用途：该技能以 D.E. Shaw 的量化投资理念为蓝本，指导构建系统化交易系统，把金融问题当作计算与工程问题处理，强调科学方法优于直觉。
主要能力：提供研究流水线架构，支持实验追踪、版本控制、时点正确（point-in-time）数据加载与数据质量校验；提供多因子风险模型，将组合风险分解为系统性因子风险与特异性风险，并支持压力测试；提供模块化策略框架，将 alpha 模型、风险模型、执行模型与组合构建器组合成策略；提供带约束的均值方差组合优化，包括多头限制、仓位上限、行业限制、全额投资与美元中性等。
使用方式：资料给出 Python 类结构示例，如 ResearchPipeline、RiskModel、StrategyFramework、ComposedStrategy、PortfolioOptimizer，展示从假设检验、风险估计、组合优化到交易生成与执行调度的流程。核心原则包括：先写清晰可检验的假设；分离 alpha 研究与执行；每层内置风险管理；对代码、数据、模型、配置全部版本控制；记录假设与局限；避免样本内外混淆、忽略市场状态变化、假设相关性稳定、未经充分测试即部署、只优化单一指标。
适用场景：量化策略研究、因子模型开发、组合风险分析、交易系统架构设计。
限制：资料未提供具体安装命令、依赖版本、运行环境、收费方式或实际业绩数据；示例代码为示意性结构，未给出完整可运行实现，实际使用需自行补齐数据源、计算集群与求解器。