usd-reserve-loss-gold-revaluation

<essential_principles>

本模型基於極端情境假設：若法定貨幣體系瓦解、黃金成為唯一錨定資產，則：

• 隱含金價 = 貨幣負債 ÷ 黃金儲備
• 這不是「預測」，而是「壓力測試」：資產負債表要撐得住需要多高的金價

典型論述來源：VanEck「$39k gold」分析（M0 + FX turnover 加權）

關鍵洞察：兩者差距反映「信用乘數」的槓桿效應。

加權的直覺：份額越高的貨幣，在「重新錨定」時需吸收的負債壓力越大。

backing_ratio = (gold_oz × gold_spot) / money_base

解讀：

• backing_ratio ≈ 3% → 黃金僅支撐 3% 的貨幣負債（高槓桿）
• backing_ratio ≈ 60% → 黃金接近完全支撐（低槓桿）

貼文中「日本黃金只支撐約 3% 的 M0」即此概念。

本 skill 使用公開數據：

• 黃金儲備：World Gold Council / IMF IFS（tonnes）
• 貨幣量：各國央行 / FRED / IMF IFS（M0/M2）
• FX Turnover：BIS Triennial Survey（每三年更新）
• 金價：Yahoo Finance / FRED（XAU/USD）

腳本位於 scripts/ 目錄，可直接執行。

</essential_principles>

1. 數據整合：抓取各國 M0/M2、黃金儲備、匯率、FX turnover 權重
2. 計算隱含金價：未加權與加權版本
3. 計算黃金支撐率：衡量各國槓桿程度
4. 計算缺口：需要再買多少黃金才能達到目標支撐率
5. 排名輸出：誰最槓桿、誰最穩健

輸出：隱含金價、支撐率排名、缺口分析、敘事洞察。

<quick_start>

最快的方式：執行預設情境分析

cd skills/usd-reserve-loss-gold-revaluation
pip install pandas numpy requests yfinance  # 首次使用
python scripts/gold_revaluation.py --quick

輸出範例：

{
  "headline": {
    "implied_gold_price_m0_weighted": 39210.0,
    "implied_gold_price_m2_weighted": 184500.0,
    "interpretation": "壓力測試數字，非價格預測"
  },
  "ranking": [
    {"entity": "JPY", "backing_ratio": 0.03, "lever_multiple": 41.0},
    {"entity": "USD", "backing_ratio": 0.08, "lever_multiple": 12.5},
    {"entity": "ZAR", "backing_ratio": 0.60, "lever_multiple": 0.16}
  ]
}

完整情境分析：

python scripts/gold_revaluation.py \
  --date 2026-01-07 \
  --entities USD,CNY,JPY,EUR,GBP \
  --aggregate M0 \
  --weighting fx_turnover \
  --output result.json

</quick_start>

1. 快速計算 – 使用預設參數計算主要貨幣的隱含金價
2. 完整分析 – 自訂參數進行情境分析（可選擇口徑、權重、實體）
3. 比較分析 – 同時比較 M0 vs M2、不同加權方法的差異
4. 監控模式 – 追蹤黃金支撐率的變化趨勢
5. 方法論學習 – 了解計算邏輯與數據來源
6. 視覺化圖表 – 生成分析結果的視覺化圖表

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>

usd-reserve-loss-gold-revaluation/
├── 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
│   ├── compare.md                     # M0/M2 比較分析工作流
│   └── monitor.md                     # 持續監控工作流
├── references/
│   ├── data-sources.md                # 數據來源與獲取方式
│   ├── methodology.md                 # 方法論與計算邏輯
│   └── 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/
    ├── gold_revaluation.py            # 主計算腳本
    └── visualize_revaluation.py       # 視覺化腳本

</directory_structure>

<reference_index>

方法論: references/methodology.md

• 黃金錨定假說解析
• 隱含金價計算公式
• 支撐率與槓桿解讀

資料來源: references/data-sources.md

• 黃金儲備數據來源
• 貨幣量 M0/M2 數據來源
• BIS FX Turnover 數據
• 匯率與金價來源

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

進階參數

完整參數定義見 references/input-schema.md。

</input_schema_summary>

<output_schema_summary>

{
  "skill": "usd-reserve-loss-gold-revaluation",
  "scenario_date": "2026-01-07",
  "assumptions": {
    "monetary_aggregate": "M0",
    "weighting_method": "fx_turnover",
    "fx_base": "USD",
    "gold_spot_usd_per_oz": 2050.0
  },
  "headline": {
    "implied_gold_price_weighted_usd_per_oz": 39210.0,
    "interpretation": "資產負債表壓力測算（非價格預測）"
  },
  "table": [...],
  "insights": [...]
}

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

<success_criteria> 執行成功時應產出：

• 隱含金價（未加權與加權版本）
• 各實體的黃金支撐率（backing_ratio）
• 槓桿倍數排名（lever_multiple_vs_spot）
• 黃金缺口分析（additional_gold_oz_needed）
• 敘事洞察（M0 vs M2 差異、槓桿解讀）
• 結果輸出為指定格式（JSON 或 Markdown）
• 視覺化圖表（可選，包含金價比較、支撐率、信用乘數等 6 個面板） </success_criteria>