القائمة
交易标的 + 手数 + 价格 → 优化下单策略
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
Enterprise WeChat template_card builder and sender. Provides reusable card templates for due diligence reports, stock alerts, risk warnings, and more. Supports text_notice, news_notice, and button_interaction card types with fallback to markdown.
本技能为进出口企业提供全面的贸易融资方案推荐与对比分析，基于企业类型、贸易类型、融资金额、账期等关键参数，智能推荐最适合的融资产品。
Financial AI Skill - 客户经理营销话术实时生成器。输入客户画像和营销目标，AI自动生成电话/微信/拜访话术，支持异议处理预演、方言适配、多风格切换。覆盖零售/对公/理财/私行/信用卡全营销岗位。
网点分析技能是一个基于AI的银行网点竞争力评估与经营规划引擎。该技能综合分析网点的地理位置、竞争格局、客群特征等维度，输出SWOT分析、三年经营预测、重点发展业务方向及投入产出建议。
ALM（Asset-Liability Management，资产负债管理）引擎专注于银行资产负债表的全方位分析与优化。输入银行资产负债数据（资产规模、负债结构、期限分布），输出完整的缺口分析、风险指标（LCR/NSFR/久期缺口）及优化建议。
Financial AI Skill - 产品手册智能对话引擎。基于 BM25 + TF-IDF 双路检索 + RRF 融合的轻量级 RAG，零外部依赖、毫秒级响应、自动出处标注。支持理财/信用卡/贷款等多种产品手册同时入库，语音/文字提问秒回精准答案。Hit@1 实测 100%，平均检索耗时 < 3ms。
| name | trade_optimize |
| description | 交易标的 + 手数 + 价格 → 优化下单策略 |
| version | 1.0.0 |
| author | AlphaAgent |
| license | MIT |
| layer | L2 |
| capability_domain | ["C03","C05","C09"] |
| industry | universal |
| metadata | {"raw_title":"trade_optimize - 交易指令优化引擎","auto_generated":true,"auto_generated_at":"2026-06-20"} |
交易标的 + 手数 + 价格 → 优化下单策略
算法交易指令优化引擎，将大单拆分为最优下单策略，最小化市场冲击、提升执行效率。支持 TWAP / VWAP / POV / IS 四种核心算法，回测对比基准收益，验收标准：回测收益率提升 ≥5%。
| 算法 | 关键字 | 说明 |
|---|---|---|
| TWAP | twap | 时间加权平均价格，按时间均匀拆分 |
| VWAP | vwap | 成交量加权平均价格，按历史量分布拆分 |
| POV | pov | 成交量占比，固定%跟随市场节奏 |
| IS | is | 实现缺口算法，权衡市场冲击与时机风险 |
from trade_optimize import TradeOptimizeEngine
engine = TradeOptimizeEngine(
symbol="600036.SH", # 交易标的
quantity=100000, # 总股数
side="buy", # buy / sell
price=35.50, # 限价（参考价）
start_time="09:30", # 开始时间
end_time="14:57", # 结束时间
algorithm="vwap", # 算法选择
vol_profile=[...], # 历史分钟成交量分布（可选）
)
result = engine.optimize()
slices) - 每份订单的时间/价格/数量expected_vwap)market_impact_bps) - 基点baseline_return) - vs 无优化盲目下单backtest) - 收益率 / 夏普 / 最大回撤score) - 0-100 综合评分python3 scripts/trade_optimize_cli.py optimize --symbol 600036.SH --quantity 100000 --price 35.50 --algorithm vwap
python3 scripts/trade_optimize_cli.py backtest --symbol 600036.SH --quantity 50000 --algorithm twap
python3 scripts/trade_optimize_cli.py compare --symbol 600036.SH --quantity 80000
python3 wecom_integration.py --symbol 600036.SH --quantity 100000 --price 35.50 --algorithm vwap