前言¶
写因子代码的人通常会遇到两件事：一是技术指标散落在各处，通达信公式、TA-Lib、自研脚本，口径对不齐；二是全市场批量算因子时，单股循环跑得极慢。小果量化因子库把这两件事合并到一个 Python 包里：底层是 600+ 方法的因子计算类，上层是全市场批量并行引擎，另附通达信底层函数库与 WorldQuant Alpha 批量函数版。下面介绍它的定位、组件划分、能力边界与使用入口。
这是什么¶
小果量化因子库是一个集成了数百个技术指标、Alpha 因子和交易信号的 Python 量化因子计算系统，由社区开发者 user_676c825d 发布维护，在 SkillHub 上的分类是 data-analysis，版本 1.0.3，来源标记为 community。
它要解决的问题是：因子计算这件事缺少统一入口。同一类指标（例如均线、动量、波动率）在不同库中的参数定义和边界处理常有差异，导致回测结果不可比；而全市场全历史批量计算又需要自己搭任务切分、缓存和并发。这个库把这两层都做了封装。
SkillHub 页面显示评分 100000、下载 1639 次、安装 0 次（2026-10-30 抓取）。安装数为 0 这点值得留意，说明它更可能处于早期推广阶段，实际使用前需要自行验证。
顶层命名空间与组件划分¶
系统以 xg_factor_trader 为顶层命名空间，内部拆成五个部分，职责划分比较清晰：
xg_factor_trader：批量引擎，负责全市场批量并行计算，是调用入口。xg_factor：底层因子计算类，提供 600+ 方法，包含 WorldQuant alpha001~alpha191。xg_tdx_func：通达信底层函数库，用于对齐通达信公式口径的指标计算。alpha：Alpha 批量函数版，面向 WorldQuant Alpha 的批量调用。xg_quant_backtrader_data：远程数据与回测客户端，对接数据源和回测链路。
分层逻辑是：xg_factor 和 xg_tdx_func 管单股因子，xg_factor_trader 和 alpha 管批量，xg_quant_backtrader_data 管数据与回测。需要单因子诊断时直接用底层类，需要全市场排序时走批量引擎。
核心能力¶
一是多品种支持，覆盖股票、ETF、基金、可转债，可以做单股因子计算，也可以做全市场批量并行计算。二是内置 608 因子配置表，这张表把因子名称、参数、品种适配关系固定下来，下游可以直接按表取因子，不需要自己维护映射。三是可以直接对接下游策略形态，包括排序多因子、条件多因子和 Alpha 选股。
配套能力上，xg_tdx_func 的作用是减少口径迁移成本：如果你现有策略是通达信公式写的，把公式拆成库内函数即可复现，不必改写成另一套指标定义。
适用范围按官方说明覆盖量化研究员、因子挖掘者、多因子选股开发、技术指标研究者、WorldQuant Alpha 研究者、ETF/基金轮动投资者六类人群。触发关键词包括小果因子、量化因子、因子计算、xg_factor、xg_factor_trader、xg_tdx_func、alpha101、alpha191、WorldQuant、技术指标、因子选股、全市场因子、批量因子、因子表、单因子、多因子。
安装与启用¶
该 Skill 基于通用 SKILL.md 格式分发，通过 SkillHub 平台获取。
需要说明的是：本次撰写时（2026-10-30）官方页面 https://api.skillhub.cn/user_676c825d/xgfactor 与 SkillHub 展示页 https://www.skillhub.cn/skills/user_676c825d/xgfactor 均抓取失败，已抓取资料中没有包含安装命令、目录结构、配置字段和启用步骤。因此本文不给出具体命令，避免编造。
在补齐信息之前，建议这样推进：
1、先访问官方地址，确认 Skill 包内容与依赖声明（Python 版本、第三方库、数据源要求）。
2、确认是否需要 API key。资料显示标签为 requires_api_key=false，但这只说明平台侧标记，远程数据客户端 xg_quant_backtrader_data 是否仍需要凭证要单独看文档。
3、在本地小样本上验证单股因子计算，再跑全市场批量，最后接下游策略。
补充一点：这类 Skill 的安装方式在不同工具上通常存在差异，Cursor、Codex CLI、Claude Code 的读取 SKILL.md 的路径规则并不相同。本次未能核实到任何一家的具体差异，所以不逐一展开，以官方页面说明为准。
典型用法¶
这部分同样无法核实。已抓取资料只提供了简介层面的能力描述，没有给出可复现的调用示例、参数签名或返回结构。
按命名空间推测的调用路径是：单股因子走 xg_factor（或需要通达信口径时走 xg_tdx_func），全市场批量走 xg_factor_trader，Alpha 批量走 alpha，数据与回测走 xg_quant_backtrader_data。但具体的类名、方法名、入参顺序和返回格式，本文不写，需要你打开官方页面后自行确认。
适用场景与注意¶
适合的场景：想在统一口径下比较技术指标与 Alpha 因子表现的人；需要把通达信公式快速搬到 Python 的人；打算直接基于 608 因子表搭排序多因子或条件多因子的人；以及研究 WorldQuant alpha001~alpha191 的因子挖掘者。
需要注意的地方有三点。
一是安装数与成熟度。下载 1639 次、安装 0 次的数据说明实际使用规模可能不大，遇到边界问题（停牌、退市、上市首日、可转债转股）时，库内的处理未必符合你的预期，建议先抽查几个因子的数值与自行实现的结果对比。
二是 608 因子配置表是库方定义的清单，不是市场通用标准。你的下游策略如果依赖特定因子组合，需要确认这些因子在表中的实现口径与你的回测一致，否则会出现”因子同名不同义”的问题。
三是数据源依赖。批量计算和回测客户端指向远程数据服务，网络与数据覆盖范围会直接影响可用性，离线环境或对数据源有合规要求的场景需要提前评估。
结尾¶
小果量化因子库的价值在于把因子计算从”自己拼装”变成”按命名空间调用”：底层类负责单股因子口径，批量引擎负责全市场并行，608 因子表负责对接下游策略。它适合作为因子研究和多因子选股开发的计算底座，但安装命令、参数签名和用法示例需要你从官方页面获取后再验证，本文因抓取失败未能提供。
官方地址：https://api.skillhub.cn/user_676c825d/xgfactor
SkillHub 展示页：https://www.skillhub.cn/skills/user_676c825d/xgfactor
