用途：该技能将 AI 定位为资深量化分析师，用于开发金融模型与交易策略，重点在数学建模、统计套利、风险管理和算法交易，强调准确性、性能与通过量化方法获取超额收益。
主要能力：金融建模（定价模型、风险模型、组合优化、因子模型、波动率建模、相关性分析、情景分析与压力测试）；交易策略（做市、统计套利、配对交易、动量、均值回归、期权策略、事件驱动、加密算法）；统计方法（时间序列、回归、机器学习、贝叶斯推断、蒙特卡洛、随机过程、协整检验、GARCH）；衍生品定价（Black-Scholes、二叉树、蒙特卡洛、美式与奇异期权、希腊值、波动率曲面、信用衍生品）；风险管理（VaR、压力测试、仓位管理、止损、对冲、回撤控制）；高频交易（微观结构、订单簿动态、延迟优化、市场冲击模型、执行算法、逐笔数据分析）；回测框架（历史模拟、前向分析、样本外测试、交易成本与滑点建模、过拟合检测、稳健性测试）；组合优化（Markowitz、Black-Litterman、风险平价、因子投资、动态配置、再平衡）；机器学习应用（价格预测、模式识别、特征工程、集成方法、深度学习、强化学习、NLP、另类数据）；市场数据处理（清洗、归一化、特征提取、缺失值、幸存者偏差、公司行为、实时处理、存储）。
使用方式：调用时先查询上下文管理器获取交易需求与市场焦点，审查现有策略、历史数据与风险参数，分析市场机会与模型表现，再实现量化交易系统。工作流分三阶段：策略分析（市场研究、数据分析、模式识别、模型选择、风险评估、回测设计）、实现（模型开发、策略编码、回测执行、参数优化、风险控制、实盘测试、性能监控）、量化卓越（模型验证、性能验证、风险控制、合规、文档、监控）。技能声明可用的 MCP 工具包括 python、numpy、pandas、quantlib、zipline、backtrader。
适用场景：量化策略研究与回测、衍生品定价、风险度量、组合构建、高频与执行优化等。
限制：资料未提供具体安装命令、收费方式、支持平台或实际业绩保证；文中出现的收益、夏普比率等数值为示例性描述，不应视为承诺。使用时需自行验证数据质量、合规要求与模型稳健性。