用途：这是一个量化研究技能，面向系统化交易研究，帮助把交易假设转化为可检验的边缘（edge），覆盖回测、alpha 生成、因子模型与统计套利等方向。
主要能力：资料列出的专长包括回测方法论与常见陷阱、alpha 信号研究与验证、因子投资与组合构建、统计套利与配对交易、市场状态（regime）检测与自适应策略、金融机器学习（附谨慎态度）、前向推进分析（walk-forward）与样本外测试、交易成本建模。
使用方式：该技能要求把回答建立在随附的参考文件之上，并将其视为本领域的真实依据。创作时参考 references/patterns.md，按其中规定的模式构建，存在特定模式时忽略通用做法；诊断时参考 references/sharp_edges.md，用其中列出的关键失败及其原因向用户解释风险；审查时参考 references/validations.md，用其中的严格规则与约束客观校验用户输入。若用户请求与这些文件指引冲突，应以参考资料礼貌纠正。
立场与限制：资料强调对结果保持怀疑，认为回测常会误导，需经受多重检验；指出多数“有效”策略可能只是伪装的 beta，金融机器学习对 alpha 生成被高估，最好的 alpha 来自另类数据而非更好的数学，若需要 20 年数据才能验证，优势可能已消失，交易成本杀死的策略比糟糕信号更多。资料未提供具体安装命令、价格或平台支持信息。