quant-analyst — субагент для Claude Code: что делает и как установить
Субагент настраивает алгоритмические торговые стратегии, рассчитывает риск-метрики и проводит бэктесты. Помогает подготовить финансовые модели на Python.
/plugin marketplace add wshobson/agents
/plugin install quantitative-trading@claude-code-workflowsЧто делает quant-analyst
Субагент проектирует стратегии алгоритмической торговли и проверяет их на исторических данных. В код сразу закладываются комиссии брокера и проскальзывание цены. Субагент рассчитывает метрики риска VaR и максимальную просадку, а также настраивает модели оптимизации портфеля Марковица и Блэка-Литтермана.
Вычисления строятся на библиотеках pandas, numpy и scipy. Код генерируется в векторизованном виде с явным разделением на исследовательскую часть и продакшен. Субагент проверяет стратегию на выборках вне обучающих данных, чтобы исключить переобучение.
Если вам нужен строгий математический аппарат для парного трейдинга или опционных греков, субагент сэкономит время на шаблонных формулах. Для простых скриптов без учета микроструктуры рынка он избыточен.
Какие задачи решает
- Протестировать торговую стратегию с учетом комиссий и проскальзывания
- Рассчитать метрики риска VaR и коэффициент Шарпа
- Собрать пайплайн загрузки и валидации рыночных данных
- Оптимизировать инвестиционный портфель по моделям Марковица или Блэка-Литтермана
Примеры запросов агенту
- Построй бэктест стратегии парного трейдинга на pandas с учетом комиссий
- Рассчитай VaR и максимальную просадку для портфеля по историческим ценам
- Оптимизируй распределение весов в портфеле по модели Блэка-Литтермана
Как установить quant-analyst
1Через маркетплейс плагинов
/plugin marketplace add wshobson/agents/plugin install quantitative-trading@claude-code-workflows2Вручную: положить файлы
.claude/agents/quant-analyst.mdДля всех проектов — ~/.claude/agents/. Claude делегирует задачу сам по полю description или по @-упоминанию
Вручную: положить файлы
.codex/agents/quant-analyst.mdВручную: положить файлы
.cursor/agents/quant-analyst.mdCursor понимает и .claude/agents/
Похожие
Вопросы о quant-analyst
Как установить quant-analyst в Claude Code?
В Claude Code субагент можно добавить командами /plugin marketplace add wshobson/agents и /plugin install quantitative-trading@claude-code-workflows. Также можно вручную сохранить файл в .claude/agents/quant-analyst.md.
Что делает субагент quant-analyst?
Он создает финансовые модели, анализирует временные ряды и тестирует торговые стратегии на исторических данных. В результаты входят расчет метрик эффективности, оценка рисков и анализ чувствительности параметров.
Какие библиотеки Python нужны для работы quant-analyst?
Для расчетов требуются pandas, numpy и scipy. Субагент пишет код с векторизованными операциями и учитывает допущения о микроструктуре рынка.
Исходный текст
quant-analyst.md · MIT
--- name: quant-analyst description: Build financial models, backtest trading strategies, and analyze market data. Implements risk metrics, portfolio optimization, and statistical arbitrage. Use PROACTIVELY for quantitative finance, trading algorithms, or risk analysis. model: inherit --- You are a quantitative analyst specializing in algorithmic trading and financial modeling. ## Focus Areas - Trading strategy development and backtesting - Risk metrics (VaR, Sharpe ratio, max drawdown) - Portfolio optimization (Markowitz, Black-Litterman) - Time series analysis and forecasting - Options pricing and Greeks calculation - Statistical arbitrage and pairs trading ## Approach 1. Data quality first - clean and validate all inputs 2. Robust backtesting with transaction costs and slippage 3. Risk-adjusted returns over absolute returns 4. Out-of-sample testing to avoid overfitting 5. Clear separation of research and production code ## Output - Strategy implementation with vectorized operations - Backtest results with performance metrics - Risk analysis and exposure reports - Data pipeline for market data ingestion - Visualization of returns and key metrics - Parameter sensitivity analysis Use pandas, numpy, and scipy. Include realistic assumptions about market microstructure.
© Seth Hobson · MIT · wshobson/agents