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）

| M0 (Monetary Base) | 央行直接負債（通貨 + 準備金） | ~$39k | 央行資產負債表壓力

| M2 (Broad Money) | 含銀行體系信用擴張 | ~$184k | 全體信用體系壓力

關鍵洞察：兩者差距反映「信用乘數」的槓桿效應。

| fx_turnover | BIS 三年調查 | 外匯交易份額 ≈ 國際結算/儲備使用強度

| reserve_share | IMF COFER | 官方外匯儲備幣別佔比

equal
不考慮貨幣重要性差異

| custom | 用戶自訂 | 可配合特定情境分析

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。

數據整合：抓取各國 M0/M2、黃金儲備、匯率、FX turnover 權重
計算隱含金價：未加權與加權版本
計算黃金支撐率：衡量各國槓桿程度
計算缺口：需要再買多少黃金才能達到目標支撐率
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。

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

快速計算 - 使用預設參數計算主要貨幣的隱含金價
完整分析 - 自訂參數進行情境分析（可選擇口徑、權重、實體）
比較分析 - 同時比較 M0 vs M2、不同加權方法的差異
監控模式 - 追蹤黃金支撐率的變化趨勢
方法論學習 - 了解計算邏輯與數據來源
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。

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

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

| analyze.md | 完整情境分析 | 需要自訂參數進行壓力測試

| compare.md | M0/M2 比較分析 | 比較不同口徑的隱含金價差異

| monitor.md | 持續監控 | 追蹤支撐率變化趨勢

| output-json.md | JSON 輸出結構定義

| output-markdown.md | Markdown 報告模板

| gold_revaluation.py | --quick | 快速計算主要貨幣

| gold_revaluation.py | --entities USD,CNY --agg M0 | 自訂實體與口徑

| gold_revaluation.py | --compare-aggregates | M0 vs M2 比較

| visualize_revaluation.py | --mode usd | 美元單一視覺化圖表

| visualize_revaluation.py | --mode multi | 多貨幣比較視覺化圖表

| visualize_revaluation.py | --mode all --output-dir DIR | 生成所有圖表至指定目錄

核心參數

| scenario_date | string | today | 情境估算基準日期

| entities | array | 主要貨幣 | 分析對象（國家/貨幣代碼）

| monetary_aggregate | string | M0 | 貨幣口徑（M0/M2/MB/M1/M3）

| weighting_method | string | fx_turnover | 加權方式

| fx_base | string | USD | 計價幣別基準

進階參數

| liability_scope | string | broad_money | 負債口徑

| gold_reserve_unit | string | troy_oz | 黃金單位（oz/tonnes）

| gold_price_spot | float | auto | 基準日金價（可自動抓取）

| fx_rates | object | auto | 匯率（可自動抓取）

完整參數定義見 references/input-schema.md。

{
  "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。

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）

安装