# Quant Trading

> 量化交易策略開發、回測與風險管理

- **Type:** Skill
- **Install:** `agentstack add skill-miles990-claude-domain-skills-quant-trading`
- **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior
- **Seller:** [miles990](https://agentstack.voostack.com/s/miles990)
- **Installs:** 0
- **Category:** [Finance & Payments](https://agentstack.voostack.com/c/finance-and-payments)
- **Latest version:** 0.1.0
- **License:** MIT
- **Upstream author:** [miles990](https://github.com/miles990)
- **Source:** https://github.com/miles990/claude-domain-skills/tree/main/finance/quant-trading/skills/quant-trading

## Install

```sh
agentstack add skill-miles990-claude-domain-skills-quant-trading
```

Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent.

## About

# 量化交易 Quant Trading

> 系統化、數據驅動的交易策略開發

## 適用場景

- 開發交易策略（趨勢跟蹤、均值回歸、套利）
- 策略回測與績效分析
- 風險管理與部位控制
- 因子研究與 Alpha 挖掘

## 策略開發流程

```
假說形成 → 數據準備 → 策略編寫 → 回測驗證 → 風險控制 → 實盤監控
```

## 核心知識

### 策略類型

| 類型 | 說明 | 風險 |
|------|------|------|
| **趨勢跟蹤** | 順勢而為，追漲殺跌 | 震盪市場虧損 |
| **均值回歸** | 價格偏離後回歸 | 趨勢市場虧損 |
| **統計套利** | 配對交易、價差收斂 | 相關性崩潰 |
| **高頻交易** | 微秒級別的價差捕捉 | 技術風險高 |

### 風險指標

| 指標 | 公式 | 良好標準 |
|------|------|----------|
| **夏普比率** | (收益 - 無風險) / 標準差 | > 1.5 |
| **最大回撤** | 峰值到谷值的最大跌幅 |  1.0 |
| **勝率** | 獲利交易 / 總交易 | > 50% |

### 常見因子

| 因子 | 說明 | 邏輯 |
|------|------|------|
| **價值** | P/E, P/B 低 | 便宜股票長期表現好 |
| **動量** | 過去漲的繼續漲 | 趨勢持續性 |
| **品質** | ROE 高、負債低 | 好公司溢價 |
| **規模** | 小型股溢價 | 流動性補償 |
| **波動** | 低波動異常 | 低風險高報酬 |

### 回測檢查清單

- **數據品質**: 是否有生存者偏差？
- **前視偏差**: 是否使用了未來數據？
- **過度擬合**: 參數是否過度優化？
- **交易成本**: 是否包含手續費、滑價？
- **樣本外測試**: 是否保留測試集？

## 最佳實踐

1. **先簡單後複雜** - 從簡單策略開始，逐步增加複雜度
2. **樣本外驗證** - 永遠保留一段數據做最終測試
3. **考慮交易成本** - 回測時加入真實的手續費和滑價
4. **分散風險** - 不要把所有資金押在單一策略
5. **持續監控** - 實盤後監控策略表現，設定停損條件

## 常見錯誤

| 錯誤 | 正確做法 |
|------|----------|
| 回測收益驚人就上線 | 檢查是否過度擬合 |
| 忽略交易成本 | 加入真實手續費和滑價 |
| 用全部數據訓練 | 分割訓練/驗證/測試集 |
| 單一策略 All-in | 多策略組合分散風險 |

## Sharp Edges

### SE-1: 回測過度擬合
- **嚴重度**: critical
- **情境**: 策略在回測中表現優異（夏普 > 3），但實盤虧損
- **原因**: 參數針對歷史數據過度優化，捕捉的是噪音而非信號
- **症狀**: 回測夏普 > 3、實盤表現  ma.shift(1)`

### SE-3: 生存者偏差
- **嚴重度**: high
- **情境**: 只使用當前存在的股票進行回測
- **原因**: 退市、下市的股票被排除，導致高估策略表現
- **症狀**: 回測報酬明顯高於實際、小型股策略表現特別好
- **解決**: 使用包含退市股票的完整數據庫、使用 Point-in-Time 數據

### SE-4: 忽略交易成本與滑價
- **嚴重度**: high
- **情境**: 高頻換手策略看起來很賺錢
- **原因**: 沒有計入手續費和滑價，實際成本吃掉所有利潤
- **症狀**: 年換手率 > 1000%、單筆獲利 < 0.5%、回測用收盤價成交
- **解決**: 計入 commission (0.1%) + slippage (0.2%) = 每筆 0.3%

### SE-5: 過度自信於樣本內績效
- **嚴重度**: medium
- **情境**: 只看樣本內回測結果就決定上線
- **原因**: 沒有保留獨立的測試集
- **症狀**: 沒有 out-of-sample 測試、驗證集被重複使用、測試集數據量太少
- **解決**: 數據分割 60/20/20（訓練/驗證/測試），測試集只用一次

## 風險管理框架

**Layer 1 交易層**: 單筆停損 2%、根據波動度設定停利、移動停損保護利潤
**Layer 2 策略層**: 單策略不超過 20% 總資金、回撤超 15% 減半部位
**Layer 3 組合層**: 每日 VaR 不超過 2%、壓力測試、保持 20% 現金

### Kelly 公式

```
f* = (p × b - q) / b
f* = 最佳投注比例, p = 勝率, q = 敗率, b = 賠率
範例：勝率 55%, 賠率 1.5 → f* = 25%（實務用 Half-Kelly 12.5%）
```

### 執行風險

| 風險 | 說明 | 對策 |
|------|------|------|
| **滑價** | 成交價與預期價差異 | 限價單、分批執行 |
| **流動性** | 無法成交足夠數量 | 避免小型股、設定上限 |
| **系統故障** | 程式/網路中斷 | 備援系統、人工監控 |
| **黑天鵝** | 極端事件 | 部位上限、停損機制 |

## 工具推薦

- **Backtrader** - Python 回測框架
- **QuantConnect** - 雲端量化平台
- **TradingView** - 圖表分析和策略測試
- **Zipline** - Quantopian 開源回測引擎

## 延伸資源

- 程式碼範例: [extended/code-examples.md](extended/code-examples.md)
- 模板與 Checklist: [extended/templates.md](extended/templates.md)

## 參考資源

- Quantitative Trading - Ernest Chan
- Advances in Financial Machine Learning - Marcos Lopez de Prado

## 免責聲明

量化交易涉及高風險，歷史績效不代表未來表現。本內容僅供教育參考，不構成投資建議。

## Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [miles990](https://github.com/miles990)
- **Source:** [miles990/claude-domain-skills](https://github.com/miles990/claude-domain-skills)
- **License:** MIT

Install and usage instructions live in the source repository linked above.

## Pricing

- **Free** — Free

## Security capabilities

Automated source analysis of v0.1.0 — what this tool can access:

- **Network access:** no
- **Filesystem access:** no
- **Shell / process execution:** no
- **Environment & secrets:** no
- **Dynamic code execution:** no

*"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.*


## Versions

- **0.1.0** — security scan: passed — Imported from the upstream source.

## Links

- Listing page: https://agentstack.voostack.com/l/skill-miles990-claude-domain-skills-quant-trading
- Seller: https://agentstack.voostack.com/s/miles990
- Browse the marketplace: https://agentstack.voostack.com/browse

---
Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.