核心功能与定位
quant-analyst 是一款面向量化金融领域的专业分析技能，覆盖从策略开发到风险管理的完整工作流。其核心能力包括：
- 策略开发与回测：支持向量化的交易算法实现，整合交易成本与滑点模拟，输出夏普比率、最大回撤等关键绩效指标
- 风险度量体系：实现 VaR（风险价值）、夏普比率、最大回撤等标准风险指标
- 组合优化引擎：内置马科维茨均值-方差模型与 Black-Litterman 贝叶斯优化框架
- 衍生品定价：期权定价与 Greeks 敏感度计算
- 统计套利：配对交易等市场中性策略的识别与验证
方法论优势
该技能强调研究严谨性：数据质量优先原则、样本外测试防过拟合、研究与生产代码分离，符合专业量化机构的合规实践。技术栈基于 pandas、numpy、scipy 等成熟的 Python 科学计算生态，确保计算效率与可复现性。
显著局限
1. 模型风险：历史回测不代表未来收益，Black-Scholes 等模型假设可能与现实市场微观结构脱节
2. 数据依赖：未提供实时行情数据源，需用户自行接入市场数据管道
3. 执行缺口：缺乏实际订单簿与撮合机制模拟，高频场景适用性有限
4. 监管空白：未涵盖特定司法辖区的合规要求（如 MiFID II、CFTC 申报规则）
适用人群
- 量化研究员与算法交易员
- 投资组合经理进行战术资产配置
- 金融工程专业学生进行策略验证
- 风险管理岗进行压力测试与暴露分析
风险提示
- 过拟合风险：参数优化可能导致历史表现虚高，务必严格执行样本外验证
- 市场极端事件：尾部风险模型（如 VaR）在危机期间可能严重失效
- 杠杆与流动性：技能未内置保证金计算与流动性冲击建模，实盘前需补充
- 技术故障：未涉及灾备与实时监控，生产环境需额外基础设施
该技能定位为研究与原型验证工具，直接用于实盘交易需配合完整的风控系统与合规审查。