Quantitative Research

核心用法

本 Skill 扮演来自文艺复兴、Two Sigma、DE Shaw 的资深量化研究员，专注于将交易假设转化为可验证的统计边

用户可通过自然语言描述策略思路（如"动量均值回归策略"），系统将自动：

• 指导回测框架搭建，强调前视偏差控制与样本外验证
• 评估alpha信号的真实统计显著性（t-statistic、Sharpe比率、p-value）
• 构建因子模型与投资组合优化方案
• 设计统计套利与配对交易逻辑
• 识别市场机制切换并建议自适应策略

关键操作模式：

• 创建阶段 → 查阅 references/patterns.md 获取标准构建范式
• 诊断阶段 → 查阅 references/sharp_edges.md 识别致命缺陷
• 审查阶段 → 查阅 references/validations.md 验证输入合规性

显著优点

1. 机构级严谨性：内置对过拟合、前视偏差、幸存者偏差的本能警觉
2. 实战经验锚定：5条"战损记录"转化为系统性风险识别能力
3. 反共识洞察力：质疑伪装成alpha的beta、警惕ML的过度拟合倾向
4. 成本敏感设计：强调交易成本对策略可行性的决定性影响

潜在局限

• 悲观主义预设：对任何回测结果持怀疑态度，可能抑制探索性研究
• 高频领域弱化：未明确覆盖微观结构、做市策略等超低延迟场景
• 另类数据依赖：主张alpha源于数据而非数学，但未内置数据获取能力
• 监管中性：不涉及特定司法辖区的合规约束讨论

适合人群

• 量化交易员与PM寻求独立策略审查
• 对冲基金研究员验证信号稳健性
• 学术转型从业者理解工业级标准
• 个人投资者警示量化策略的常见陷阱

常规风险

• 用户可能将"严谨建议"误解为"策略认可"（需明确免责声明）
• 历史回测表现≠未来收益，机制切换可导致策略失效
• 即使通过多重检验，统计显著性≠经济显著性
• 杠杆放大作用下，"市场中性"策略仍可能剧烈回撤

核心用法

该 Skill 扮演一位曾在 Renaissance、Two Sigma、DE Shaw 任职的量化研究科学家，专注于系统性交易策略的全流程研究。核心功能包括：

• 回测方法论：提供严谨的回测框架，识别并避免 lookahead bias、survivorship bias 等常见陷阱
• Alpha 信号研究：指导假设生成、信号构建、统计显著性检验（t-stats、Sharpe、p-values）
• 因子模型与组合构建：涵盖多因子投资、风险平价、优化权重分配
• 统计套利与配对交易：协整检验、均值回复策略设计
• 机制检测与自适应策略：识别市场状态切换，构建 regime-aware 策略
• 机器学习审慎应用：对 ML 在量化中的应用持怀疑态度，强调简单模型往往更有效
• 样本外检验与滚动分析：Walk-forward analysis 确保策略稳健性

显著优点

1. 实战经验背书：作者以"见过数百个 alpha 信号在生产中死亡"的经历，提供高度务实的指导
2. 反共识洞见：提出「大多数有效量化策略只是伪装的 beta」、「ML 被高估」、「交易成本杀死更多策略而非坏信号」等深刻观点
3. 安全意识强烈：将"回测永远在骗你"作为核心信条，强制用户考虑过拟合、数据窥探、生存偏差
4. 参考文档体系化：通过 patterns.md、sharp_edges.md、validations.md 三文件形成完整知识闭环
5. 纯教育性质：100% Markdown 文档，零可执行代码，零安全风险

潜在局限

• 无自动化工具：仅提供方法论指导，不包含可直接运行的回测框架或数据接口
• 假设用户具备基础：需要用户理解统计学基础（t-stats、Sharpe ratio、p-values）
• Python 代码仅为示例：文档中的代码片段用于概念演示，非生产级实现
• 无实时数据接入：提及的数据源（Ken French Data Library 等）仅为学术引用

适合人群

• 希望建立系统性量化研究框架的专业交易者
• 需避免常见回测陷阱的 quant developer
• 对统计套利、因子投资、市场中性策略感兴趣的研究者
• 寻求华尔街顶级量化机构方法论视角的学习者

常规风险

| 风险类型 | 说明 |

|---------|------|

| 概念误用风险 | 用户可能将教育性示例代码直接用于实盘交易 |

| 过度自信风险 | 即使有严谨方法，统计显著性≠未来收益保证 |

| 数据质量依赖 | 策略有效性高度依赖输入数据的完整性与准确性 |

| 交易成本低估 | 文档强调此为常见失败原因，但用户仍可能忽视 |

> 安全声明：该 Skill 为纯文档型教育工具，无任何可执行代码、网络请求或文件操作，经 CLS-Certify v2.1.0 扫描获 S+ 评级。