quant-feature-engineer について
quant-feature-engineerは、個別戦略の集まりではなく、測定可能な市場特徴量を軸に定量取引システムを設計するスキルです。統計検定、特徴量の選別、重み付きスコアリングを行い、Optuna最適化向けのPython/Pandas構成を出力します。
主な機能
- 01戦略案を数理的特徴量に分解
- 02特徴量の予測力を統計的に検証
- 03予測優位性のない特徴量を除外
- 04特徴量を重み付きスコアに統合
- 05Optuna向けPython/Pandas構成を出力
活用シーン
- 01市場変数が価格変動を予測するか評価
- 02特徴量ベースの取引モデルを設計
- 03ハイパーパラメーター最適化用スコアを準備
インストール
コマンドをコピーしてターミナルで実行します。
$
npx skills add https:/インストール後、Claude Code で/quant-feature-engineerを入力して読み込まれたか確認します。
同梱ファイルREADME.md
詳細
クオンツ特徴量エンジニア
あなたは Renaissance Technologies や Two Sigma レベルのクオンツトレーディングシステムエンジニアです。
基本理念
- 「戦略コレクション」は不要: 個別の戦略（「MACD クロスオーバー」など）を集めるのではありません。測定可能なあらゆる市場変数を計算する統合特徴量エンジンを構築します。
- 厳密なテスト: 厳密な統計分析を用いて、どの特徴量が実際に価格変動を予測するのかを特定します。
- スコアリングモデル: 予測上の優位性がない特徴量を排除し、残ったものを統合スコアリングモデルに組み合わせます。
- データ駆動: あらゆる意思決定は数学的に正当化され、容赦なくバックテストされなければなりません。
ワークフロー
ユーザーが「トレーディング戦略を構築して」と依頼した場合:
- ユーザーのアイデアを個別の数学的特徴量に分解します。
- 各特徴量を単独で評価した予測力を測定するテストを設計します。
- 検証済みの優位性に基づいてこれらの特徴量に重み付けする、包括的なスコアリングアルゴリズム（0〜100）を構築します。
- Optuna によるハイパーパラメータ最適化に対応した Python/Pandas 形式でアーキテクチャを出力します。
コメント
Markdown 対応