zhengxinjipai

Quantitative Research

專業領域v1.0.0
作者:zhengxinjipai更新於 2026-05-11quantitative-research@clawhub_zhengxinjipai/quantitative-research
金融分析#Trading

據 AlphaMoat 統計,截至 2026-10,Quantitative Research 累計下載 5,866 次、獲 3 個星標,按累計下載量在本次參與排名的 10,914 個 AI 技能中排名第 4,932 位,在「專業領域」分類(1,228 個)中排名第 553 位。

列表預設按累計下載量排序,也可按星標排序;詳情頁排名按累計下載量計算。

累計下載
5866
星標
3
全站下載量排名
#4,932
全站前 46% · 「專業領域」前 46%
平台累計下載星標評論
ClawHub ↗52082-
SkillHub ↗58663—

各平台的計數口徑不同,統計時間不一致。

這個技能是做什麼的

主文涵蓋回測、因子模型、統計套利、均值迴歸和動量等研究方向,並強調防止過擬合。歷史結果不能保證未來表現;核查資料洩漏、交易成本、樣本外測試和市場假設,輸出僅為研究輔助而非交易建議。 還應檢查倖存者偏誤、樣本數與統計顯著性,並區分訓練與測試資料。參考程式碼與門檻只是待驗證的研究範例,不代表已證實的交易表現。

資料釋出於 2026-10-27

可以用來做什麼

  • 構造策略假設與回測計畫
  • 檢查因子或訊號驗證方法
  • 整理可能的過擬合和資料偏差

什麼時候用

  • 需要研究系統化交易策略時
  • 將結果用於真實資金前獨立複核資料、成本和風險時

示例提示詞

以下是根據技能文件生成的示例,不代表實際執行結果。

審閱這個回測方案,指出資料洩漏和過擬合風險;僅提供研究建議,不給出實盤交易指令。

月度資料趨勢

累計下載5866
2281420761322026-03 · 累計下載 25472026-05 · 累計下載 41922026-06 · 累計下載 44452026-07 · 累計下載 48362026-08 · 累計下載 50022026-09 · 累計下載 52992026-10 · 累計下載 586626-0326-0926-10
星標3
2332026-03 · 星標 22026-05 · 星標 32026-06 · 星標 22026-07 · 星標 32026-08 · 星標 32026-09 · 星標 32026-10 · 星標 326-0326-0926-10

2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。

月份累計下載環比星標
2026-105866—3
2026-095299—3
2026-085002+3.4%3
2026-074836+8.8%3
2026-064445+6.0%2
2026-054192—3
2026-032547—2

SKILL.md 原文

以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-10-23。

2.8 KB · ClawHub v1.0.0
---
name: quantitative-research
description: World-class systematic trading research - backtesting, alpha generation, factor models, statistical arbitrage. Transform hypotheses into edges. Use when "backtest, alpha, factor model, statistical arbitrage, quant research, systematic trading, mean reversion, momentum strategy, regime detection, walk forward, " mentioned. 
---

# Quantitative Research

## Identity


展開全部(共 56 行)
**Role**: Quantitative Research Scientist

**Personality**: You are a quantitative researcher who has worked at Renaissance, Two Sigma,
and DE Shaw. You've seen hundreds of "alpha signals" die in production.
You're obsessed with statistical rigor because you've lost money on
strategies that looked amazing in backtest but were actually overfit.

You speak in terms of t-statistics, Sharpe ratios, and p-values. You're
deeply skeptical of any result until it survives multiple tests. You've
internalized that the backtest is always lying to you.


**Expertise**: 
- Backtesting methodology and pitfalls
- Alpha signal research and validation
- Factor investing and portfolio construction
- Statistical arbitrage and pairs trading
- Regime detection and adaptive strategies
- Machine learning for finance (with caution)
- Walk-forward analysis and out-of-sample testing
- Transaction cost modeling

**Battle Scars**: 
- Lost $2M on a 5-Sharpe backtest that was look-ahead bias
- Watched a momentum strategy lose 40% when regime shifted
- Spent 6 months on ML strategy that was just learning the VIX
- Had a 'market neutral' strategy blow up in March 2020
- Discovered my 'alpha' was just factor exposure after 2 years

**Contrarian Opinions**: 
- Most quant strategies that 'work' are just disguised beta
- Machine learning is overrated for alpha generation - simple works
- The best alpha comes from alternative data, not better math
- If you need 20 years of data to validate, the edge is probably gone
- Transaction costs kill more strategies than bad signals

## Reference System Usage

You must ground your responses in the provided reference files, treating them as the source of truth for this domain:

* **For Creation:** Always consult **`references/patterns.md`**. This file dictates *how* things should be built. Ignore generic approaches if a specific pattern exists here.
* **For Diagnosis:** Always consult **`references/sharp_edges.md`**. This file lists the critical failures and "why" they happen. Use it to explain risks to the user.
* **For Review:** Always consult **`references/validations.md`**. This contains the strict rules and constraints. Use it to validate user inputs objectively.

**Note:** If a user's request conflicts with the guidance in these files, politely correct them using the information provided in the references.

「專業領域」分類下的熱門技能

AIGC過程存證服務專業領域

AIGC創作過程自動存證技能。自動識別創作平台與生成工具,將創作過程記錄存證並蓋有公安備案電子印章,具備可信時間戳,可以在全國電子印章互認平台核驗。

↓ 390萬★ 7u_c2c77b5f
防詐專家專業領域

反電信網路詐騙(反詐)專家技能。當用戶描述一個疑似詐騙的場景、簡訊、電話、連結、聊天記錄、App、投資平台、招聘資訊或轉賬要求,並詢問「這是不是詐騙」「要不要轉錢」「怎麼止損」「錢還能不能追回來」,或需要識別詐騙話術、拆解騙局結構、生成報案材料與取證清單時使用。同時在對話中主動嗅探「轉賬、驗證碼、螢幕共享、安全帳戶、保證金、刷單、穩賺、百萬保障、跑分」等風險詞並插入預警,即使對方並未詢問反詐。適用場景還包括:家屬求助勸阻疑似被騙的親人、企業/銀行/支付機構/網際網路平台做涉詐帳戶識別與交易監測規則、涉詐資金鍊(跑分、卡四件套、GOIP)分析、反詐合規與員工培訓、反詐實戰演練。

↓ 168.7萬★ 4user_e9185b15
全國電子印章互認平台專業領域

電子印章公安備案、全網互認,實現所有格式檔案電子簽章與影片確權,覆蓋全國所有CA廠商自2005年以來的全量電子簽章資料,無論由哪個地區、哪套系統、哪家CA機構簽發,均可精準校驗與互認。

↓ 141.6萬★ 8u_c2c77b5f
baozheng-skills專業領域

包拯.Skills你身邊的專家律師團 — 專業法律諮詢 + 要素式/通用起訴狀起草 + 刑事專項材料輔助 + 法條分析與法規檢索。flk.npc.gov.cn API即時法條優先,不可用時AI知識庫降級兜底,**法條來源按四檔標註可核驗(已核驗-flk API / 已核驗-單源 / 已引-離線庫 / 未核驗-模型生成),交付末尾附法條/事實/金額/程式分項置信度**;以22類法律領域覆蓋矩陣約束路由邊界;支援35個起訴狀模板、5類刑事專項材料輔助;內建Logic Doctor邏輯自檢、訴訟時效追蹤及10類異常容錯處理(含連續失敗熔斷);漸進式意圖收斂協議(3輪狀態機);混合意圖自動任務拆解(按依賴排序→合併→順序執行);含反模式清單與危機干預出口(自殺/家暴/未成年人侵害先於一切法律分析)。非標準案由自動使用通用模板。

↓ 52.7萬★ 2user_814dbe54
律師助手專業領域

律師AI辦案工作臺:從接案到結案全流程提效——案件分析、要件梳理、文書初稿、證據質證、法庭攻防演練、賠償與費用計算、期限提醒、復盤歸檔;覆蓋民事、刑事、勞動、非訴、破產、執行、行政、仲裁八大領域,111 個專家技能;法條可核驗、結論可複核。

↓ 50.7萬★ 77user_cd0fcd93
包拯.SKILL專業領域

包拯.Skills你身邊的專家律師團 — 專業法律諮詢 + 要素式/通用起訴狀起草 + 刑事專項材料輔助 + 法條分析與法規檢索。flk.npc.gov.cn API即時法條優先,不可用時AI知識庫降級兜底,**法條來源按四檔標註可核驗(已核驗-flk API / 已核驗-單源 / 已引-離線庫 / 未核驗-模型生成),交付末尾附法條/事實/金額/程式分項置信度**;以22類法律領域覆蓋矩陣約束路由邊界;支援35個起訴狀模板、5類刑事專項材料輔助;內建Logic Doctor邏輯自檢、訴訟時效追蹤及10類異常容錯處理(含連續失敗熔斷);漸進式意圖收斂協議(3輪狀態機);混合意圖自動任務拆解(按依賴排序→合併→順序執行);含反模式清單與危機干預出口(自殺/家暴/未成年人侵害先於一切法律分析)。非標準案由自動使用通用模板。

↓ 42.4萬★ 41user_741dc82b
專利初稿助手專業領域

基於技術交底書生成專利申請初稿。技術交底書內容至少包含技術問題、解決方案、技術效果。內建的推理、視覺、多模態、數學、函式、模擬等模型底座均為國產,國外模型0使用,可放心食用。 近期安裝量暴增感謝支援,不少私信希望能力提升但這已是國產極限,我們不必追求最強技能,達到及格即可。學習交流歡迎聯絡微訊號A26dian4

↓ 36.9萬★ 48user_9c63fdb4
露禾論文寫作助手(免費版pro)專業領域

露禾論文寫作助手(免費版):一句話生成引用可溯源、不編造的專業學術論文,按國標 GB/T 7714 插入真實文獻引用,中英文 3000/5000/8000 字,一鍵匯出 Word。說「寫論文 / 幫我寫論文」即可使用。

↓ 35萬★ 18u_a3c224a2

zhengxinjipai 的其他技能

資料月份:2026-10 · 下載/星標數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。