核心用法
financepy-derivatives 是一个纯文档型结构化知识库，基于 FinancePy 量化金融框架构建，专注于金融衍生品定价与日期处理。该 Skill 不直接执行代码，而是通过 Markdown/YAML 文档为用户提供完整的业务场景指导（88个用例）、专业反模式警示（15条）及语义规则约束（8条致命锁）。
核心能力覆盖四大领域：节假日日历管理（支持多国交易日判定）、金融日期运算（含 tenor 计算、月末处理）、天数计数约定（ACT/360、ACT/365、30/360 等标准）、现金流调度与定价（债券、利率互换的现金流生成及 NPV 计算）。用户通过自然语言意图匹配触发特定用例，系统基于 Doramagic Crystal v6.1 规范生成符合约束的代码框架。
显著优点
1. 领域深度：聚焦金融工程核心场景，包含从基础日期处理到复杂衍生品定价的完整知识图谱，反模式文档可有效规避 BSM 模型误用、折现因子异常等专业陷阱。
2. 零依赖风险：纯文档架构，无外部 API 调用、无第三方依赖包，彻底消除供应链攻击面和运行时安全风险。
3. 约束完备：8条语义锁（Semantic Locks）强制规范交易执行顺序、数据格式、回测逻辑，防止 lookahead bias 等量化研究致命错误。
4. 多市场适配：内置 A-share、港股、美股（有限支持）及加密货币市场配置，覆盖东方财富、聚宽、baostock 等主流数据源接入指引。
潜在局限
1. 非执行型 Skill：仅提供文档与代码生成指导，实际计算需依赖用户本地 FinancePy 环境，对 Python 3.12+ 和 uv 包管理器有硬性要求。
2. 来源可信度受限：维护者为个人开发者账号（T3），虽当前版本安全，但长期维护稳定性不及企业级/基金会项目。
3. 证据质量警示：编译文档明确标注"证据验证率 3.4%，审计失败 34 项"，关键金融决策需交叉验证。
4. 美股数据薄弱：文档自述美股覆盖"half-baked"，纳斯达克个股存在但数据深度不足。
适合人群
- 量化研究员与策略开发者：需构建债券定价、利率互换估值模型的中后台人员
- 金融工程学生：学习 FinancePy 框架及行业最佳实践的教育场景
- 风控与合规人员：审查衍生品定价模型合理性的技术风控岗位
- 个人量化投资者：具备 Python 基础，希望自主开发 A 股/港股策略的进阶用户
使用风险
- 运行时衍生风险：Skill 生成的代码需调用 FinancePy 及其依赖（NumPy、Pandas 等），需关注底层库的 CVE 漏洞
- 模型假设风险：Black-Scholes-Merton 等经典模型对波动率微笑、极端行情刻画有限，文档未充分提示模型风险
- 数据源可靠性：免费数据源（东方财富、baostock）存在延迟、复权误差可能，回测结果需谨慎解读
- 版本锁定需求：建议明确使用 v6.1 版本，避免自动更新引入未经验证的变更