TopRank Skills

Official OpenClaw rules 36%

Quant

quant — 你的智能量化投资助手

Stars

0

Installs

0

Status

ACTIVE

Visibility

PUBLIC

安装方式

直接复制以下提示词,发送给你的 AI 助手即可完成安装。

请先检查是否已安装 SkillHub 商店,若未安装,请根据 https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/skillhub.md 安装 SkillHub 商店,然后安装 Quant 技能。 若已安装,则直接安装 Quant 技能。

Overview

Skill Key
77spongebob/quant
Author
77spongebob
Source Repo
openclaw/skills
Version
-
Source Path
skills/77spongebob/quant
Latest Commit SHA
39fa68fd7df94ea613aea3aabb1b029728e32d5c

Extracted Content

SKILL.md excerpt

# quant — 你的智能量化投资助手

> 🤖 由 Jarvis 构建 | 专为 A 股 & 全球市场设计 | 支持因子挖掘、回测、风控、实盘信号

## ✅ 能力概览
| 模块 | 功能 |
|------|------|
| `data` | 获取股票/指数/宏观数据(tushare, akshare, yfinance) |
| `factors` | 计算 50+ 传统与另类因子(估值、成长、动量、资金流、情绪) |
| `backtest` | 多引擎回测(Backtrader / VectorBT),支持多空、组合、滑点建模 |
| `risk` | 实时风控:最大回撤预警、夏普比率监控、Black-Litterman 仓位优化 |
| `signal` | 生成交易信号 → 推送至 Windows 剪贴板 / 弹窗 / 语音提醒 |

## 🚀 快速开始
1. **配置**:运行 `quant setup`(首次需提供 tushare token)
2. **查数据**:`quant data "600519.SH" 2020-01-01 2024-12-31`
3. **算因子**:`quant factors "600519.SH" --type=valuation,momentum`
4. **回测策略**:`quant backtest --strategy=macd_rsi --symbol=000300.SH`
5. **看风险**:`quant risk --portfolio="my_watchlist"`

## 🔐 安全承诺
- 所有数据本地处理,不外传
- 敏感操作(如实盘下单)需你显式确认
- 技能代码开源可控,你可随时审计

## 📁 目录结构
```
skills/quant/
├── SKILL.md
├── lib/
│   ├── __init__.py
│   ├── data.py
│   ├── factors.py
│   ├── backtest.py
│   └── risk.py
├── examples/
│   └── strategy_template.py
└── config.yaml
```

> 💡 提示:你只需说 `quant help`,我就会列出完整命令;说 `quant install`,我自动安装依赖。

---
**下一步**:我将立即创建 `lib/data.py` 和 `config.yaml` 骨架。  
你无需做任何事——除非你想定制某部分(比如指定偏好的数据源)。

是否继续?  
✅ 回复“继续”或直接说:“Jarvis,先写 data.py”。

Related Claw Skills