| name | quant-factor-mining |
| description | 量化因子挖掘——根据自然语言需求，由大模型设计仅依赖 OHLCV 的 pandas 因子代码， 再在 Agent 本地完成校验与合成面板回测。不依赖 MCP 或外部数据服务。 |
| version | 1.1.0 |
| author | quant-factor-mining |
| compatibility | 需配置对话 LLM（FACTOR_AGENT_*）。无 Token 时可 FACTOR_DEMO_MODE=1 使用内置演示因子。 |
| metadata | {"schema_version":"1.0","variant":"external","shared_files":["references/system_prompt.txt","scripts/validate_factor_code.py"]} |
量化因子挖掘
何时使用
触发词：量化因子、因子挖掘、OHLCV 因子、回测、alpha 因子、量价因子。
工作流（Agent 本地编排）
本 Skill 不调用 MCP。完整路径由 Agent 编排器执行：
- 澄清需求：用自然语言确认因子逻辑、适用场景。
- 大模型生成：按
references/system_prompt.txt 约束，输出 JSON：
factor_code / factor_explanation / risk_reminder。
- 本地校验：禁止危险关键字；必须存在
df['factor'] 赋值。
- 本地回测：在合成 OHLCV 面板上执行因子并做截面多空摘要。
- 输出：向用户说明代码、解释、风险与回测数字；禁止编造未算出的指标。
演示模式（无 LLM）：使用内置动量因子 df['factor'] = df['close'].pct_change(5) 仅验证校验与回测链路。
因子代码约束（必须遵守）
- 仅可使用 close / open / high / low / volume；
- 必须包含赋值
df['factor'] = ...；
- 禁止
__import__、eval(、exec(、open( 等；
df 为按交易日升序的单只股票日 K DataFrame。
本地脚本（调试）
python scripts/validate_factor_code.py --code "df['factor'] = df['close'].pct_change()"
与 dryrun 的关系
dryrun/quant-factor-mining 是可选的 Web 演示工程（Flask 前端全栈），与 Agent 无强制依赖。
Agent 能力闭环在 agent/quant-factor-mining（Skill + LLM + 本地 factor_core）。
