<essential_principles>

礦業毛利率代理（Margin Proxy）使用簡化公式：

gross_margin_proxy = (metal_price - unit_cost) / metal_price

其中：

• metal_price：金屬現貨價或期貨近月價
• unit_cost：AISC (All-In Sustaining Cost)、現金成本(C1)或全成本

此指標不等同會計報表的毛利率，但能快速捕捉價格-成本關係的邊際變化。 </principle>

建議優先使用 AISC，因其可比性最佳且資料可得性高。 </principle>

建議使用 production_weighted 以更準確反映產業整體毛利結構。 </principle>

• 金屬價格：日頻或月均價
• 礦業成本：季度（多數公司僅在季報揭露 AISC）
• 對齊方式：
  • 將成本 forward-fill 至季度內各期
  • 或使用同季均價（更乾淨）

本 Skill 建議使用 季度頻率 作為基準，避免過度平滑。 </principle>

本 skill 使用公開數據：

• 金價：LBMA Gold Price / COMEX 近月期貨
• 銀價：LBMA Silver Price / COMEX 近月期貨
• AISC：公司 IR 投資人簡報 / 季報 MD&A / 新聞稿
• 產量：同上，單位 oz / GEO / AgEq oz

腳本位於 scripts/ 目錄，可直接執行。 </principle>

</essential_principles>

1. 數據整合：抓取金屬價格序列與礦業成本/產量數據
2. 計算毛利率代理：單一公司層級 + 籃子聚合
3. 歷史分位數：判斷當前水位在歷史區間的位置
4. 驅動拆解：區分價格驅動 vs 成本驅動
5. 訊號生成：極端高/低檔區間標記

輸出：毛利率時序、歷史分位、驅動拆解、交易/研究連結。 </objective>

<quick_start>

最快的方式：執行預設情境分析

cd skills/compute-precious-miner-gross-margin
pip install pandas numpy requests yfinance beautifulsoup4 lxml  # 首次使用
python scripts/margin_calculator.py --quick --metal gold

輸出範例：

{
  "skill": "compute_precious_miner_margin_proxy",
  "metal": "gold",
  "frequency": "quarterly",
  "cost_metric": "AISC",
  "basket": {
    "miners": ["NEM", "GOLD", "AEM"],
    "aggregation": "production_weighted"
  },
  "latest": {
    "date": "2025-Q4",
    "metal_price_usd_oz": 2650.0,
    "unit_cost_proxy_usd_oz": 1320.0,
    "gross_margin_proxy": 0.502,
    "history_percentile": 0.78,
    "regime_label": "high_margin"
  }
}

完整情境分析：

python scripts/margin_calculator.py \
  --metal silver \
  --miners CDE,HL,AG \
  --start-date 2015-01-01 \
  --frequency quarterly \
  --cost-metric AISC \
  --aggregation production_weighted \
  --output result.json

</quick_start>

1. 快速計算 - 使用預設參數計算主要礦業籃子的毛利率代理
2. 完整分析 - 自訂參數進行情境分析（可選擇金屬、礦業、成本口徑）
3. 數據研究 - 了解如何獲取 AISC / 成本數據（爬蟲設計）
4. 訊號生成 - 將毛利率轉為交易/研究訊號
5. 方法論學習 - 了解計算邏輯與數據來源

請選擇或直接提供分析參數。 </intake>

路由後，閱讀對應文件並執行。 </routing>

<directory_structure>

compute-precious-miner-gross-margin/
├── 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
│   ├── data-research.md               # 數據源研究與爬蟲設計
│   └── signal-generation.md           # 訊號生成工作流
├── 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/
│   └── margin_calculator.py           # 主計算腳本
└── examples/
    └── sample-output.json             # 範例輸出

</directory_structure>

<reference_index>

方法論: references/methodology.md

• 毛利率代理值定義
• 成本口徑層次解析
• 聚合方法與直覺
• 歷史分位數計算

資料來源: references/data-sources.md

• 金銀價格數據來源
• AISC / 現金成本數據來源
• 產量數據來源
• 爬蟲設計指引

輸入參數: references/input-schema.md

• 完整參數定義
• 預設值與建議範圍
• 預設礦業籃子

</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": "compute_precious_miner_margin_proxy",
  "metal": "silver",
  "frequency": "quarterly",
  "cost_metric": "AISC",
  "basket": {
    "miners": ["CDE", "HL", "AG"],
    "aggregation": "production_weighted"
  },
  "latest": {
    "date": "2025-Q4",
    "metal_price_usd_oz": 31.50,
    "unit_cost_proxy_usd_oz": 6.30,
    "gross_margin_proxy": 0.80,
    "history_percentile": 0.94,
    "regime_label": "extreme_high_margin"
  },
  "decomposition": {
    "last_3m_price_change_pct": 0.12,
    "last_3m_cost_change_pct": -0.03,
    "driver": "mostly_price_up"
  },
  "notes": [
    "gross_margin_proxy 使用 (price - AISC)/price 作為近似；不等同會計報表的毛利率口徑。",
    "若成本為季度資料，已以季度內 forward-fill/同季均價對齊。"
  ],
  "recommended_next_checks": [
    "用同一套 margin proxy 對照 SIL/SILJ 或個股的 3/6/12 個月前瞻報酬（事件研究）",
    "檢查是否出現資本開支/併購升溫、或成本再通膨（柴油/工資/試劑）導致毛利回落"
  ]
}

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

<success_criteria> 執行成功時應產出：

• 毛利率代理值時序數據
• 各礦業的單位成本與毛利率
• 籃子聚合毛利率
• 歷史分位數與區間標記（extreme_high/high/neutral/low/extreme_low）
• 驅動拆解（價格驅動 vs 成本驅動）
• 結果輸出為指定格式（JSON 或 Markdown）
• 後續研究建議 </success_criteria>