com um clique
stock_strategy_lab
stock_strategy_lab contém 28 skills coletadas de adennng, com cobertura ocupacional por repositório e páginas de detalhe dentro do site.
Skills neste repositório
为 BudgetAgent 汇总已登记的信号层资产行情数据,生成预算层统一 OHLCV 面板、收益率宽表和数据清单。
为 BudgetAgent 基于预算层统一多资产行情面板生成 train、validation 和 walk-forward 数据切分。
指导 BudgetAgent 在预算层训练结束时登记最终选择的预算策略,生成最终选择报告并更新 budget_run_state.json。
指导 BudgetAgent 按结构化预算策略规范生成 budget_policy_config.json、budget_policy_spec.md、param_space.json 和 budget_policy_meta.json。
指导 BudgetAgent 一次性评估单个或多个预算层策略,生成参数搜索、回测摘要、阶段归因和横向排名产物。
为 BudgetAgent 生成预算层资产池画像;第一步自动补全资产简称、类型、市场、行业/主题等元数据。
为 BudgetAgent 创建预算层任务,扫描已有信号层 run 目录,复制信号层最终策略小文件,并生成标准 budget_run_state.json。
BudgetCriticAgent 用于横向比较多个预算层策略评估结果或批量评估结果,输出排名解释、保留/放弃建议和下一轮预算策略方向。
BudgetCriticAgent 用于复盘单个预算层策略评估结果,分析参数搜索、回测、walk-forward、阶段归因,并输出下一轮预算策略优化建议。
通用图片理解 skill。无论当前 Agent 使用的模型是否支持多模态,都可以调用独立多模态服务读取本地图片并返回文字描述。
CriticAgent 用于横向比较多个策略 attempts,输出排名、保留/回退/废弃建议和 selection_advice。
CriticAgent 用于复盘单个策略 attempt 的完整流程,包含读取产物、阶段归因、过拟合判断、基准对比、风险分析和输出 next_action。
使用 AKShare 获取公开金融和经济数据。适用于股票、指数、基金、期货、债券、期权、外汇、宏观、利率、能源、另类数据等公开数据获取任务,尤其是用户要求 AKShare 或公开接口时。
使用本机 MiniQMT / xtquant 获取和处理行情、财务、板块、交易日历、tick、Level2、账户相关数据。适用于从 QMT、MiniQMT、xtdata、xtquant 获取 A 股股票、指数、ETF、可转债、期货等数据的任务。
指导 PortfolioAgent 对组合层已有多资产行情面板生成 full-only 或 train/validation/walk-forward 数据切分。
指导 PortfolioAgent 对指定组合层版本执行融合策略评估:读取 fusion_policy.py,运行预算层与信号层,调用 PortfolioFusionEngine 生成最终权重并回测。
指导 PortfolioAgent 从已评估的组合层版本中选择最终版本,登记 final_selection,并复制标准化最终文件到 final/ 目录。
初始化组合层融合策略版本:自动复制预算层和信号层快照,生成 fusion_manifest.json 和组合层五件套初始文件,避免 PortfolioAgent 手工复制大量文件。
指导 PortfolioAgent 编写组合层基础融合策略 fusion_policy.py,并在最终候选版确定后生成 DailyPortfolioAgent 或人工每日复核提示词、决策契约和复核场景。
指导 PortfolioAgent 在编写组合层 fusion policy 前生成组合层画像:资产池、预算层独立表现、信号层输出、预算/信号关系和相关性事实。
指导 PortfolioAgent 创建组合层任务目录,复制预算层最终策略、预算层记忆文件和信号层最终策略源产物,并生成 portfolio_run_state.json。
在组合层画像之后,生成每个资产信号层最终策略的结构化画像,供 PortfolioAgent 编写组合层融合策略时使用。
指导 PortfolioCriticAgent 对组合层 fusion policy 版本做单版本复盘或多版本横向比较,生成复盘报告、结构化结论和下一轮优化建议。
SignalAgent 写好策略文件后,评估单个或批量 attempt,完成策略保存、参数搜索、回测、摘要和阶段归因。
为 SignalAgent 生成时间序列训练集、验证集和 walk-forward 验证切分,供参数搜索、遗传算法评估、复盘和稳健性检查使用。
为 SignalAgent 生成单资产市场画像,包含基础摘要、收益分布、回撤、趋势、波动、阶段划分、成交量画像和事实型文字描述。
为 SignalAgent 创建和理解信号层任务运行状态,包括标准 signal run 目录、run_state.json、任务元数据、数据目录、市场画像目录、attempts 目录、最终策略目录、run 级报告目录和 backtest_config。
指导 SignalAgent 按模块化信号策略规范生成 strategy.py、strategy_spec.md、param_space.json 和 strategy_meta.json。