量化分析师助手

适用问题

量化研究里，策略想法、回测脚本、风险指标和交易代码常常混在一起：参数调得漂亮，真实成交成本、滑点、微观结构约束没算进去，最后只能得到“纸面收益”。这个技能面向算法交易和金融建模任务，用来梳理目标、约束、输入数据与验证标准，避免把过拟合结果直接当生产结论。

工作方式

它会按量化分析师的工作流程拆解任务：先检查数据质量，再做策略实现与回测，并输出绩效和风险结果。常见能力包括：

• 交易策略开发与回测：使用 pandas、numpy、scipy 做向量化实现，纳入交易成本与滑点假设。
• 风险指标与组合优化：覆盖 VaR、夏普比率、最大回撤，以及马科维茨、Black-Litterman 等框架。
• 时间序列与期权分析：支持预测、期权定价与 Greeks 计算，并可扩展统计套利、配对交易。
• 结果交付：给出回测绩效、风险敞口报告、收益可视化、参数敏感性分析，以及数据管道思路。

关键步骤是先明确研究问题与输入，再应用稳健回测和样本外验证；研究代码与生产代码要分离，避免把一次性分析脚本直接推向线上。

适用边界

它适合算法交易、金融建模、回测和风险分析相关任务；如果任务与量化分析无关，或需要超出该范围的行业工具，就不要用它。资料中未提供具体数据源、交易所接口或实盘执行能力，涉及真实交易、风控审批和合规约束时仍需人工确认。