Analyze gas fertilizer contract shock

<essential_principles>

<principle name="narrative_verification"> **敘事驗證而非預測**

本技能專注於「用數據檢驗敘事」：

• 輸入：社群/新聞宣稱「天然氣暴漲導致化肥供應/價格異常」
• 輸出：時間序列上的因果假說檢驗結果

不做價格預測，只回答：「這個敘事在數據上是否有支撐？」 </principle>

<principle name="three_part_test"> **三段式因果檢驗**

敘事成立需要三段條件同時滿足：

階段	條件	檢驗方式
A 段	天然氣出現 shock regime	z-score 或斜率突破閾值
B 段	化肥在 A 段後出現 spike	同法檢驗，且起點晚於天然氣
C 段	領先落後關係支持因果	cross-correlation 顯示 gas 領先 fert

若 A→B→C 成立，敘事有量化支撐；否則提供替代解釋。 </principle>

<principle name="regime_detection"> **Regime 偵測邏輯**

使用 rolling z-score + 斜率雙重確認：

# z-score 偵測
z_t = (r_t - rolling_mean(r, window)) / rolling_std(r, window)
shock = z_t >= threshold_z  # 預設 3.0

# 斜率偵測（補充）
slope_t = (price_t / price_{t-k} - 1) / k
shock |= slope_t >= threshold_slope  # 預設 1.5%/day

連續 shock 日合併為 regime，輸出起點/終點/峰值。 </principle>

<principle name="lead_lag_interpretation"> **領先落後解讀**

Cross-correlation 結果解讀：

lag 值	意義	敘事支撐度
lag > 0	天然氣領先化肥	高（符合預期）
lag ≈ 0	同時變動	中（共同驅動）
lag < 0	化肥領先天然氣	低（敘事較弱）

合理領先期：1-8 週（7-56 天） </principle>

<principle name="data_source_priority"> **數據來源優先順序**

主要：TradingEconomics（透過全自動 Chrome CDP 爬取） 備援：FRED Henry Hub + World Bank Pink Sheet

全自動 Chrome CDP 爬取： 腳本自動完成以下步驟，無需手動操作：

1. 自動啟動 Chrome 調試模式
2. 開啟 TradingEconomics 頁面並等待圖表載入
3. 透過 WebSocket 連接執行 JavaScript 提取 Highcharts 數據
4. 自動導航到多個商品頁面（如天然氣→化肥）
5. 完成後自動關閉 Chrome

完全繞過 Cloudflare，無需手動驗證。 </principle>

</essential_principles>

<objective> 檢驗「天然氣暴漲→化肥飆價」的因果假說。

輸出三層分析：

1. Shock Regimes: 天然氣與化肥的拋物線/暴衝區間
2. Lead-Lag Test: 領先落後相關分析
3. Narrative Assessment: 敘事可信度判斷 </objective>

<quick_start>

全自動模式：一鍵完成數據抓取、分析與視覺化

腳本會自動啟動 Chrome、抓取數據、關閉 Chrome，無需手動操作。

Step 1：安裝依賴

pip install requests websocket-client pandas numpy matplotlib scipy

Step 2：全自動抓取數據（自動啟動/關閉 Chrome）

cd scripts
python fetch_te_data.py --symbol natural-gas --symbol urea

Step 3：執行因果假說分析

python gas_fertilizer_analyzer.py \
  --gas-file ../data/cache/natural-gas.csv \
  --fert-file ../data/cache/urea.csv \
  --output ../data/analysis_result.json

Step 4：生成視覺化圖表（Bloomberg 風格）

python visualize_shock_regimes.py
# 自動輸出到: output/gas_fert_shock_YYYY-MM-DD.png

輸出範例：

{
  "signal": "narrative_supported",
  "confidence": "medium",
  "gas_shock_regimes": [
    {"start": "2026-01-20", "peak": "2026-01-22", "regime_return_pct": 29.1}
  ],
  "fert_spike_regimes": [
    {"start": "2025-10-27", "peak": "2025-10-27", "regime_return_pct": 0.0}
  ],
  "lead_lag_test": {
    "best_lag_days_gas_leads_fert": 21,
    "best_corr": 0.131
  },
  "interpretation": "天然氣領先化肥約 21 天，敘事有量化支撐"
}

注意：首次執行時，Chrome 會自動啟動並在背景抓取數據（約 60 秒），完成後自動關閉。

</quick_start>

<intake> 需要進行什麼分析？

1. 快速檢查 - 查看最近是否有天然氣 shock 及化肥跟隨
2. 完整分析 - 執行三段式因果檢驗並生成報告
3. 合約對沖假說 - 輸入合約價格，計算價差壓力指標
4. 方法論學習 - 了解 shock 偵測與領先落後分析原理

請選擇或直接提供分析參數。 </intake>

<routing> | Response | Action | |--------------------------------|--------------------------------------------| | 1, "快速", "quick", "check" | 閱讀 `workflows/quick-check.md` 並執行 | | 2, "完整", "full", "analyze" | 閱讀 `workflows/analyze.md` 並執行 | | 3, "合約", "對沖", "hedge" | 閱讀 `workflows/hedge-hypothesis.md` 並執行| | 4, "學習", "方法論", "why" | 閱讀 `references/methodology.md` | | 提供參數 (如日期/商品) | 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-gas-fertilizer-contract-shock/
├── SKILL.md                           # 本文件（路由器）
├── skill.yaml                         # 前端展示元數據
├── manifest.json                      # 技能元資料
├── workflows/
│   ├── analyze.md                     # 完整三段式分析工作流
│   ├── quick-check.md                 # 快速檢查工作流
│   └── hedge-hypothesis.md            # 合約對沖假說分析
├── references/
│   ├── data-sources.md                # Chrome CDP 爬蟲說明
│   ├── methodology.md                 # Shock 偵測與領先落後方法論
│   ├── input-schema.md                # 輸入參數定義
│   └── historical-episodes.md         # 歷史案例對照
├── templates/
│   ├── output-json.md                 # JSON 輸出模板
│   └── output-markdown.md             # Markdown 報告模板
├── scripts/
│   ├── fetch_te_data.py               # TradingEconomics CDP 爬蟲
│   ├── gas_fertilizer_analyzer.py     # 主分析腳本
│   └── visualize_shock_regimes.py     # Shock regime 視覺化
├── data/                              # 數據快取目錄
│   └── cache/                         # 快取檔案
└── examples/
    └── sample_output.json             # 範例輸出

</directory_structure>

<reference_index>

方法論: references/methodology.md

• Shock/Spike 偵測邏輯（z-score + 斜率）
• 領先落後相關分析
• Regime 合併演算法

資料來源: references/data-sources.md

• TradingEconomics Chrome CDP 爬蟲說明
• 天然氣與化肥商品代碼
• 備援數據源（FRED/World Bank）

輸入參數: references/input-schema.md

• 完整參數定義與預設值
• te_symbols、spike_detection、lead_lag 等

歷史案例: references/historical-episodes.md

• 2021-2022 歐洲天然氣危機
• 2022 俄烏衝突期間
• 季節性波動案例

</reference_index>

<workflows_index>

Workflow	Purpose	使用時機
analyze.md	完整三段式因果分析	需要驗證敘事時
quick-check.md	快速檢查最近 shock	日常監控或快速回答
hedge-hypothesis.md	合約對沖假說分析	給定合約價格計算價差壓力
</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
fetch_te_data.py	--symbol natural-gas --symbol urea	全自動 CDP 爬取（自動啟動/關閉 Chrome）
gas_fertilizer_analyzer.py	--gas-file X.csv --fert-file Y.csv	完整三段式因果分析
visualize_shock_regimes.py	（無參數，自動讀取快取）	Bloomberg 風格視覺化圖表
</scripts_index>

<input_schema>

<parameter name="start_date" required="true"> **Type**: string (ISO YYYY-MM-DD) **Description**: 分析起始日期 **Example**: "2025-08-01" </parameter> <parameter name="end_date" required="true"> **Type**: string (ISO YYYY-MM-DD) **Description**: 分析結束日期 **Example**: "2026-02-01" </parameter> <parameter name="te_symbols" required="true"> **Type**: object **Description**: TradingEconomics 商品代碼 ```json { "natural_gas": "natural-gas", // 或 "Natural Gas" "fertilizer": "urea" // 或 "dap", "fertilizer" } ``` </parameter> <parameter name="spike_detection" required="false"> **Type**: object **Defaults**: ```json { "return_window": 1, "z_window": 60, "parabolic_threshold": {"z": 3.0, "slope_pct_per_day": 1.5} } ``` </parameter> <parameter name="lead_lag" required="false"> **Type**: object **Defaults**: ```json { "max_lag_days": 60, "method": "corr_returns" } ``` </parameter>

</input_schema>

<output_schema> 參見 templates/output-json.md 的完整結構定義。

摘要：

{
  "signal": "narrative_supported | narrative_weak | inconclusive",
  "confidence": "high | medium | low",
  "gas_shock_regimes": [...],
  "fert_spike_regimes": [...],
  "lead_lag_test": {
    "best_lag_days": 12,
    "best_corr": 0.41,
    "interpretation": "gas 領先 fert"
  },
  "narrative_assessment": "三段式檢驗結果摘要",
  "artifacts": {
    "charts": ["output/gas_fert_shock.png"]
  }
}

</output_schema>

<success_criteria> 分析成功時應產出：

• 天然氣與化肥的 shock/spike regime 清單
• 領先落後相關分析結果
• 三段式因果檢驗判斷
• 敘事可信度與替代解釋
• Shock Regime 對比圖（output/gas_fert_shock_YYYY-MM-DD.png）
• 可操作的宏觀解讀
• 明確標註資料限制與假設 </success_criteria>