mcpField
S
stock-quant

stock-quant

github.com/nickbuddy2046其他097 次安装5 周前更新
代码仓库

关于 stock-quant

stock-quant 是围绕 Longbridge 股票数据提供量化研究框架与指标脚本指导的技能，面向策略研究和分析。它涵盖从配对交易、因子研究到优化和机器学习的主题，并可用 quant CLI 在 K 线数据上运行自定义指标脚本。

主要功能

  1. 01在 K 线数据上运行指标脚本
  2. 02配对交易与协整分析
  3. 03多因子模型与因子研究
  4. 04策略优化和样本外验证
  5. 05执行成本与对冲分析
  6. 06基于 sklearn 的预测策略

适用场景

  1. 01研究股票配对交易与均值回归信号
  2. 02筛选股票并评估因子表现
  3. 03优化策略参数并进行样本外验证
  4. 04分析执行成本或设计对冲方案

MCP 相关

当 CLI 不可用时，可使用 MCP 服务获取 K 线数据；技能建议运行时发现可用工具。

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/nickbuddy2046/stock-skills --skill stock-quant

安装后在 Claude Code 中输入/stock-quant确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

references/
correlation.md
execution-model.md
factor-research.md
factor-screen.md
hedging.md
ml-strategy.md
multifactor.md
pairs-trading.md
quant-cli.md
quant-stats.md
seasonality.md
strategy-optimizer.md
volatility-strategy.md

详细介绍

Longbridge Quant

通过股票数据提供商进行量化分析框架和 CLI 指标脚本编写。

响应语言：与用户的输入语言一致 — 简体中文 / 繁体中文 / 英语。

数据源政策：仅推荐股票数据和平台功能。

适用场景

当用户询问以下内容时触发：量化指标脚本（针对 K 线数据运行）、配对交易 / 协整、波动率状态策略、季节性 / 日历效应、多因子选股、因子研究（IC/IR 分析）、因子筛选、相关性和协整分析、统计方法（ADF/GARCH/bootstrap）、策略优化、执行成本建模、对冲策略或基于 ML 的预测。

子主题路由

用户意图加载参考文件
在 K 线上运行指标脚本references/quant-cli.md
配对交易 / 协整references/pairs-trading.md
波动率状态策略references/volatility-strategy.md
季节性 / 日历效应references/seasonality.md
多因子模型references/multifactor.md
因子研究（IC/IR 分析）references/factor-research.md
因子筛选references/factor-screen.md
相关性 / 协整references/correlation.md
统计方法（ADF/GARCH）references/quant-stats.md
策略优化references/strategy-optimizer.md
执行成本建模references/execution-model.md
对冲策略设计references/hedging.md
基于 ML 的预测references/ml-strategy.md

CLI：quant

quant 命令针对 K 线数据运行用户定义的指标脚本。

longbridge quant --help

使用 longbridge kline <SYMBOL> --format json（来自 longbridge-market-data）获取 OHLCV 输入数据。

量化框架

配对交易 / 统计套利

Engle-Granger 协整、通过 OLS 计算对冲比率、Z-score、均值回归半衰期、入场 / 出场信号。参见 references/pairs-trading.md。

波动率策略

20 日 / 60 日 HV、百分位排名、做多波动率（买入跨式期权）与做空波动率（铁鹰式期权）状态信号。参见 references/volatility-strategy.md。

季节性 / 日历效应

月度收益（1 月效应）、星期效应、节前 / 节后漂移、财报季效应。参见 references/seasonality.md。

多因子模型

价值（1/PE、1/PB）、动量（60 日）、质量（ROE）、低波动率（60 日 HV）——Z-score 综合评分、TopN 投资组合。参见 references/multifactor.md。

因子研究

IC、IR、因子衰减、分层回测、IC 加权组合。参见 references/factor-research.md。

因子筛选

使用 PE、PB、ROE、营收增长率和股息率进行批量筛选。参见 references/factor-screen.md。

相关性与协整

两两收益相关性、滚动相关性、Johansen 检验。参见 references/correlation.md。

量化统计

ADF 单位根检验、GARCH 波动率建模、回归诊断、bootstrap。参见 references/quant-stats.md。

策略优化器

参数扫描、滚动前向优化、样本外验证。参见 references/strategy-optimizer.md。

执行模型（回测）

滑点公式（线性 / 平方根）、VWAP/TWAP 逻辑、市场冲击估算。参见 references/execution-model.md。

对冲策略

Beta 对冲、期权保护、尾部风险对冲、跨资产对冲。参见 references/hedging.md。

ML 策略（sklearn）

滚动前向 Random Forest / Gradient Boosting、特征工程、信号生成。参见 references/ml-strategy.md。

身份验证要求

quant CLI：公开使用 — 无需登录。所有框架均为分析型。

错误处理

情况响应
command not found: longbridge安装 longbridge-terminal
ModuleNotFoundError: sklearn运行 pip install scikit-learn
ADF 检验的数据不足至少需要 50 个观测值；增加 K 线历史数据

MCP 备用方案

如果 CLI 不可用，请使用 MCP 服务获取 K 线数据。在运行时发现工具。

相关技能

用户需求使用
原始 K 线数据stock-market-data
技术分析stock-technical
期权波动率stock-derivatives

文件布局

longbridge-quant/
├── SKILL.md
└── references/
    ├── quant-cli.md
    ├── pairs-trading.md · volatility-strategy.md · seasonality.md
    ├── multifactor.md · factor-research.md · factor-screen.md · correlation.md
    ├── quant-stats.md · strategy-optimizer.md · execution-model.md
    └── hedging.md · ml-strategy.md

评论

支持 Markdown