메뉴
量化交易策略開發、回測與風險管理
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
非技術領域專業知識集合，包含商業、金融、創意、專業服務、生活、方法論等 18 個領域
數位行銷策略、內容行銷與成效分析
產品管理：PRD撰寫、用戶故事、OKR設定、路線圖規劃
專案管理：敏捷開發、Scrum、甘特圖、風險管理、團隊協作
銷售技巧：B2B/B2C 銷售、客戶開發、電商營運、成交策略
商業策略：藍海策略、差異化、競爭優勢、價值創新、商業模式設計
| schema | 1.0 |
| name | quant-trading |
| version | 1.1.0 |
| description | 量化交易策略開發、回測與風險管理 |
| triggers | {"keywords":{"primary":["quant","trading","量化","交易","backtest","回測","algo-trading","演算法交易"],"secondary":["strategy","策略","factor","因子","arbitrage","套利","hedge","對沖"]},"context_boost":["python","pandas","numpy","finance","investment","stock","futures"],"context_penalty":["design","marketing","frontend"],"priority":"high"} |
| keywords | ["finance","trading","quantitative","investment"] |
| dependencies | {"software-skills":["python","database","data-analysis"]} |
| author | claude-domain-skills |
系統化、數據驅動的交易策略開發
假說形成 → 數據準備 → 策略編寫 → 回測驗證 → 風險控制 → 實盤監控
| 類型 | 說明 | 風險 |
|---|---|---|
| 趨勢跟蹤 | 順勢而為，追漲殺跌 | 震盪市場虧損 |
| 均值回歸 | 價格偏離後回歸 | 趨勢市場虧損 |
| 統計套利 | 配對交易、價差收斂 | 相關性崩潰 |
| 高頻交易 | 微秒級別的價差捕捉 | 技術風險高 |
| 指標 | 公式 | 良好標準 |
|---|---|---|
| 夏普比率 | (收益 - 無風險) / 標準差 | > 1.5 |
| 最大回撤 | 峰值到谷值的最大跌幅 | < 20% |
| 卡瑪比率 | 年化收益 / 最大回撤 | > 1.0 |
| 勝率 | 獲利交易 / 總交易 | > 50% |
| 因子 | 說明 | 邏輯 |
|---|---|---|
| 價值 | P/E, P/B 低 | 便宜股票長期表現好 |
| 動量 | 過去漲的繼續漲 | 趨勢持續性 |
| 品質 | ROE 高、負債低 | 好公司溢價 |
| 規模 | 小型股溢價 | 流動性補償 |
| 波動 | 低波動異常 | 低風險高報酬 |
| 錯誤 | 正確做法 |
|---|---|
| 回測收益驚人就上線 | 檢查是否過度擬合 |
| 忽略交易成本 | 加入真實手續費和滑價 |
| 用全部數據訓練 | 分割訓練/驗證/測試集 |
| 單一策略 All-in | 多策略組合分散風險 |
sharpe.*[3-9]\.|sharpe.*\d{2,}shift\(-|iloc\[-1\].*todaysignal = prices.shift(1) > ma.shift(1)Layer 1 交易層: 單筆停損 2%、根據波動度設定停利、移動停損保護利潤 Layer 2 策略層: 單策略不超過 20% 總資金、回撤超 15% 減半部位 Layer 3 組合層: 每日 VaR 不超過 2%、壓力測試、保持 20% 現金
f* = (p × b - q) / b
f* = 最佳投注比例, p = 勝率, q = 敗率, b = 賠率
範例：勝率 55%, 賠率 1.5 → f* = 25%（實務用 Half-Kelly 12.5%）
| 風險 | 說明 | 對策 |
|---|---|---|
| 滑價 | 成交價與預期價差異 | 限價單、分批執行 |
| 流動性 | 無法成交足夠數量 | 避免小型股、設定上限 |
| 系統故障 | 程式/網路中斷 | 備援系統、人工監控 |
| 黑天鵝 | 極端事件 | 部位上限、停損機制 |
量化交易涉及高風險，歷史績效不代表未來表現。本內容僅供教育參考，不構成投資建議。