前言¶

做量化投研时，常见的重复劳动是：写一段因子 IC 计算，再写分层回测，再接组合优化，最后把结果拼成 HTML 报告。这些步骤逻辑不算复杂，但分散在多个脚本里，参数和口径容易不一致，报告样式也难统一。

下面介绍的量化投研助手，就是把这些步骤收拢到一个通用 SKILL.md 格式的 Skill 里。它定位是投研流程的自动化助手：从因子检验到组合构建，再到 HTML 绩效报告，尽量用同一套口径跑完。

这是什么¶

量化投研助手是一个面向量化分析场景的 Agent Skill，覆盖因子研究、回测和组合优化，并输出 HTML 绩效报告。

它由 SkillHub 社区发布者 user_053d27d0 维护，坐标是 @user_053d27d0/quant-research-assistant，版本 1.0.0，来源为 community，分类为 professional。官方地址是 https://api.skillhub.cn/user_053d27d0/quant-research-assistant 。

它解决的痛点是：把投研里多个环节的命令和口径固定下来，减少重复编写脚本的成本，并让结果以 HTML 报告形式呈现。

核心功能¶

根据官方简介，这个 Skill 包含以下能力：

• 因子 IC 测试：检验因子值与未来收益的相关性，用于判断因子有效性。
• 分层回测：按因子值分组构建组合，观察各层收益表现。
• MA 均线交叉回测：基于移动平均线信号做择时回测。
• 组合优化：支持 Markowitz 均值方差优化和 Risk Parity 风险平价两种方法。
• HTML 绩效报告：把回测与组合结果整理成 HTML 报告。

官方说明中，触发场景是用户提出量化分析、因子研究、回测或组合构建需求时。

安装与启用¶

资料中没有给出明确的安装命令，也没有 Cursor、Codex CLI、Claude Code 的差异说明，因此这里不臆造命令。可以确认的事实是：该 Skill 的来源标记为 community，标签包含 requires_api_key=false，说明按 SkillHub 通用 SKILL.md 格式使用，不需要额外 API Key。

启用方式以官方页面为准，建议先打开官方地址核对当前版本的安装与调用方式，再在本地 Agent 环境中启用。

典型用法¶

资料中没有提供可直接复现的官方示例命令或输入输出样例，所以本节只描述其工作方式，不编造示例。

调用时，用户用自然语言提出需求即可，例如要做因子 IC 测试、做分层回测、跑 MA 交叉回测、做 Markowitz 或 Risk Parity 组合优化、生成 HTML 绩效报告。Skill 会根据需求进入对应流程，先完成因子或信号计算，再做回测，再做组合优化，最后产出 HTML 报告。

适用场景与注意¶

适合人群：需要反复做因子检验、回测和组合构建的个人投研开发者，或希望统一投研报告输出格式的团队。

需要注意的地方：

• 资料中没有列出支持的资产范围、数据源、频率要求，也没有说明是否包含数据获取能力，实际使用前需要自行确认数据输入方式。
• 回测和组合优化结果依赖输入数据和参数，Skill 本身不保证收益，也不包含交易成本、滑点等细节的说明。
• 当前抓取到的官方页面访问失败，安装命令和最新版本信息应以官方地址为准。

结尾¶

量化投研助手的价值在于把因子研究、回测和组合优化串成一条相对完整的投研流程，并用 HTML 报告统一输出。如果你的痛点是投研脚本分散、报告口径不一，可以把它作为流程化尝试。官方地址：https://api.skillhub.cn/user_053d27d0/quant-research-assistant 。