TangTrades 方法论技能，用于 Jeffrey Tang 的量化研究、尽职调查与品牌化分析交付，核心原则是数据质量优先：所有数字须来自实时工具调用或一手文件，来源为空时先直接 HTTP 探测；超过 7–14 天的陈旧数据除非明确标注为历史背景否则不予采用。输出强调信噪比与明确观点，不做无信息量的铺垫或对冲式表述，数据与论点冲突时需指明但仍给出结论。
组合框架将持仓与项目分为 L（流动：现货、永续、资金费率套利、做市）、V（风投：TGE 前配售、SAFT、OTC）、B（建设：套利与 HFT 项目、仪表盘、研究工具），分析框架因桶而异。量化流程为：先立论点，再从 CoinGecko、Hyperliquid、Coinglass、交易所 API 等获取真实 OHLCV、资金费率、持仓量与订单簿数据；用 LISA_QUANT 框架（github.com/tangtrades/lisa_quant）做含滑点、资金成本与成交假设的回测，产出 Sharpe、Sortino、Calmar 对比的 tearsheet 并迭代。
尽调覆盖代币经济学与解锁（tokenomist，对照官方文档与链上）、市场结构（coinglass、coingecko）、团队与投资人（rootdata）、协议机制（文档与链上分析）、社交情绪（twitter、lunarcrush），且关键数据须至少两个独立来源交叉验证。TGE 前估值仅写“$Xmm 估值，领投方”，TGE 后给出熊/基/牛情景与价格目标。交付物含 1-pager、10–12 页投资档案、Vercel 交互仪表盘、回测 tearsheet 与风投雷达，采用 AlphaRunner 品牌配色与字体，PDF 通过无头 Chromium 导出。
限制：不提供无证据的财务建议，不编造交易所标签或未验证面板数据，不在未部署前发布链接，不重复使用陈旧数据。资料未提供收费、价格与具体安装命令。