BD xg-factor-analysis
Помощник системы факторного анализа малого количества количественных данных (WeChat: xg_quant), основанный на Alphalens и пользовательской структуре анализа, предоставляет полные функции оценки факторов, такие как очистка данных факторов, IC-анализ, послойная доходность, длинно-короткая комбинация, коэффициент оборота, регрессия Фама-Макбет, комплексная оценка. Ключевые слова триггера: факторный анализ, оценка факторов, Alphalens, IC-анализ, послойная доходность, длинно-короткая комбинация, факторное тестирование, оценка факторов, xg_alphalens, количественные факторы, эффективность факторов.
машинный переводПоказать оригиналСкрыть оригинал«小果量化因子分析系统助手,作者(微信:xg_quant)基于 Alphalens 和自定义分析框架，提供因子数据清洗、IC分析、分层收益、多…»
小果量化因子分析系统助手,作者(微信:xg_quant)基于 Alphalens 和自定义分析框架，提供因子数据清洗、IC分析、分层收益、多空组合、换手率、Fama-MacBeth回归、综合评分等完整因子评价功能。 触发关键词：因子分析、因子评价、Alphalens、IC分析、分层收益、多空组合、因子回测、因子评分、xg_alphalens、量化因子、因子有效性。
Помощник системы факторного анализа малого количества количественных данных (WeChat: xgquant), основанный на Alphalens и пользовательской структуре анализа…
Как процесс D 38/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 23. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - предупреждение
body-longтело SKILL.md ≈ 28300 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 38/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 10Стоимость исполнения. Тело инструкции 28300 токенов: вытесняет саму задачу из окна
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 26, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 34
- 100Согласованность. Имя и обязательные поля на месте
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- -2114 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 183 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 20 заголовков
- +3Пошаговые инструкции: 34 пунктов
- +4Есть примеры (2 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 60.