# Scanning Thematic Opportunities

> 主動掃描新興投資主題與結構性趨勢，在用戶提出研究需求之前識別潛在機會。解決「只能被動研究已知題材」的盲點，讓分析鏈從「你問我答」進化為「我主動發現」。

- Skill: `alanlee0323/scanning-thematic-opportunities` (Agent Skill)
- Install (CLI): `npx skillmds@latest add alanlee0323/scanning-thematic-opportunities`
- Raw SKILL.md: https://api.skillmd.com/api/skills/alanlee0323/scanning-thematic-opportunities/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: Alanlee0323 (https://skillmd.com/u/alanlee0323)
- Updated: 2026-09-10
- Page: https://skillmd.com/skills/alanlee0323/scanning-thematic-opportunities

---


# Scanning Thematic Opportunities

## When to use this skill
- 每月至少主動執行一次（定期主題掃描）。
- 當用戶詢問「現在有什麼值得關注的？」、「有哪些新趨勢？」。
- 當 `scanning-macro-news` 偵測到結構性政策轉向（非短期波動）。
- 當用戶的持倉集中度過高，需要尋找分散化的新主題。
- 當產業週期出現拐點信號（庫存見底、CapEx 加速、新技術商業化）。

## Workflow

1. Plan
- 確認掃描範圍：全球（預設）或特定區域/產業。
- 確認用戶的投資風格偏好（成長/價值/動能）。
- 確認現有持倉清單，以便比對關聯性。

2. Execute — 五維主題掃描

  **維度 1：政策驅動 (Policy-Driven)**
  - 搜尋：新法規、補貼計劃、禁令、貿易協定、稅務變革
  - 分析：哪些產業是政策的「淨受益者」vs「淨受損者」？
  - 範例：美國 CHIPS Act 擴大 → 半導體設備國產化受益

  **維度 2：技術突破 (Technology Breakthrough)**
  - 搜尋：重大學術論文、專利申請趨勢、產品發表、技術標準更新
  - 分析：這個突破距離商業化還有多遠？哪些公司最接近量產？
  - 範例：固態電池能量密度突破 → 距量產 2-3 年 → 設備商先受益

  **維度 3：資金流向 (Capital Flow)**
  - 搜尋：ETF 資金淨流入/流出、機構 13F 持倉變化、IPO/SPAC 熱區、創投趨勢
  - 分析：聰明錢正在流入哪裡？哪些主題從「冷門」變「升溫」？
  - 範例：AI 基建 ETF 連續 8 週淨流入 → 機構共識正在形成

  **維度 4：供需失衡 (Supply-Demand Imbalance)**
  - 搜尋：庫存水位、產能利用率、交期變化、原物料價格趨勢
  - 分析：哪裡出現「供不應求」或「庫存去化接近尾聲」？
  - 範例：銅庫存降至 15 年低點 + 礦場投資不足 → 結構性短缺

  **維度 5：社會結構 (Secular Shifts)**
  - 搜尋：人口結構變化、消費模式轉型、能源轉型進度、監管趨勢
  - 分析：5-10 年的慢變數正在催生什麼需求？
  - 範例：日本/歐洲勞動力縮減 → 工業自動化 + 機器人長線需求

3. Validate
- 每個主題必須有至少 2 個獨立證據支撐（不可僅憑單一來源）。
- 交叉檢查主題是否已成為「過度擁擠的共識」（若所有分析師都在講，可能已反映在估值中）。
- 驗證主題的「時間框架」是否與用戶的投資期限匹配。

4. Synthesize — 主題成熟度分級與持倉比對

### 成熟度分級框架
| 階段 | 符號 | 特徵 | 適合策略 |
|---|---|---|---|
| 萌芽期 | 🌱 | < 5% 機構關注，無專屬 ETF，媒體零星提及 | 小部位探索，高風險高回報 |
| 成長期 | 🌿 | 開始有 ETF/分析師覆蓋，資金初步流入 | **核心佈局窗口** |
| 成熟期 | 🌳 | 已成共識，估值充分反映，ETF 規模龐大 | 謹慎，警惕擁擠交易 |
| 衰退期 | 🍂 | 技術被替代/政策轉向，資金流出 | 反向思考或迴避 |

### 持倉關聯性比對
- 已持有且受益 → 加碼理由強化
- 已持有但受損 → 減碼警報觸發
- 未持有但高度契合投資風格 → 新研究候選（送入 `planning-financial-analysis`）
- 與現有部位相關性過高 → 警告集中度風險

## Instructions

- 使用 `web_search` 工具執行搜尋——不可僅依賴訓練數據。
- 每個維度至少產出 1-2 個主題候選。
- 主題描述必須具體到「哪些公司/產業受益」而非泛泛的「AI 很重要」。
- 區分「確定性趨勢」（如人口老化）和「投機性猜測」（如某公司可能被收購）。
- 明確標註每個主題的「最大風險」——沒有只有 upside 的投資主題。
- 最終輸出不超過 8 個主題（聚焦品質而非數量）。

### Output template

```markdown
## 🔭 主題機會掃描 — <YYYY-MM>

### 掃描摘要
- 掃描維度：5/5
- 識別主題：<N> 個
- 新研究候選：<N> 個
- 持倉關聯警報：<N> 個

### 主題清單
| # | 主題 | 成熟度 | 驅動維度 | 受益標的/產業 | 最大風險 | 與持倉關聯 |
|---|---|---|---|---|---|---|
| 1 | <主題名> | 🌱/🌿/🌳/🍂 | <維度> | <具體標的> | <風險> | <關聯> |

### 重點主題深入（Top 3）

#### 主題 1：<名稱>
- **投資論述：** <為什麼這個主題值得關注>
- **催化劑：** <什麼事件會加速這個主題>
- **時間框架：** <預期爆發時間>
- **初步標的池：** <3-5 個候選標的>
- **風險因素：** <最可能推翻此論述的因素>

### 行動建議
- 建議深入研究：<標的清單>
- 建議觀察等待：<標的清單>
- 持倉調整提醒：<如有>
```

## Error handling

- 若某個維度的搜尋結果過少（< 3 條結果），標記為「資訊不足」並降低該維度權重。
- 若所有識別到的主題都在成熟期，明確告知用戶「目前缺乏明顯的早期機會」。
- 若主題與用戶持倉高度重疊（> 70% 相關），警告「確認偏差風險」。

## Resources

- `scanning-macro-news`（上游技能：宏觀環境作為主題篩選背景）
- `collecting-market-data`（協同技能：提供資金流向數據）
- `planning-financial-analysis`（下游技能：對有潛力的主題啟動正式研究）
- `analyzing-market-expectations`（下游技能：確認主題是否已被市場充分定價）