用途：对单个股票代码或投资组合执行结构化量化分析工作流，并进行统计验证。
主要能力：
- 数据验证：data_validator_cli.py 检查统计有效性（异常值、缺口、拆股）。
- 风险指标：risk_metrics_cli.py 提供 VaR、CVaR、Sharpe、Sortino、回撤等，资料要求最少 90 天数据。
- 动量分析：momentum_cli.py 做 confluence 分析。
- 波动率指标：volatility_cli.py 做 regime 分析。
- 相关性分析：correlation_cli.py 计算分散化与协方差矩阵。
- 因子分析：factors_cli.py 支持 Fama-French 三因子与 Carhart 四因子模型。
- 策略验证：backtester_cli.py，含交易成本与贴近现实的滑点。
- 组合优化：optimizer_cli.py 支持均值-方差、风险平价、最大 Sharpe、Black-Littman。
用法示例（命令保持原样）： uv run python -m src.analysis.risk_metrics_cli TICKER --days 252 --benchmark SPY --output json uv run python -m src.utils.momentum_cli TICKER --days 90 --output json uv run python -m src.analysis.correlation_cli TICKER1 TICKER2 --days 90 --output json uv run python -m src.strategies.optimizer_cli TICKERS --days 252 --method max_sharpe --output json
流程：先制定统计建模目标与假设，再验证数据，依次计算风险、动量、波动率、相关性、因子，最后做策略验证与组合优化。执行前需明确统计计划并取得同意；先做共享的付费 MCP 能力探测，该工作流需要 financial-datasets 提供标准化报表与文件数据，若缺失需说明 WebSearch 能否以额外验证支撑模型，否则停止并指明缺失的 MCP 与设置动作。输出返回 fin-guru-output-contract 技能，Numbers 表中每项指标需给出回看窗口，如 Sharpe (252d)；数据少于 90 天时返回该技能的 Blocked 块而非统计值。所有市场数据须带时间戳并对照当前日期验证，假设需与合规政策核对，方法需给出置信区间。
限制：资料要求最少 90 天数据方可得稳健统计；具体安装步骤、收费与价格、支持的市场范围等暂未提供。