@zasset/za-analysis:资产定价与机器学习研究的端到端分析插件

前言

DeepSeek Harness (DSH) 采用“一切皆插件”的架构。在实证资产定价和机器学习研究场景中,研究者往往需要整合文献综述、数据评估、模型训练与报告生成。ZA Research analysis stage 插件旨在提供这一端到端的自动化工作流。

这是什么

这是 Z Asset 维护的模型推理类插件,面向资产定价与机器学习/深度学习研究,提供从数据处理到模型训练及报告生成的全流程支持。

核心功能

插件主要包含以下能力:
* 端到端模型训练与估计
* 资产定价 + 机器学习/深度学习研究
* 文献综述
* 数据处理
* 模型训练
* 写报告
* 做 PPT

安装与启用

使用官方安装命令添加插件:

dsh plugin --profile <你的profile> add zresearch-analysis

也可以通过 npm 安装:

npm install zresearch-analysis

安装后,在 DSH 会话中按需触发(模型会根据任务自动加载对应 skill)。

典型用法

在 DSH 会话中输入以下指令即可触发对应功能:
* 文献综述:问「帮我做文献综述 / 找相关论文」
* 数据处理:问「帮我找数据 / 评估数据集」
* 模型训练:问「跑回归 / 训练 ML 模型 / 横截面收益预测」
* 写报告:问「写论文 / 起草章节」
* 做 PPT:问「做演讲 PPT / Beamer / job market talk」

适用场景与注意

该插件适合进行实证资产定价、因子模型、横截面收益预测及 GMM/SDF 等研究的用户。插件以当前 DSH 进程的权限运行,安装前应检查源码与许可证。

资源

  • 插件目录:https://www.skillhub.cn/plugins/Z-Asset/ZA_analysis
  • 源码地址:https://github.com/Z-Asset/ZA_analysis
羽毛球分组比赛记分
小程序二维码

欢迎使用《羽毛球分组比赛记分》微信小程序

小夜