Fähigkeiten longbridge-quant

📦

longbridge-quant

Name: longbridge-quant
Author: longbridge

v1.0.0 Inhaltsrevision r2 Mittleres Risiko ⚙️ Externe Befehle

Quant-Strategien mit Longbridge analysieren

Quantitative Trading-Forschung benötigt konsistente Datenworkflows und eine klare Methodik. Diese Skill hilft Claude, Codex und Claude Code dabei, Longbridge-basierte Analysen zu Faktoren, Absicherung, Saisonalität und Strategien anzuleiten.

Unterstützt: Claude Codex Code(CC)

📊 69 Angemessen

Mit meinem Agent installieren

Kopieren Sie diese Anfrage in Ihren Agent. Sie enthält die maßgebliche Skill-Seite und das Manifest.

Agent-Anfrage

Review the Skillstore skill "longbridge-quant" from https://skillstore.io/skills/longbridge-longbridge-quant.md and its manifest at https://skillstore.io/api/skills/longbridge-longbridge-quant/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

Ihr Agent sollte weiterhin seinen Plan anzeigen und alle von der Sicherheitsrichtlinie verlangten Bestätigungen anfordern.

Agent-lesbare Ressourcen

Verwenden Sie diese Links, wenn ein KI-Agent, Crawler oder Skript sauberen Kontext benötigt, statt die vollständige Seite zu lesen.

Markdown-Detailseite GET /skills/longbridge-longbridge-quant.md Signiertes manifest GET /api/skills/longbridge-longbridge-quant/manifest Signiertes lockfile GET /api/skills/longbridge-longbridge-quant/lockfile

Testen

„longbridge-quant“ wird verwendet. Screen CSI 300 stocks for value and quality.

Erwartetes Ergebnis:

Ein gerankter Faktor-Screening-Bericht mit Kriterien, Anzahl bestandener Werte, Top-Kandidaten, Erklärung der Bewertung und Hinweisen zur Datenquelle.
Ein Hinweis, dass die Ergebnisse nur als Referenz dienen und keine Anlageberatung darstellen.

„longbridge-quant“ wird verwendet. Design a hedge for a large technology stock position.

Erwartetes Ergebnis:

Eine Zusammenfassung des Absicherungsziels, Beta-Schätzung, Vergleich von Optionsstrategien, Kostentabelle und Analyse eines Verlustszenarios.
Klare Hinweise zu Liquidität, Basisrisiko und Begrenzungen des Aufwärtspotenzials.

„longbridge-quant“ wird verwendet. Test whether a seasonality pattern exists for a stock.

Erwartetes Ergebnis:

Tabellen für Monats-, Wochentags-, Feiertags- und Berichtssaison-Effekte.
Eine prägnante Liste der stärksten Muster mit Trefferquote und Signalrichtung.

Sicherheitsaudit

Mittleres Risiko

v7 • 8.8.2026 Versionsbericht öffnen

Most static findings mistake Markdown backticks or ordinary financial terminology for shell execution or reconnaissance. Remote indicator execution can disclose submitted scripts, and the hedging workflow accesses authenticated portfolio positions despite public-access metadata.

Gescannte Dateien

1,257

Analysierte Zeilen

Prüfelemente

Falschmeldungen ignoriert

Bestätigte Sicherheitsbedenken (2)

Mittel

SKILL.md:10-13 references/hedging.md:28-29

Authenticated Portfolio Access Is Undeclared

The metadata says login is not required, while the hedging workflow reads current portfolio positions using trade-scope authentication. This mismatch can obscure access to sensitive financial data.

Both the public-access metadata and the trade-scope positions command are explicit. The contradiction is direct and affects permission transparency.

Niedrig

references/quant-cli.md:39

Network reconnaissance

Executes the script server-side and returns the computed indicator/plot values as JSON. Scripts are

The workflow explicitly sends user-provided scripts to a remote server for execution. This is not reconnaissance, but it creates a real code-disclosure risk if scripts contain sensitive logic.

Elemente der Fähigkeitsprüfung (1)

Dies sind echte lokale Fähigkeiten, die für diese Fähigkeit erwartet werden können; daher müssen sie überprüft werden, werden jedoch nicht als bestätigtes bösartiges Verhalten gezählt.

Mittel

SKILL.md:107

Ruby/shell backtick execution

| `ModuleNotFoundError: sklearn` | Run `pip install scikit-learn` |

The troubleshooting instruction tells the agent to run pip install scikit-learn. Package installation executes third-party build or installation logic and should require user confirmation.

Risikofaktoren

⚙️ Externe Befehle (15)

references/factor-screen.md:60-64 references/quant-cli.md:74 references/quant-cli.md:85-95 SKILL.md:26 SKILL.md:52 SKILL.md:54-56 SKILL.md:56-58 SKILL.md:58-100 SKILL.md:100-106 SKILL.md:106-107 SKILL.md:107 SKILL.md:118-119 SKILL.md:119-120 SKILL.md:120-124 SKILL.md:124-133

Erkannte Muster

Network reconnaissance

Geprüft von: codex Audit-Verlauf anzeigen →

Diesen Bericht teilen & zitieren

Teile den versionierten Bewertungsbericht, das neutrale Badge, die Einbettungskarte und Zitate. Skillstore berichtet Nachweise, ohne zu entscheiden, ob dieser Skill sicher ist.

Versionsbericht öffnen

Berichtslink kopieren

https://skillstore.io/skills/longbridge-longbridge-quant/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdown-Badge

[![Skillstore security assessment](https://skillstore.io/badges/skills/longbridge-longbridge-quant/security.svg)](https://skillstore.io/skills/longbridge-longbridge-quant?utm_source=security_passport_badge)

HTML-Badge

<a href="https://skillstore.io/skills/longbridge-longbridge-quant?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/longbridge-longbridge-quant/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

Einbettungskarte

<iframe src="https://skillstore.io/embed/skills/longbridge-longbridge-quant.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>

Wissenschaftliche Zitate (APA · BibTeX · CFF)

APA-Zitat

longbridge. (2026). longbridge-quant security audit report (audit version 7) [Author version 1.0.0]. Skillstore. https://skillstore.io/skills/longbridge-longbridge-quant/audits/7

BibTeX-Zitat

@techreport{longbridge-longbridge-longbridge-quant-2026,
  author = {longbridge},
  title = {longbridge-quant security audit report (audit version 7)},
  institution = {Skillstore},
  year = {2026},
  number = {7},
  url = {https://skillstore.io/skills/longbridge-longbridge-quant/audits/7},
  note = {Author version 1.0.0}
}

CITATION.cff

cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "longbridge-quant security audit report (audit version 7)"
version: "1.0.0"
type: report
authors:
  - name: "longbridge"
date-released: "2026-08-08"
url: "https://skillstore.io/skills/longbridge-longbridge-quant/audits/7"
identifiers:
  - type: other
    value: "skillstore:longbridge-longbridge-quant:audit:7"
    description: "Skillstore immutable audit report identifier"

Skillstore-Score

Warum dieser Score Evidenzvertrauen: Hoch

Architektur

100

Wartbarkeit

Inhalt

Gemeinschaft

Spezifikationskonformität

Was Sie erstellen können

Ein Aktienuniversum screenen

Wenden Sie PE-, PB-, ROE-, Wachstums- und Dividendenfilter an, um Kandidaten aus einem Index oder einer Symbolliste zu ranken.

Eine Absicherung entwerfen

Beta-Exposure schätzen, Optionsschutz vergleichen und Kosten gegenüber Schutz vor Kursverlusten zusammenfassen.

Eine Quant-Idee testen

Parameter-Sweeps, Walk-Forward-Validierung und Overfitting-Prüfungen für eine Trading-Strategie planen.

Diese Prompts ausprobieren

Eine einfache Indikatorprüfung durchführen

Use Longbridge data to review daily price behavior for TSLA.US over the last year. Summarize trend, volatility, and key caveats.

Ein Faktor-Screening erstellen

Screen HSI.HK constituents for value and quality. Use PE, PB, ROE, revenue growth, and dividend yield. Show the top candidates and explain the scoring method.

Eine Absicherung bewerten

I hold AAPL.US and NVDA.US. Design a beta and options hedge for a one-month downside scenario. Include cost, protection, and caveats.

Eine Strategie optimieren

Create a walk-forward optimization plan for a moving-average strategy on 700.HK. Include parameter ranges, in-sample and out-of-sample metrics, and overfitting checks.

Bewährte Praktiken

Bestätigen Sie Symbol, Markt, Datumsbereich und Datenberechtigungen, bevor Sie eine Analyse durchführen.
Verwenden Sie JSON-Ausgabe, wenn Sie Claude, Codex oder Claude Code bitten, CLI-Ergebnisse zu verarbeiten.
Behandeln Sie jedes Ergebnis als Research-Input und fügen Sie Hinweise zu Risiko, Liquidität und Datenqualität hinzu.

Vermeiden

Stellen Sie Backtest- oder Faktorergebnisse nicht als garantierte zukünftige Renditen dar.
Führen Sie keine breiten Universums-Scans ohne Batching und Erklärung der teilweisen Abdeckung durch.
Ignorieren Sie keine Anmelde-, Berechtigungs- oder Fehlende-Daten-Fehler von Longbridge-Befehlen.