论文测试
- 作者仓库星标 669
- 作者更新于 实时读取
- 作者仓库 novalclaw
- 领域
- 通用
- 兼容 Agent
-
- Claude Code
- Cursor
- Cline
- Codex
- Windsurf
- Gemini CLI
- +20
- 信任分
- 88 / 100 · 社区维护
- 作者 / 版本 / 许可
- @Superagentsys · 未声明 license
- Token 消耗评级
- 低消耗
- 接入复杂程度
- 即装即用
- 是否需要外部 API Key
- 不需要
- 兼容的系统
- 未声明（默认跨平台）
- 底层运行要求
- 无特殊要求
- 文件与系统权限
-
- 只读
- 允许写入 / 修改
- 网络行为
- 仅限本地
- 安装命令数
- 26 条
档案由构建时根据 SKILL.md 与安装命令自动衍生，可能与作者实际意图存在差异。
需要注意： 未限定 allowed-tools，默认拥有全部工具权限。
---
name: quantitative-research
description: 量化因子研究、数据清洗与对齐、Alpha 评估（IC/IR）、过拟合与稳健性检验。在用户讨论因子挖掘、截面/时序信号、机器学习特征或量化研报框架时启用。 面向研究流程与方法论，不替代实盘交易执…
category: 通用
runtime: 无特殊运行时
---
# quantitative-research 输出预览
## PART A: 任务判断
- 适用问题：通用任务拆解、检查和交付。
- 输入要求：目标材料、限制条件、期望输出和验收方式。
- 证据边界：围绕“何时启用 / 研究流程 / 输出要求”读取原文规则，不把推断写成作者承诺。
## PART B: 执行结果
- **01** 任务判断：确认你的需求是否属于通用任务拆解、检查和交付，并标出输入、限制和预期结果。
- **02** 执行计划：优先按“何时启用 / 研究流程 / 输出要求”拆成步骤，说明每一步会读取什么、修改什么、产出什么。
- **03** 交付结果：给出可复制的命令、文件改动、检查清单或内容草稿，并说明如何继续迭代。
- **04** 风险边界：结合 读取文件、写入/修改文件、主要在本地完成、通常不需要额外 API Key 给出执行前确认项。
## Running Rules
- 读取文件、写入/修改文件；主要在本地完成；通常不需要额外 API Key。
- 先小样例验证，再放大到真实任务。
- 交付时同时给结果、检查口径和下一步迭代建议。 先确认触发方式
原文没有稳定的斜杠命令要求。安装验证后通常全局生效，直接在对话里点名这个 Skill 并描述任务即可。
给清楚输入和边界
告诉 Agent 目标文件或材料、期望结果、不可改范围、是否允许联网或执行命令。本 Skill 的权限画像是：读取文件、写入/修改文件。
小样例验证后再放大
先用一个小任务确认它会围绕“何时启用 / 研究流程 / 输出要求”工作；涉及文件或命令时，先看 diff、日志、预览或测试结果。
复核后再交付
检查最终产物是否包含明确结果、必要证据和下一步动作；如果输出泛泛而谈，就补充输入、边界和验收标准后重跑。
---
name: quantitative-research
description: 量化因子研究、数据清洗与对齐、Alpha 评估（IC/IR）、过拟合与稳健性检验。在用户讨论因子挖掘、截面/时序信号、机器学习特征或量化研报框架时启用。 面向研究流程与方法论，不替代实盘交易执…
category: 通用
source: Superagentsys/novalclaw
---
# quantitative-research
## 什么时候使用
- 量化因子研究、数据清洗与对齐、Alpha 评估（IC/IR）、过拟合与稳健性检验 适合处理通用任务拆解、检查、交付和复盘，核心价值是把输入、判断、执行、验证和交付边界固定下来，避免 Agent 泛泛回答。 把任务拆成可执行、可检查、可继…
- 面向通用任务拆解、检查和交付，优先处理能明确输入、步骤和验收标准的工作。
## 需要提供什么
- 目标材料、目录范围、期望结果和不可改动内容。
- 是否允许联网、执行命令、读写文件或调用外部服务。
## 执行规则
- 围绕「何时启用 / 研究流程 / 输出要求」组织步骤，不把推断写成作者事实。
- 读取文件、写入/修改文件；主要在本地完成；通常不需要额外 API Key。
- 先跑小样例，确认结果可检查后再扩大任务范围。
## 输出要求
- 给出最终产物、关键证据、验证方式和下一步动作。
- 信息不足时标记 unknown，不编造命令、平台或依赖。 证据边界与执行链路
作者原文负责流程事实；仓库文件负责来源和命令；流狐只补充适用场景、限制和质量判断。
skill "quantitative-research" {
输入层 -> 用户目标 + 目标文件 + 禁止范围 + 验收标准
上下文层 -> 何时启用 / 研究流程 / 输出要求
规则层 -> SKILL.md 触发条件 / 执行顺序 / 输出格式
运行层 -> 无特殊运行时 | 读取文件、写入/修改文件 | 主要在本地完成
安全层 -> 通常不需要额外 API Key + 小任务验证 + diff / 日志复核
输出层 -> 可复制结果 + 检查清单 + 下一步迭代
}量化研究（因子与 Alpha 框架）
面向研究流程与方法论，不替代实盘交易执行与合规审查；涉及具体标的或策略时须提示回测与实盘的差异及监管要求。
何时启用
- 设计或评估 因子 / 特征：价值、动量、质量、低波动、另类数据等
- 数据层：复权、停牌、财报发布日、幸存者偏差、前视偏差（lookahead）
- 评估指标：IC、Rank IC、IR、分层收益、换手率、衰减、行业/市值中性化
- 稳健性：样本外、滚动窗口、参数敏感性、不同市场状态（牛/熊/震荡）
- 将 ML / 深度学习 用于量化时的特征工程、标签泄露、交叉验证设计
研究流程
- 问题定义：预测目标（下期收益、风险、排序）、投资域（股票池、期货品种）、频率（日/周/分钟）。
- 数据与对齐：交易日历、财报时点、公告滞后；训练/验证/测试切分须时间有序。
- 因子处理：去极值（winsorize）、标准化、中性化（行业、市值、风格）；说明每一步对分布的影响。
- 评估：截面回归或排序分组；报告多空组合、多头、基准超额；成本与换手为 0 的纸面结果须标注。
- 风险：过拟合、数据挖掘（multiple testing）、因子拥挤、结构突变（regime change）。
- 输出：假设 → 数据与样本 → 方法与参数 → 结果与局限 → 需实盘前验证项。
输出要求
- 明确 预测 horizon 与 再平衡频率，避免标签与特征时间错位。
- 对「显著」结果给出经济含义与统计显著性（多重检验校正思路）。
- 不保证收益；强调 过去表现不代表未来。
- 中国大陆市场可提示：T+1、涨跌停、融券与对冲工具限制对「理想回测」的影响（概念层面）。
质量检查清单
- 已排查前视偏差与幸存者偏差
- 训练/验证/测试无信息泄露
- 因子与收益方向、符号在经济上可解释（或明确为纯数据驱动且高风险）
- 报告包含样本期长度与标的数量级
先判断是否适合
作者设计意图
作者的方法与取舍
边界和复核