前言¶

做量化研究時，常見的問題是策略想法和實際驗證之間缺少穩定通道：選股範圍要維護，因子口徑要統一，策略保存和回測結果要能復盤。下面介紹的「祿得量化投研」是一個面向這類需求的 Agent Skill，適合在用戶明確要求編寫或修改祿得策略、構建因子或標的池、保存策略或分析回測時啓用。

這是什麼¶

祿得量化投研是祿得網（https://next.lude.site）旗下的 AI 投研產品，屬於 SkillHub 上的 professional 分類 Skill，座標爲 @lude/lude-quant，版本 0.0.1，來源 enterprise，發佈者爲祿得網。它解決的問題是：把股票、可轉債、基金的量化策略設計、自定義因子表達式、標的池管理、歷史選標和回測驗證納入同一套可被 Agent 執行的工作流。

核心功能¶

根據已抓取資料，該 Skill 的能力邊界包括：

• 量化策略設計：面向股票、可轉債、基金。
• 自定義因子表達式：用於構建和調整因子口徑。
• 標的池管理：維護策略可操作的標的範圍。
• 歷史選標：按策略或因子條件回顧歷史標的。
• 回測驗證：保存策略並分析回測結果。

安裝與啓用¶

已抓取資料中只給出了官方地址和頁面信息，沒有提供可直接覈對的安裝命令、Skill 目錄路徑或配置字段。因此這裏不寫未經驗證的命令，避免誤導。

官方地址爲：https://api.skillhub.cn/lude/lude-quant
SkillHub 頁面爲：https://www.skillhub.cn/skills/lude/lude-quant

啓用時以「祿得量化投研」或座標 @lude/lude-quant 在 SkillHub 中定位。是否支持 Cursor、Codex CLI、Claude Code 的具體差異，現有資料沒有分別說明，需要在實際安裝頁面確認。

典型用法¶

現有資料沒有給出可復現的官方示例，因此這裏只列出可對應到 Skill 能力的請求方式，具體參數和返回結構需以官方頁面或運行時說明爲準。

1、請求編寫或修改祿得策略，例如指定股票、可轉債或基金範圍，並說明策略條件。
2、請求構建自定義因子表達式，並說明因子口徑、計算字段和篩選方向。
3、請求維護標的池，例如新增、剔除或複覈標的。
4、請求執行歷史選標，並限定時間區間和標的類型。
5、請求保存策略並分析回測，說明需要比較的收益、風險或交易指標。

適用場景與注意¶

適合需要把量化研究流程拆成可執行步驟的用戶：先明確標的池，再定義因子或策略，最後做歷史選標和回測驗證。也適合需要反覆修改策略條件並保留復盤結果的場景。

需要注意，現有資料只覆蓋產品定位、能力範圍和發佈信息。評分、下載量、安裝量、標籤 requires_api_key=false 等信息以 SkillHub 頁面實時展示爲準；其中 requires_api_key=false 表示資料中未標註需要 API Key，但具體調用是否依賴外部權限，仍需在實際使用前確認。

結尾¶

祿得量化投研的價值在於把策略設計、因子表達式、標的池管理、歷史選標和回測驗證收斂到一個 Skill 工作流裏，減少在多個工具之間手工搬運口徑和結果的環節。官方地址：https://api.skillhub.cn/lude/lude-quant