According to AlphaMoat, as of 2026-10, Quant Trading CN has 7,322 downloads and 1 stars — ranked by downloads #3,826 among 10,914 AI skills in this ranking, and #423 of 1,228 in Professional.
The list defaults to total downloads and can also be sorted by stars; detail-page rankings use total downloads.
| Platform | Downloads | Stars | Comments |
|---|---|---|---|
| ClawHub ↗ | 7.3K | 1 | - |
Platforms count differently and update at different times.
Provides guidance for generating trading bots, reviewing code, analyzing backtests, and considering risk controls for Indian equity strategies, with Zerodha workflows and A-share adaptation notes. The guide includes live-trading instructions that could affect real positions or place orders; do not connect a live account or execute trades without explicit authorization. Backtests and strategy performance do not guarantee future results; independently assess the approach and start with paper trading.
Profile published 2026-10-27
Generated from the skill’s documentation as examples; not results of actual runs.
The counting method changed in 2026-09: skills with the same name are now counted separately by author, and the full catalog is covered. Dashed lines show months before the change; they are not compared with later months, and no growth is computed across the change.
| Month | Downloads | MoM | Stars |
|---|---|---|---|
| 2026-10 | 7.3K | — | 1 |
| 2026-09 | 7.2K | — | 1 |
| 2026-08 | 7.0K | +3.0% | 1 |
| 2026-07 | 6.8K | — | 1 |
The author’s original file, shown as plain text without edits or review by AlphaMoat. Links are not clickable; check commands before running them. Fetched 2026-10-23.
---
name: quant-trading-cn
description: 量化交易专家 - 基于印度股市实战经验,支持策略生成、回测、实盘交易(Zerodha/A股适配)
metadata:
openclaw:
emoji: "📈"
category: "finance"
tags: ["trading", "quant", "algotrading", "india", "zerodha", "backtest"]
requires:
bins: ["python3"]---
# 量化交易专家
基于 1780 行印度股市实战经验的量化交易系统。
## 功能
### 🎯 交互式机器人生成向导
```bash
# 启动向导
./scripts/wizard.sh
# 选择:
# 1. 从头生成交易机器人
# 2. 增强现有代码(修复问题、优化)
# 3. 从实时指数数据创建股票池
# 4. 运行回测对比
# 5. 分析表现
```
### 📊 16 个知识领域
1. **Zerodha 集成** - Tick size 四舍五入、仓位对账、止损生命周期
2. **回测-实盘一致性** - 数据缓存、T vs T-1 对齐、VWAP 重置
3. **信号生成** - Fortress 信号(65% 胜率)、多因子确认
4. **调仓逻辑** - 周频 vs 日频、交易成本建模
5. **股票池选择** - 流动性过滤、动量评分
6. **性能优化** - Parquet(28x)、Polars 向量化(37x)
7. **印度市场特性** - 交易时段、熔断机制、T+1 结算
8. **失败模式** - 5 个生产问题 + 修复
9. **指标公式** - RSI、MACD、ATR、ADX、VWAP、EMA
10. **多时间框架** - 日内 vs 波段、MTF 对齐
11. **日志可观测** - 结构化日志、实时监控
12. **交易后分析** - P&L 分解、夏普比率、回撤分析
13. **信号归因** - 追踪哪个指标触发
14. **退出策略** - 时间衰减、追踪止损、部分退出
15. **风险管理** - Kelly Criterion、组合热度
16. **资金复利** - 市场状态检测、牛市放大
### ⚠️ 30+ 常见陷阱
```markdown
🔥 关键:Tick Size 四舍五入
错误:kite.place_order(price=1847.35, ...)
报错:"Tick size for this script is 5.00"
修复:price = round(price / tick_size) * tick_size # 1847.35 → 1850.00
影响:90% 订单拒绝是 tick size 错误
🔥 关键:VWAP 必须每日重置
错误:跨天累计 VWAP
症状:回测 65% 胜率,实盘 40%
修复:开盘时重置(9:15)
影响:回测-实盘不一致的第一大原因
```
## 使用方法
### 生成第一个交易机器人
```bash
./scripts/wizard.sh
```
向导会问:
- 交易风格:日内、波段、持仓
- 股票池:Nifty 50、中盘、自定义
- 策略:动量、VWAP 回调、开盘突破
- 资金:起始资金和单笔风险
- 风险偏好:保守(0.5%)、平衡(1%)、激进(2%)
### 获取股票池
```bash
# 从 NSE 获取最新成分股
./scripts/universe-fetch.sh --indices nifty50,nifty100,midcap150
```
### 分析现有代码
```bash
./scripts/check-code.sh ./my_trading_bot.py
# 输出:
⚠️ 发现 3 个问题:
1. Tick size 未四舍五入(第 45 行)- 会导致订单拒绝
2. VWAP 未每日重置(第 89 行)- 回测实盘不一致
3. 无股票冷却期(第 120 行)- 报复交易风险
```
## 性能基准
| 优化 | 之前 | 之后 | 提升 |
|------|------|------|------|
| Parquet 缓存 | 2.3s | 0.08s | 28.7x |
| Polars 向量化 | 450ms | 12ms | 37.5x |
| API 批量请求 | 15 次 | 1 次 | 15x |
| 预计算指标 | 180ms | 90ms | 2x |
| **总回测时间** | 5 min | 12 sec | **25x** |
## 文件结构
```
quant-trading-cn/
├── SKILL.md # 本文件
├── KNOWLEDGE.md # 16 个领域(1780 行)
├── NUANCES.md # 30+ 陷阱
├── scripts/
│ ├── wizard.sh # 交互式向导
│ ├── universe-fetch.sh # 股票池获取
│ └── check-code.sh # 代码检查
└── references/
├── KNOWLEDGE_en.md # 原始英文版
└── NUANCES_en.md # 原始英文版
```
## A 股适配
本项目基于印度市场,但可适配 A 股:
| 印度 | A 股 |
|------|------|
| Zerodha | 雪球/同花顺 |
| Nifty 50 | 沪深 300 |
| Nifty Midcap | 中证 500 |
| T+1 结算 | T+1 结算 |
| 9:15-15:30 | 9:30-15:00 |
## 注意事项
⚠️ 本 skill 提供教育性指导,不保证盈利。交易有风险,仅用可承受资金。
---
*版本: 1.0.0*
*来源: [skill-algotrader](https://github.com/javajack/skill-algotrader)*
AIGC创作过程自动存证技能。自动识别创作平台与生成工具,将创作过程记录存证并盖有公安备案电子印章,具备可信时间戳,可以在全国电子印章互认平台核验。
反电信网络诈骗(反诈)专家技能。当用户描述一个疑似诈骗的场景、短信、电话、链接、聊天记录、App、投资平台、招聘信息或转账要求,并询问「这是不是诈骗」「要不要转钱」「怎么止损」「钱还能不能追回来」,或需要识别诈骗话术、拆解骗局结构、生成报案材料与取证清单时使用。同时在对话中主动嗅探「转账、验证码、屏幕共享、安全账户、保证金、刷单、稳赚、百万保障、跑分」等风险词并插入预警,即使对方并未询问反诈。适用场景还包括:家属求助劝阻疑似被骗的亲人、企业/银行/支付机构/互联网平台做涉诈账户识别与交易监测规则、涉诈资金链(跑分、卡四件套、GOIP)分析、反诈合规与员工培训、反诈实战演练。
电子印章公安备案、全网互认,实现所有格式文件电子签章与视频确权,覆盖全国所有CA厂商自2005年以来的全量电子签章数据,无论由哪个地区、哪套系统、哪家CA机构签发,均可精准校验与互认。
包拯.Skills你身边的专家律师团 — 专业法律咨询 + 要素式/通用起诉状起草 + 刑事专项材料辅助 + 法条分析与法规检索。flk.npc.gov.cn API实时法条优先,不可用时AI知识库降级兜底,**法条来源按四档标注可核验(已核验-flk API / 已核验-单源 / 已引-离线库 / 未核验-模型生成),交付末尾附法条/事实/金额/程序分项置信度**;以22类法律领域覆盖矩阵约束路由边界;支持35个起诉状模板、5类刑事专项材料辅助;内置Logic Doctor逻辑自检、诉讼时效追踪及10类异常容错处理(含连续失败熔断);渐进式意图收敛协议(3轮状态机);混合意图自动任务拆解(按依赖排序→合并→顺序执行);含反模式清单与危机干预出口(自杀/家暴/未成年人侵害先于一切法律分析)。非标准案由自动使用通用模板。
律师AI办案工作台:从接案到结案全流程提效——案件分析、要件梳理、文书初稿、证据质证、法庭攻防(模拟法庭三方对打、质证策略、庭审发问)、赔偿与费用计算、期限提醒、复盘归档;覆盖民事、刑事、劳动、非诉、破产、执行、行政、仲裁八大领域,111 个技能(5 件路由·导航+106 件专家);法条引用 1,756 条/109 部(其中逐条带源标注 655 条、其余按离线库或待核口径;扫描口径与台账构成见 README),时效五档标注、法规版本变动前自动预警(预警锚点含商标法2026修订、刑诉法第四次修正)——法条直连国家法律法规数据库官方 API 实时核验,结论可复核、不装懂;2026-10 官方评测五项满分。不用记命令或技能名,直接说人话:欠钱不还、被车撞、被辞退、离婚分财产、合同违约。
包拯.Skills你身边的专家律师团 — 专业法律咨询 + 要素式/通用起诉状起草 + 刑事专项材料辅助 + 法条分析与法规检索。flk.npc.gov.cn API实时法条优先,不可用时AI知识库降级兜底,**法条来源按四档标注可核验(已核验-flk API / 已核验-单源 / 已引-离线库 / 未核验-模型生成),交付末尾附法条/事实/金额/程序分项置信度**;以22类法律领域覆盖矩阵约束路由边界;支持35个起诉状模板、5类刑事专项材料辅助;内置Logic Doctor逻辑自检、诉讼时效追踪及10类异常容错处理(含连续失败熔断);渐进式意图收敛协议(3轮状态机);混合意图自动任务拆解(按依赖排序→合并→顺序执行);含反模式清单与危机干预出口(自杀/家暴/未成年人侵害先于一切法律分析)。非标准案由自动使用通用模板。
当用户上传交底材料、研发报告、技术方案文档,并要求撰写专利、撰写初稿,或请专利代理师视角输出可申请的专利文件时触发。也涵盖如下说法:'帮我把这份交底写成专利''生成专利文件''生成初稿''专利撰写'等,无论是否明确说'生成专利文件'。
露禾论文写作助手(免费版):一句话生成引用可溯源、不编造的专业学术论文,按国标 GB/T 7714 插入真实文献引用,中英文 3000/5000/8000 字,一键导出 Word。说「写论文 / 帮我写论文」即可使用。
Finds ClawHub skills from a described need and suggests what to install.
travel-cn aggregates travel data queries across Chinese platforms such as Qunar, Ctrip, and Fliggy, covering flights, hotels, train tickets, attraction tickets, and trip planning.
A market analysis service covering market trends, competitors and user behaviour.
A skill for monitoring WeChat Official Account articles and tracking read counts.
A skill for creating, reading, and editing Excel spreadsheets.
Data as of 2026-10. Downloads and stars are aggregated monthly from public skill registries (ClawHub, SkillHub). See data methodology.