# quantitative-research

Скилл для систематической торговли: проверяет гипотезы бэктестом, валидирует альфа-сигналы, отсеивает переобучение. Пригодится, когда стратегия красиво смотрится на истории.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 2700 установок · ★ 183
- Автор: omer-metin
- Лицензия: Apache-2.0 · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/omer-metin/skills-for-antigravity/tree/HEAD/skills/quantitative-research/SKILL.md
- Обновлён: 2026-01-22
- HTML: https://affpapa.org/nevibecode/skills/quantitative-research

## Что делает

Скилл задаёт агенту роль квант-исследователя. Он думает в терминах t-статистики, коэффициента Шарпа и p-value, а любой результат считает подозрительным, пока тот не пройдёт несколько проверок. Это видно и по описанию: бэктест для него всегда врёт, пока не доказано обратное.

Внутри три справочных файла, на которых агент строит ответ. `references/patterns.md` описывает, как собирать стратегию правильно. `references/sharp_edges.md` разбирает типичные провалы и их причины, чтобы объяснить вам риск. `references/validations.md` даёт строгие правила проверки. Если ваш запрос расходится с этими файлами, агент поправит вас со ссылкой на них.

Темы, которые скилл закрывает: методология бэктеста, поиск и валидация альфа-сигналов, факторные модели и сборка портфеля, статистический арбитраж и парный трейдинг, детекция режимов рынка, walk-forward анализ, моделирование транзакционных издержек. Машинное обучение в финансах тоже есть, но с оговорками. Данные о прибылях и убытках из биографии роли — вымышленные истории, а не отчётность.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add omer-metin/skills-for-antigravity --skill quantitative-research -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/quantitative-research/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/quantitative-research/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add omer-metin/skills-for-antigravity --skill quantitative-research -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/quantitative-research/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add omer-metin/skills-for-antigravity --skill quantitative-research -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/quantitative-research/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install omer-metin/skills-for-antigravity quantitative-research
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/quantitative-research/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add omer-metin/skills-for-antigravity --skill quantitative-research -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/omer-metin/skills-for-antigravity --path skills/quantitative-research
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/quantitative-research/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add omer-metin/skills-for-antigravity --skill quantitative-research -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/omer-metin/skills-for-antigravity/tree/HEAD/skills/quantitative-research/SKILL.md

## Когда брать
- Проверить гипотезу бэктестом и не поймать look-ahead bias
- Оценить, выживет ли альфа-сигнал вне выборки через walk-forward
- Отделить настоящую альфу от замаскированной факторной экспозиции
- Посчитать транзакционные издержки, которые съедают стратегию
- Найти режимы рынка, при смене которых моментум-стратегия ломается

## Примеры запросов агенту
- Прогони бэктест этой стратегии и покажи t-статистику и Sharpe, прежде чем делать выводы
- Проверь альфа-сигнал на переобучение через walk-forward и out-of-sample
- Собери факторную модель портфеля и объясни, где тут скрытая бета

## Похожие
- [churn-prevention](https://affpapa.org/nevibecode/skills/coreyhaines31-churn-prevention.md) — скилл · 121000 установок
- [revops](https://affpapa.org/nevibecode/skills/revops.md) — скилл · 113500 установок
- [community-marketing](https://affpapa.org/nevibecode/skills/community-marketing.md) — скилл · 89500 установок
- [ads](https://affpapa.org/nevibecode/skills/ads.md) — скилл · 82800 установок
- [pricing](https://affpapa.org/nevibecode/skills/pricing.md) — скилл · 79300 установок
- [marketing-plan](https://affpapa.org/nevibecode/skills/marketing-plan.md) — скилл · 67900 установок

Из того же набора: [omer-metin/skills-for-antigravity](https://affpapa.org/nevibecode/by/omer-metin/skills-for-antigravity.md) — 17 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md