<essential_principles>

<principle name="quadrant_model"> **四象限模型核心**

投資時鐘將市場狀態簡化為四個象限：

code

          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）

象限	獲利	金融環境	含義	配置建議
Q1 理想象限	↑	支持↑	風險資產友善	偏多、順風配置
Q2 好壞混合	↑	不支持↓	估值壓力、波動	波動管理、估值敏感
Q3 修復過渡	↓	支持↑	寬鬆救市、基本面未回	勿誤判為全面牛市
Q4 最差象限	↓	不支持↓	風險資產易受傷	風險控管、降槓桿

</principle> <principle name="axis_convention"> **軸向約定（重要！）**

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。 </principle>

<principle name="clock_hour"> **時鐘點位計算**

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 </principle>

<principle name="data_access"> **資料取得方式**

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。 </principle>

</essential_principles>

<objective> 實作投資時鐘分析：

•建構座標：從 FRED 數據計算獲利成長與金融環境 Z-score
•判定象限：識別當前落在哪個象限
•計算點位：轉換為 12 小時制時鐘點位
•分析旋轉：判斷旋轉方向與幅度
•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。 </objective>

<quick_start>

最快的方式：執行預設分析

bash

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：

json

{
  "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：

bash

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>

<intake> 需要進行什麼操作？

•快速檢查 - 查看目前的投資時鐘位置與象限
•完整分析 - 分析時間區間內的旋轉路徑與方向
•循環比較 - 與前一輪循環比較旋轉特徵
•視覺化圖表 - 生成投資時鐘視覺化圖表
•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。 </intake>

<routing> | Response | Action | |--------------------------------|----------------------------------------------------| | 1, "快速", "quick", "check" | 執行 `python scripts/investment_clock.py --quick` | | 2, "完整", "分析", "full" | 閱讀 `workflows/analyze.md` 並執行 | | 3, "比較", "循環", "compare" | 閱讀 `workflows/compare-cycle.md` 並執行 | | 4, "視覺化", "chart", "plot" | 閱讀 `workflows/visualize.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) | 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>

code

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>

Workflow	Purpose	使用時機
analyze.md	完整分析	需要詳細象限與旋轉分析
compare-cycle.md	循環比較	比較不同循環的特徵
visualize.md	生成視覺化圖表	需要圖表展示
</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
investment_clock.py	`--quick`	快速檢查當前位置
investment_clock.py	`--start DATE --end DATE`	完整分析
investment_clock.py	`--compare-cycle START END`	循環比較
fetch_data.py	`--series NFCI,CP`	抓取 FRED 資料
visualize.py	`-i result.json -o chart.png`	生成視覺化圖表
</scripts_index>

<input_schema_summary>

核心參數

參數	類型	預設值	說明
market	string	US_EQUITY	分析標的
start_date	string	2022-01-01	分析起點
end_date	string	today	分析終點
freq	string	weekly	頻率（weekly/monthly）

資料來源參數

參數	類型	說明
earnings_series.source	string	fred / api / csv / manual
earnings_series.series_id	string	FRED 序列 ID（如 CP）
earnings_series.growth_method	string	yoy / qoq_annualized
financial_conditions_series.source	string	fred / api / csv
financial_conditions_series.series_id	string	NFCI / STLFSI4
financial_conditions_series.transform	string	level / zscore / inverse

軸向參數

參數	類型	預設值	說明
axis_mapping.x	string	financial_conditions	X 軸定義
axis_mapping.y	string	earnings_growth	Y 軸定義
clock_convention.financial_loose_is_left	bool	true	寬鬆在左側

完整參數定義見 references/input-schema.md。

</input_schema_summary>

<output_schema_summary>

json

{
  "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>