python scripts/investment_clock.py --quick

輸出範例：

{
  "as_of": "2026-01-15",
  "current_position": {
    "clock_hour": 10,
    "quadrant": "Q1_ideal",
    "earnings_growth": 0.052,
    "financial_conditions_zscore": -0.35
  },
  "interpretation": "理想象限，風險資產相對順風"
}

完整分析：

python scripts/investment_clock.py \
  --start 2022-01-01 \
  --end 2026-01-19 \
  --compare-cycle 2020-01-01 2022-12-31 \
  --output result.json

</quick_start>

1. 快速檢查 – 查看目前的投資時鐘位置與象限
2. 完整分析 – 分析時間區間內的旋轉路徑與方向
3. 循環比較 – 與前一輪循環比較旋轉特徵
4. 視覺化圖表 – 生成投資時鐘視覺化圖表
5. 方法論學習 – 了解投資時鐘模型的邏輯

請選擇或直接提供分析參數。

路由後，閱讀對應文件並執行。

<directory_structure>

analyze-investment-clock-rotation/
├── 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
│   ├── compare-cycle.md               # 循環比較工作流
│   └── visualize.md                   # 視覺化工作流
├── references/
│   ├── methodology.md                 # 投資時鐘方法論
│   ├── data-sources.md                # FRED 系列代碼與資料來源
│   └── 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/
    ├── investment_clock.py            # 主分析腳本
    ├── fetch_data.py                  # 數據抓取工具
    └── visualize.py                   # 視覺化繪圖工具

</directory_structure>

<reference_index>

方法論: references/methodology.md

• 投資時鐘概念與歷史
• 四象限定義與配置含義
• 旋轉方向解讀

資料來源: references/data-sources.md

• FRED 系列代碼（金融環境/獲利代理）
• 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>

<templates_index>

<scripts_index>

<input_schema_summary>

核心參數

資料來源參數

軸向參數

完整參數定義見 references/input-schema.md。

</input_schema_summary>

<output_schema_summary>

{
  "skill": "analyze-investment-clock-rotation",
  "as_of": "2026-01-19",
  "market": "US_EQUITY",
  "current_state": {
    "clock_hour": 10,
    "quadrant": "Q1_ideal",
    "quadrant_name": "理想象限",
    "x_value": -0.35,
    "y_value": 0.052
  },
  "rotation_summary": {
    "from_hour": 2,
    "to_hour": 10,
    "direction": "clockwise",
    "magnitude_degrees": 240
  },
  "interpretation": "獲利成長為正，金融環境偏支持，屬於風險資產相對順風的象限"
}

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

<success_criteria> 執行成功時應產出：

• 當前象限（Q1/Q2/Q3/Q4）
• 時鐘點位（1-12 點）
• 獲利成長值與金融環境 Z-score
• 旋轉方向（順時針/逆時針）
• 旋轉幅度（度數）
• 配置建議（依象限）
• 循環比較摘要（若有啟用）
• 視覺化圖表（可選，輸出至 output/ 目錄） </success_criteria>