factor-evaluate

name	factor-evaluate
description	Use when an agent needs to evaluate a single quantitative factor or signal with rank IC, Pearson IC, Sharpe, maximum drawdown, monotonicity, turnover, and a normalized composite score report.
quantSkills	{"project_type":"skill","category":"tooling","tags":["factor-evaluation","ic","sharpe","monotonicity","turnover"],"platforms":["claude-code","codex","openclaw","cursor"],"status":"stable","validation_level":"listed","maintainer_type":"community","summary_zh":"不是回测引擎，而是给单个因子打综合分的评价 Skill：双 IC + Sharpe + MDD + 单调性 + 换手 → 归一加权主分。","summary_en":"Single-factor evaluation skill covering rank IC, Pearson IC, Sharpe, drawdown, monotonicity, turnover, and composite scoring.","license":"GPL-3.0"}

{
  "version": 1,
  "task": {
    "placeholder": "补充样本区间、数据路径、评估口径或特别关注项（可选）",
    "required": false
  },
  "fields": [
    {
      "key": "factor",
      "label": "内置因子",
      "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": "动量（20日）" },
        { "value": "reversal_5", "label": "反转（5日）" },
        { "value": "lowvol_20", "label": "低波动（20日）" },
        { "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": "例如：-1 * correlation(rank(open), rank(volume), 10)",
      "help": "非空时覆盖内置因子"
    },
    {
      "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}}评估因子 {{factor}}{{#expr}}（自定义表达式以 {{expr}} 为准）{{/expr}} 在 {{universe}} 股票池、未来 {{horizon}} 日收益口径下的截面有效性，完整计算 Rank IC、Pearson IC、IC IR、Sharpe、年化收益、最大回撤、分组单调性、换手率及归一化综合分，并说明数据质量和回测假设，输出中文报告。"
}

Factor Evaluate

给定一个截面信号 [date × symbol]，输出完整体检报告：截面有效性 / 风险调整收益 / 稳健性 / 换手成本 → 一个可比的主分。

核心规则

1. 七项指标全覆盖：双 IC + IC_IR + Sharpe + Ann.Return + MDD + Monotonicity + Turnover（详见 references/metrics.md）
2. 永远算双 IC：rank IC 和 Pearson IC 同时算并对照（细则：references/dual-ic.md）
3. 归一加权主分：每个分量先归一到 ~[-2, +2]，再按权重加（公式：references/primary-score.md）
4. 项目已有 primary_score() 永远优先调用 —— 不要自己另写"近似版"，那叫绕过评估宪法
5. 单看一个数会被刷：报告必须给六联拆解，不能只给一个 score 数字

工作流（标准 6 步）

1. 校验信号契约（截面规模 / 均值 / std / NaN 占比）
2. 算 rank IC + Pearson IC 时序
3. 算多头回测：T+1 开盘买 Top 10%、等权、双边 15bp、T+1+H 卖（详见 backtest skill）
4. 算分组单调性（5 或 10 分位）
5. 算换手率
6. 套主分公式 → 输出 ScoreReport

接口映射

本 skill 概念	你的项目对应
主分公式	evaluation.md 锁定的 primary_score()
信号	[date × symbol] 浮点 DataFrame
行情 panel	含 open / close / high / low / volume
HORIZON	必须等于信号声明的 H

调用项目内的 primary_score() 时：传 (signal, panel, horizon, label_kind)，得到 ScoreReport。不要自己重写。

按需加载

何时读	文件
想知道每项指标算法	references/metrics.md
rank vs Pearson IC 对照解读	references/dual-ic.md
主分公式细节 / 调权	references/primary-score.md
输出报告格式	references/report-format.md
反模式（刷 IC / 未来函数 / ...）	references/anti-patterns.md

QA 检查清单

• 同时算了 rank IC 和 Pearson IC？
• forward return 用 open[T+1+H] / open[T+1] - 1，不是 close？
• 涨跌停 / 停牌已剔除？
• 报告含六联拆解，不只一个数？
• 调用了项目内的 primary_score()，没有另写？

跨工具适配

• OpenAI Codex / Assistants → agents/openai.yaml
• Cursor → agents/cursor-rule.mdc
• 无原生 skill 机制 → 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。