前言¶

做量化因子復現的人常遇到兩件事：一是把研報裏的規則落到行情數據上，需要自己寫取數、清洗、分層和回測的整套流程；二是因子算出來之後，還需要給出一個明確的股票池排序，才能繼續往下走。下面介紹的這個 Skill 把前半段流程收攏成一個可調用的能力：輸入股票池，輸出交易行爲波動因子、波動分層、多空預期方向和低波動優先的排序結論。它不替代研究判斷，只把重複的數據與篩選工作固定下來。

這是什麼¶

交易行爲波動和股票預期收益skills（座標 @zerone-iteration/turnover-volatility-factor）是 SkillHub 上 data-analysis 分類下的一個 Skill，當前版本 1.0.1，由「零一智能」發佈，來源標記爲 enterprise。

它的核心是一個實證做法：把個股過去 20 個交易日的換手率當作交易行爲樣本，用變異係數衡量波動，即 CV = 換手率標準差 / 換手率均值。CV 越高，說明交易行爲越不穩定；Skill 在此基礎上按低波動優先排序股票池，並給出波動分層與多空預期方向。

需要注意兩點：資料中該 Skill 標記 pricing_type=paid，屬付費 Skill；同時標記 requires_api_key=false，使用它不需要單獨提供 API Key。

核心功能¶

根據已抓取的官方資料，它提供的能力是一條鏈路，而不是零散腳本：

1、自動抓取行情，拿到個股過去 20 日的換手率序列。
2、計算變異係數 CV = 標準差 / 均值，作爲交易行爲波動因子。
3、應用研報篩選規則，對股票池做條件過濾。
4、輸出波動分層結果，並給出多空預期方向。
5、按低波動優先對股票池排序，輸出可直接使用的選股結論。

安裝與啓用¶

官方資料裏給出的標識是 SkillHub 座標 @zerone-iteration/turnover-volatility-factor，版本 1.0.1，分類 data-analysis，標籤爲 pricing_type=paid、requires_api_key=false。資料中沒有出現可直接執行的安裝命令、目錄路徑或配置文件字段，因此這裏不給出猜測性命令。

啓用方式按你所用客戶端的通用做法處理：在 Skill 管理入口中按座標或名稱添加該 Skill，付費 Skill 需要先完成購買或授權，之後即可在對話或任務中調用。若你的客戶端需要 SKILL.md 級別的調用約定，以客戶端自身的 Skill 說明爲準。

典型用法¶

官方資料對用法的描述是參數化的輸入輸出，而不是固定腳本。可復現的調用方式如下：

1、準備一個股票池，作爲計算範圍。
2、調用該 Skill，讓它抓取股票池中各標的過去 20 個交易日的換手率。
3、Skill 計算每個標的的 CV，應用研報篩選規則，做波動分層並給出多空預期方向。
4、讀取返回結果中按低波動優先排序的股票池，作爲後續研究或決策的輸入。

返回結果應當包含因子值、分層歸屬、多空方向和排序後的標的列表。資料沒有給出樣例輸出數據，這裏不虛構具體數值。

適用場景與注意¶

適合這類人：已經在做因子研究或選股流程，需要把「換手率波動」這一維的計算和篩選固定下來，減少重複取數和手工分層的人。也適合想先按低波動優先拿到一個可讀股票池排序、再自己決定是否深入的人。

限制方面：

1、因子窗口固定爲過去 20 日，短窗口對行情階段敏感，樣本區間不同結論可能不同。
2、CV 用均值做分母，個股換手率均值很低時，因子值容易被放大，需要結合分層結果看，不要只看絕對數值。
3、它輸出的是波動分層和預期方向，不構成收益承諾；「多空預期方向」是方法給出的方向判斷，仍需自己覈對。
4、該 Skill 爲付費項，啓用前確認購買與授權狀態。
5、資料中安裝數爲 0，屬於新上架或低使用量的 Skill，遇到問題建議通過發佈者渠道反饋。

結尾¶

這個 Skill 的價值在於把換手率變異係數這條因子鏈路固定成一次調用：取數、算因子、套篩選規則、分層、排序都有明確輸出，省掉的是重複搭流程的時間。它適合作爲選股流程中的一環，而不是全自動結論。

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