| name | factor-mine |
| description | Use when an agent needs a disciplined quantitative factor mining workflow for forming one hypothesis at a time, implementing a factor, running validation, recording iteration notes, accepting improvements, or rolling back weak experiments. |
| quantSkills | {"project_type":"skill","category":"tooling","tags":["factor-mining","alpha-research","workflow","iteration","validation"],"platforms":["claude-code","codex","openclaw","cursor"],"status":"stable","validation_level":"listed","maintainer_type":"community","summary_zh":"不是因子库，而是因子挖掘的工作流 SOP：把\"加一个新因子\"这件事拆成可重复、可归因、可回滚的标准动作。","summary_en":"Disciplined factor-mining workflow for hypothesis design, implementation, validation, iteration notes, acceptance, and rollback decisions.","license":"GPL-3.0"} |
{
"version": 1,
"task": {
"placeholder": "补充经济假设、现有因子库、评分规则或项目命令（可选）"
},
"fields": [
{
"key": "factor",
"label": "起始因子",
"type": "select",
"default": "momentum_20",
"help": "填写自定义表达式时以表达式为准",
"options": [
{ "value": "momentum_20", "label": "20日动量" },
{ "value": "reversal_5", "label": "5日反转" },
{ "value": "lowvol_20", "label": "20日低波动" },
{ "value": "alpha101_101", "label": "Alpha101 #101" },
{ "value": "alpha101_12", "label": "Alpha101 #12" },
{ "value": "corr_open_vol", "label": "量价背离" }
]
},
{
"key": "expr",
"label": "自定义因子表达式",
"type": "textarea",
"placeholder": "可填已有表达式，作为单点改进的起点"
},
{
"key": "universe",
"label": "股票池",
"type": "select",
"default": "000300.SH",
"options": [
{ "value": "000300.SH", "label": "沪深300" },
{ "value": "000905.SH", "label": "中证500" },
{ "value": "399006.SZ", "label": "创业板指" },
{ "value": "000852.SH", "label": "中证1000" }
]
},
{
"key": "horizon",
"label": "预测周期",
"type": "select",
"default": "5",
"options": [
{ "value": "1", "label": "未来1日" },
{ "value": "5", "label": "未来5日" },
{ "value": "10", "label": "未来10日" }
]
}
],
"prompt_template": "{{#task}}任务与材料：\n{{task}}\n\n{{/task}}{{#attachments}}用户上传的材料（已放入工作区）：\n{{attachments}}\n\n{{/attachments}}围绕 {{universe}}、{{horizon}} 日预测周期，从因子 {{factor}}{{#expr}}（自定义起点：{{expr}}）{{/expr}} 开展一次只改变一个 op_type 的因子挖掘迭代；先读取项目评分与研究规范，写完整 ITER_NOTE，校验信号契约和相关性门槛，根据验证结果接受或回滚，输出中文报告。"
}
Factor Mine
量化因子挖掘工作流。截面 / 时序皆可，本 skill 默认 pooled cross-section 范式。
核心规则
- 单点假设原则：每轮只改一件事（见
references/op-types.md）
- 必先读宪法：项目内
evaluation.md / program.md 是"评分公式"和"研究方向"的唯一真理来源 —— 没读就不许提假设
- ITER_NOTE 强制：
op_type / hypothesis / change / expected 四字段必填，缺一不跑（模板：references/iter-note.md）
- 信号契约：返回信号必须截面 winsorize + z-score（细则：
references/signal-contract.md）
- 相关性门控：新因子与任一已有因子 |ρ| ≥ 0.85 → 直接拒（细则：
references/correlation-gate.md）
工作流（每轮 5 步）
1. 读宪法 + 当前 alpha 全文
2. 形成单点假设 → 写 ITER_NOTE
3. 改代码（≤ 一个 op_type）
4. 跑 runner.once → 看 score 升降
5. ACCEPTED 自动归档；REJECTED / CRASH 自动回滚
接口映射（跨项目适配）
把本 skill 用到非 auto_research_alpha 的项目时，先确认 5 个映射：
| 本 skill 概念 | 你的项目对应（请用户确认） |
|---|
| 主分公式 | evaluation.md / score() / 评估函数 |
| 单点假设记录 | ITER_NOTE / commit message / changelog |
| 信号契约 | 你的 validate_signal() / 信号 schema |
| 实验循环命令 | py runner.py once / python train.py / 自定义 |
| 因子库目录 | factor_library/ / models/ / experiments/ |
确认不了 → 先问用户，再开始挖。
按需加载（references/）
| 何时读 | 文件 |
|---|
| 准备改代码、不确定单点假设范围 | references/op-types.md |
| 写 ITER_NOTE 不知道字段含义 | references/iter-note.md |
| 信号校验失败 / 算 IC 前 | references/signal-contract.md |
| 想知道挖什么因子族 / 已有族分布 | references/factor-families.md |
| 看反模式清单（避免常见坑） | references/anti-patterns.md |
| 项目级实战示例 | references/example-auto-alpha.md |
QA 检查清单（提交前）
跨工具适配
- OpenAI Codex / Assistants →
agents/openai.yaml
- Cursor →
agents/cursor-rule.mdc
- 无原生 skill 机制的 Agent →
agents/portable-loader.md
项目边界（量化研究合规声明）
按 QUANTSKILLS 社区规则 §8 声明。
- 数据来源：本 skill 不附带任何市场数据；使用者需自行准备行情面板（OHLCV / 涨跌停 / 停牌状态等），数据合法性与许可由使用者负责。
- 假设与参数：默认假设见各 references（T+1 开盘成交、Top 10% 等权、双边 15bp 手续费、A 股涨跌停规则等）。这些是研究阶段的标准化假设，不等同于真实交易。
- 已知限制：
- 不模拟市场冲击、不模拟集合竞价滑点、不模拟券池融券约束
- 不处理分红除权除息 / 配股 / 重大事件停牌的复杂情形
- 默认 pooled cross-section 范式，对单股序列建模、时序模型不适用
- 风险边界：本 skill 输出的因子分数 / 回测净值 / IC 诊断结果，仅反映在历史数据 + 假设条件下的统计表现，不代表未来表现。
- 用途定位：仅供量化研究、教育与方法论参考。不构成任何形式的投资建议、交易信号或获利保证。使用者据此进行实盘交易的全部后果由使用者自负。
