本技能聚焦於一個特殊的宏觀情境：**勞動市場明顯轉弱，但 GDP 仍處高位** 。這種組合歷史上常伴隨： * 財政赤字/GDP 的階躍式上升（自動穩定器 + 反週期支出） * 長天期國債供給壓力增加 * 期限溢酬的潛在上升關鍵洞察：「30 年歷史顯示，當 jobs 夠軟，赤字/GDP 會從 6–7% 跳到 12–17%」核心度量方式： * **UJO** = Unemployed_Level / Job_Openings_Level（失業人數/職缺比） * 能捕捉「職缺掉很快、失業還沒上來」的早期轉弱階段 * **ΔUR** = Unemployment_Rate(t) - Unemployment_Rate(t-6M)（半年變化） * **薩姆規則** = 3M_MA(UR) - min(UR over last 12M)（觸發式警報，≥0.5 為衰退警示）這些指標用於定義「勞動轉弱事件」的觸發與分級（輕/中/重）。基於 2000-2025 年歷史回歸分析的核心經濟彈性：係數 | 數值 | 意涵 ---|---|--- **β_UR** | **0.59** | 失業率每↑1ppt → 赤字/GDP↑0.59ppt **β_UJO** | **0.69** | UJO每↑1 → 赤字/GDP↑0.69ppt **β_JOLTS** | **-0.07** | 職缺每↑1M → 赤字/GDP↓0.07ppt **Lag** | **4Q** | 勞動指標領先赤字約4季這些彈性係數用於： * 情境投影的定量推演 * 驗證事件分組區間法的結果一致性 * 敏感度分析詳細方法論見 `references/methodology.md`。「高 GDP」量化為： * **GDP_level_percentile** ：GDP 水平在回看期間的分位數（例如 > 70% 視為高位） * **GDP_growth_regime** ：成長仍為正、或僅小幅趨緩 * （進階）產出缺口/趨勢偏離只有同時滿足「勞動轉弱」+「高 GDP」條件的樣本，才納入情境分析。模型 | 用途 | 輸出形式 ---|---|--- **event_study_banding** | 事件分組區間法 | 「12–17%」範圍型敘事，歷史事件清單 **quantile_mapping** | 分位數映射 | 「現在落在歷史哪個角落」的條件分布 **robust_regression** | 穩健迴歸推演 | 連續型情境路徑與區間預設使用 `event_study_banding`，最貼近「歷史顯示…」的敘事方式。本技能支援生成三軸圖表： * **左軸** ：失業人數（紅色）、職缺數（藍色）— 千人 * **右軸** ：財政赤字/GDP（綠色）— 百分比 * **標註** ：歷史 crossover 事件（失業 > 職缺）及對應的赤字跳升幅度 * **情境投影** ：虛線顯示未來可能的路徑（mild/moderate/severe）圖表基於 FRED 公開數據繪製，便於追蹤勞動-財政關聯的歷史演變。本技能使用**無需 API key** 的公開資料來源： * **FRED CSV** : `https://fred.stlouisfed.org/graph/fredgraph.csv?id={SERIES_ID}` * 勞動：UNRATE, UNEMPLOY, JTSJOL, ICSA * 宏觀：GDP, GDPC1 * 財政：FYFSGDA188S（聯邦盈餘/赤字占 GDP） * **BEA** : 備用的 GDP/財政數據源腳本位於 `scripts/` 目錄，可直接執行。 1. **建構勞動鬆緊指標** ：從 FRED 數據計算 UJO、薩姆規則等 2. **定義背離事件** ：識別「勞動轉弱 + GDP 高位」的歷史樣本 3. **推估赤字區間** ：使用三種模型估算 Deficit/GDP 的可能跳升區間 4. **生成情境解讀** ：產出對長天期 UST 的供給/利率風險解讀 5. **視覺化輸出** ：生成三軸圖表與情境投影輸出：診斷資訊、赤字區間投影、歷史事件樣本、UST 風險解讀、視覺化圖表。 **最快的方式：執行預設情境分析** cd skills/analyze-high-unemployment-high-gdp-growth-fiscal-deficit-scenarios pip install pandas numpy requests matplotlib # 首次使用 python scripts/analyzer.py --quick **生成視覺化圖表（推薦）** ： python scripts/analyzer.py --visualize --scenario-type moderate **或直接使用視覺化腳本** ： python scripts/visualizer.py --scenario moderate --years 25 輸出範例： { "skill": "analyze_high_unemployment_fiscal_deficit_scenarios", "as_of": "2026-01-21", "diagnostics": { "current_slack_percentile": 0.28, "high_gdp_condition": true, "triggered_labor_softening": false }, "deficit_gdp_projection": { "baseline_deficit_gdp": 0.062, "conditional_range_next_8q": { "p25": 0.11, "p50": 0.135, "p75": 0.16 }, "n_episodes": 3 } } **完整情境分析 + 圖表** ： python scripts/analyzer.py --lookback 30 --horizon 8 --model event_study_banding --visualize --scenario-type severe --output result.json --chart-output chart.png 1. **快速診斷** \- 查看目前的勞動/GDP 狀態與赤字風險判定 2. **完整情境分析** \- 執行完整的歷史事件研究與赤字區間推估 3. **視覺化圖表** \- 生成三軸圖表與情境投影 4. **自訂情境推演** \- 輸入自訂的失業衝擊情境進行推演 5. **方法論學習** \- 了解勞動-財政連結的邏輯與模型 6. **UST 風險解讀** \- 生成長天期美債的供給/利率風險報告 **請選擇或直接提供分析參數。** **路由後，閱讀對應文件並執行。** <目录结构> 分析高失业率高 GDP 增长财政赤字情景/ ├── SKILL.md # 本文件（路由器） ├── Skill.yaml # 前端展示元数据 ├── manifest.json # 技能元数据 ├── 工作流程/ │ ├──analyze.md # 完整的监控分析工作流 │ ├── Visualize.md # 视觉化图表工作流程 │ ├── scene.md # 自订性感推演工作流 │ └── ust-risk.md # UST风险解读工作流程 ├── 参考资料/ │ ├── data-sources.md # FRED 系列代码与资料来源 │ ├──method.md # 劳动-财政链接方法论 │ └── input-schema.md # 完整输入参数定义 ├── 模板/ │ ├── output-json.md # JSON输出模板 │ └── output-markdown.md # Markdown 报告模板 ├── 脚本/ │ ├──analyzer.py # 主分析脚本（含视觉化整合） │ ├── Visualizer.py # 视觉化专用脚本 │ └── fetch_data.py # 数据摘要工具 └── output/ # 图表输出目录 └──（生成图表） <参考索引> **方法论**：参考文献/methodology.md * 劳动-财政链接逻辑 * 清晰分析模型详解 * 事件分组与股东定义 **资料来源**：references/data-sources.md * FRED 系列代码（劳动/GDP/财政） * 数据频率与对齐方法 **输入参数**：references/input-schema.md * 完整参数定义 * 默认值与建议范围 <工作流程索引> 工作流程|目的| 使用时机 ---|---|--- 分析.md | 完整分析| 需要历史事件研究时可视化.md | 视觉化图表 | 需要生成图表时场景.md | 自订色情推演 | 输入自动修改停止冲击时乌斯特风险.md | UST风险解读| 需要债市风险报告时 | | <模板索引> 模板|目的 ---|--- 输出-json.md | JSON 输出结构定义输出-markdown.md | Markdown 报告模板 | <脚本索引> 脚本 |命令 |目的 ---|---|--- 分析器.py | `--快` | 快速诊断当前状态分析器.py | `--lookback 30 --horizon 8` | 完整分析分析器.py | `--visualize --scenario-type 中等` | 分析+视觉化图表可视化工具.py | `--场景温和--25 岁` | 单独生成的可视化图表可视化工具.py | `--场景严重--输出图表.png` | 指定输出路径 fetch_data.py | `--系列 UNRATE、JTSJOL、GDP` | 抓取FRED资料 | | <输入模式摘要> **核心参数** 参数 | 类型 | 预设值 | 说明 ---|---|---|--- 国家 |字符串|美国 | 国家代码回顾年 |整数 | 30| 回看年数频率|字符串|每季| 资料频率地平线宿舍 |整数 | 8 | 推演季度数型号|字符串|事件研究带 | 分析模型输出格式|字符串| json | 输出格式 **劳动指标设定** 参数 | 类型 | 预设值 | 说明 ---|---|---|--- use_jolts |布尔 |真实| 使用震动使用失业 |布尔 |真实| 使用强制使用_萨姆_规则 |布尔 |真实| 计算萨姆规则松弛度量|字符串|失业人数与职位空缺比率| 松紧不安 ** 视觉化参数** 参数 | 类型 | 预设值 | 说明 ---|---|---|--- 可视化|布尔 |假 | 是否生成可视化图表场景类型 |字符串|中等| 胁迫类型（轻度/中度/重度）图表输出 |字符串|汽车 | 图形输出路径没有显示 |布尔 |假 | 不显示图表（仅保存） **设想** 参数 | 类型 | 预设值 | 说明 ---|---|---|--- gdp路径|字符串|高gdp_粘性| GDP路径假设失业冲击|对象| {类型、大小、速度} | 解除冲击设定完整参数定义参见 `references/input-schema.md`。 { "skill": "analyze_high_unemployment_fiscal_deficit_scenarios", "inputs": { "country": "US", "lookback_years": 30, "slack_metric": "unemployed_to_job_openings_ratio", "model": "event_study_banding" }, "diagnostics": { "current_slack_percentile": 0.28, "high_gdp_condition": true, "triggered_labor_softening": false }, "elasticity_model": { "parameters": { "beta_ur": 0.59, "beta_ujo": 0.69, "beta_jolts": -0.07, "lag_quarters": 4 }, "interpretation": { "ur_effect": "每 1ppt 失业率上升 → 赤字/GDP 上升 0.59 ppt", "ujo_effect": "UJO 每上升 1 → 赤字/GDP 上升 0.69 ppt", "lag_effect": "劳动指标领先赤字约 4 季" }, "conditional_means": { "deficit_when_loose": 5.6, "deficit_when_tight": 5.2 } }, "deficit_gdp_projection": { "baseline_deficit_gdp": 0.062, "conditional_range_next_8q": { "p25": 0.11, "p50": 0.135, "p75": 0.16, "min": 0.095, "max": 0.175 }, "n_episodes": 3, "episode_years": ["2001-2003", "2008-2010", "2020-2021"] }, "interpretation": { "macro_story": "...", "ust_duration_implications": [...], "watchlist_switch_indicators": [...] }, "visualization": { "chart_path": "output/fiscal_deficit_scenario_20260121.png", "scenario_type": "moderate", "projected_deficit_jump_bps": 600 } } 完整输出结构见 `templates/output-json.md`。执行成功时应产出： **数据分析** * 当前劳动松紧状态（分位数、是否触发转弱） * 高 GDP 条件判定结果 * Deficit/GDP 的条件分布区间（p25/p50/p75） * 历史样本事件清单（年份、指标数值） * UST 供给压力通道解读 * 风险偏好通道解读（避险 vs 供给两股力量） * 监控切换指标清单 * 诊断资讯（当前指标数值） **视觉化（若启用）** * 三轴图表（职缺/失业/赤字GDP） * 历史 crossover 事件标注 * 情境投影虚线（mild/moderate/severe） * 衰退期灰色阴影 * JSON 摘要档案

分析高失业率、高 GDP 增长和财政赤字情景

包含技能