quant-analyst
トレーディング戦略と金融モデルの構築
アルゴリズム取引戦略の開発とバックテストを、リスク指標とポートフォリオ最適化と共に行います。金融モデリングの深い専門知識を必要とせずに、定量的ファイナンスのための実用的な洞察を得ることができます。
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「quant-analyst」を使用しています。 テック株のモメンタム戦略をバックテストする
期待される結果:
戦略：12 ヶ月ルックバック、1 ヶ月保有期間のモメンタム
バックテスト結果 (2019-2024):
- トータルリターン：124.5% (S&P 500 比較：89.2%)
- シャープレシオ：1.42
- 最大ドローダウン：-18.3%
- 勝率：58%
- 平均トレード：2.1%
リスク指標:
- VaR (95%): -4.2%
- ボラティリティ：15.8%
注：過去のパフォーマンスは将来の結果を保証するものではありません。
「quant-analyst」を使用しています。 シャープレシオ最大化のためにポートフォリオを最適化する
期待される結果:
最適ポートフォリオ配分:
- AAPL: 25%
- MSFT: 22%
- GOOGL: 18%
- AMZN: 15%
- NVDA: 12%
- JNJ: 8%
予想指標:
- 予想リターン：14.2%
- 予想ボラティリティ：18.5%
- シャープレシオ：0.68
効率的フロンティア：確認可能
リバランス推奨：四半期ごと
セキュリティ監査
安全This is a prompt-only skill with no executable code. The static analyzer found 0 files scanned and 0 potential security issues. The skill provides guidance for quantitative finance tasks using pandas, numpy, and scipy without making any system-level operations. No dangerous patterns detected.
品質スコア
作れるもの
戦略開発
現実的な市場シミュレーションによる新規トレーディング戦略の作成とバックテスト
リスク評価
ポートフォリオのリスクエクスポージャーの評価と主要リスク指標の計算
ポートフォリオ最適化
現代ポートフォリオ理論を使用した資産配分の最適化
これらのプロンプトを試す
トレーディング戦略のバックテストをお願いします。[移動平均クロスオーバー戦略]を[AAPL]銘柄で[2020-2024]年のデータを使用してテストしたいです。[0.1%]の取引コストと[0.05%]のスリッページを含めてください。シャープレシオ、最大ドローダウン、トータルリターンを計算してください。
以下のポートフォリオ[SPY 60%、AGG 40%]のリスク指標を計算してください：95% 信頼区間のバリュー・アット・リスク (VaR)、エクスペクテッド・ショートフォール、シャープレシオ、過去 3 年間の最大ドローダウン。ヒストリカル・シミュレーション法を使用してください。
以下の資産でマルコウィッツの平均分散最適化を実行してください：[AAPL、MSFT、GOOGL、AMZN、JNJ、XOM]。5 年間の履歴データを使用してください。[8%]を目標リターンとしてシャープレシオを最大化してください。分析に効率的フロンティアを含めてください。
[KO と PEP]の間の統計的裁定取引ペアトレーディング戦略を構築してください。過去 2 年間の日次データを使用し、共和分検定、ヘッジ比率の計算、z スコア閾値によるエントリー/エグジットシグナル、パフォーマンス指標を含むバックテスト結果を含めてください。
ベストプラクティス
- 本番環境へのデプロイ前に、必ずアウトオブサンプルテストを使用して戦略を検証する
- すべてのバックテストにおいて、現実的な取引コスト、スリッページ、市場インパクトを含める
- 絶対リターンではなく、リスク調整後リターン (シャープレシオ) に注力する
回避
- 適切なクロスバリデーションなしに、戦略を履歴データに過剰適合させない
- バックテストで未来情報 (ルックアヘッドバイアス) を使用しない
- リサーチ環境と本番コード環境の分離を決してスキップしない