前言¶

做量化因子复现的人常遇到两件事：一是把研报里的规则落到行情数据上，需要自己写取数、清洗、分层和回测的整套流程；二是因子算出来之后，还需要给出一个明确的股票池排序，才能继续往下走。下面介绍的这个 Skill 把前半段流程收拢成一个可调用的能力：输入股票池，输出交易行为波动因子、波动分层、多空预期方向和低波动优先的排序结论。它不替代研究判断，只把重复的数据与筛选工作固定下来。

这是什么¶

交易行为波动和股票预期收益skills（坐标 @zerone-iteration/turnover-volatility-factor）是 SkillHub 上 data-analysis 分类下的一个 Skill，当前版本 1.0.1，由「零一智能」发布，来源标记为 enterprise。

它的核心是一个实证做法：把个股过去 20 个交易日的换手率当作交易行为样本，用变异系数衡量波动，即 CV = 换手率标准差 / 换手率均值。CV 越高，说明交易行为越不稳定；Skill 在此基础上按低波动优先排序股票池，并给出波动分层与多空预期方向。

需要注意两点：资料中该 Skill 标记 pricing_type=paid，属付费 Skill；同时标记 requires_api_key=false，使用它不需要单独提供 API Key。

核心功能¶

根据已抓取的官方资料，它提供的能力是一条链路，而不是零散脚本：

1、自动抓取行情，拿到个股过去 20 日的换手率序列。
2、计算变异系数 CV = 标准差 / 均值，作为交易行为波动因子。
3、应用研报筛选规则，对股票池做条件过滤。
4、输出波动分层结果，并给出多空预期方向。
5、按低波动优先对股票池排序，输出可直接使用的选股结论。

安装与启用¶

官方资料里给出的标识是 SkillHub 坐标 @zerone-iteration/turnover-volatility-factor，版本 1.0.1，分类 data-analysis，标签为 pricing_type=paid、requires_api_key=false。资料中没有出现可直接执行的安装命令、目录路径或配置文件字段，因此这里不给出猜测性命令。

启用方式按你所用客户端的通用做法处理：在 Skill 管理入口中按坐标或名称添加该 Skill，付费 Skill 需要先完成购买或授权，之后即可在对话或任务中调用。若你的客户端需要 SKILL.md 级别的调用约定，以客户端自身的 Skill 说明为准。

典型用法¶

官方资料对用法的描述是参数化的输入输出，而不是固定脚本。可复现的调用方式如下：

1、准备一个股票池，作为计算范围。
2、调用该 Skill，让它抓取股票池中各标的过去 20 个交易日的换手率。
3、Skill 计算每个标的的 CV，应用研报筛选规则，做波动分层并给出多空预期方向。
4、读取返回结果中按低波动优先排序的股票池，作为后续研究或决策的输入。

返回结果应当包含因子值、分层归属、多空方向和排序后的标的列表。资料没有给出样例输出数据，这里不虚构具体数值。

适用场景与注意¶

适合这类人：已经在做因子研究或选股流程，需要把「换手率波动」这一维的计算和筛选固定下来，减少重复取数和手工分层的人。也适合想先按低波动优先拿到一个可读股票池排序、再自己决定是否深入的人。

限制方面：

1、因子窗口固定为过去 20 日，短窗口对行情阶段敏感，样本区间不同结论可能不同。
2、CV 用均值做分母，个股换手率均值很低时，因子值容易被放大，需要结合分层结果看，不要只看绝对数值。
3、它输出的是波动分层和预期方向，不构成收益承诺；「多空预期方向」是方法给出的方向判断，仍需自己核对。
4、该 Skill 为付费项，启用前确认购买与授权状态。
5、资料中安装数为 0，属于新上架或低使用量的 Skill，遇到问题建议通过发布者渠道反馈。

结尾¶

这个 Skill 的价值在于把换手率变异系数这条因子链路固定成一次调用：取数、算因子、套筛选规则、分层、排序都有明确输出，省掉的是重复搭流程的时间。它适合作为选股流程中的一环，而不是全自动结论。

官方地址：https://api.skillhub.cn/zerone-iteration/turnover-volatility-factor