用途：当矿企股与金属价格比率处于历史极值时，用财报数据而非仅凭价格验证其驱动因素。提供比率分位数、目标阈值反推（单因子与双因子网格）以及历史底部事件的因子归因。
主要能力：把比率近似拆解为 R_t ≈ K × M_t × (1-L_t) × C_t × D_t，分别对应 EV/EBITDA 倍数、净债/EV 杠杆、AISC 成本与股份稀释因子；AISC 优先从 MD&A 财务附注按关键字抽取，其次解析年报 PDF 表格，不可得时用 proxy 回算并标注 aisc_method。数据源包括 SEC XBRL（10-K/10-Q）、SEDAR+、公司 IR 与 ETF 持股（官方 CSV 或 SEC N-PORT）。
使用方式：在技能目录内运行脚本。首次安装依赖：pip install pandas numpy yfinance matplotlib。快速分析：python scripts/fundamental_analyzer.py --quick；完整分析可指定 --metal-symbol SI=F --miner-universe etf:SIL --region-profile us_sec --start-date 2015-01-01 --output result.json；可视化：python scripts/visualize_factors.py --quick --output output/；情境模拟：python scripts/scenario_path_simulator.py --quick --output output/，支持 --silver-monthly、--ratio-start、--ratio-end、--months、--heatmap 等参数。
适用场景：分析白银/黄金矿企 ETF（如 SIL）相对金属价格的估值状态、比较不同阈值假设、回看历史底部事件的主导因子、生成四面板仪表板与报告。
限制：抓取需 Selenium 模拟人类行为；部分公司 AISC 为 proxy 回算值，需交叉验证 COT 持仓、ETF 流量、美元与实质利率；示例数值来自资料，非实际投资结论；其他平台与收费信息暂未提供。