quant-real-factor-10d-smoothed-sma-gap

Use when computing the 10D Smoothed SMA Gap factor from user-supplied OHLCV data or reviewing its bundled real-data validation metrics.

Opciones de instalación

De forma predeterminada está seleccionado el prompt que primero revisa el origen. Puedes cambiar a un comando directo o descargar una copia local.

Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.

Un comando directo omite el prompt de revisión. Revisa el origen antes de ejecutarlo.

npx skills add https://github.com/quantskills/skill-quant-factor-directional-alpha --skill quant-real-factor-10d-smoothed-sma-gap

El comando permanece en una sola línea. Desplázate horizontalmente para revisarlo antes de copiarlo.

¿Prefieres una copia local? Descarga los archivos que SkillsMP tiene disponibles ahora.

Lee SKILL.md y los archivos complementarios que muestra SkillsMP antes de decidir si quieres instalarlo.

Explorador de archivos

8 archivos

SKILL.md

Instrucciones de origen · Vista previa de solo lectura

name	quant-real-factor-10d-smoothed-sma-gap
description	Use when computing the 10D Smoothed SMA Gap factor from user-supplied OHLCV data or reviewing its bundled real-data validation metrics.
metadata	{"organization":"QuantSkills","organization_url":"https://github.com/quantskills","repository":"skill-quant-factor-directional-alpha","repository_url":"https://github.com/quantskills/skill-quant-factor-directional-alpha","collection":"directional-alpha","factor_id":"R598","category":"Trend","license":"GPL-3.0-only","copyright":"Copyright (C) 2026 QuantSkills"}

Use this Skill to compute 10日平滑均线偏离 / 10D Smoothed SMA Gap from caller-provided OHLCV data.

Load a pandas.DataFrame with open, high, low, close, volume; include date and symbol for cross-sectional research.
Call scripts/factor.py::compute_factor(df) to compute the factor column.
Call generate_signals(df) for a simple rank-based long/short signal.
Review validation_real/report.md before using the factor in a model.

Framework-neutral Python: pandas and numpy.
The caller owns data vendor, universe, calendar, costs, slippage, and execution modeling.