技能库 1355 个

使用网格搜索、贝叶斯优化等方法调优TWAP、VWAP、Iceberg等执行算法的参数（如时间切片、订单量）。

构建限价单簿模型（如LOBSTER、Zick-Zag模型）以预测短期价格变动和流动性。

解析执行日志，计算滑点、成交率等指标，并通过归因分析（如Brinson模型）评估算法贡献。

从交易所原始行情数据中提取并清洗订单簿快照，处理缺失值、异常价格和重复数据，生成高质量结构化数据供量化策略使用。

监控实时订单流，识别撤单率异常、报价跳跃等模式，触发风控或调整算法

利用交易历史数据，通过Almgren-Chriss等模型估算不同订单规模的市场冲击成本。

计算跨交易所价差，识别三角套利或统计套利机会，并生成可执行交易指令

基于技术指标或统计模型生成买卖信号，并在历史数据上执行回测，评估策略表现。

编写ETL脚本清洗原始行情数据，处理缺失值、异常值、复权等，输出标准化的OHLCV格式。

使用 pt-online-schema-change 等工具进行在线 DDL 变更，管理金融数据库 Schema 版本迁移，确保量化交易系统零停机与数据一致性。

设计并优化高频交易时序数据的存储与查询模型，支持毫秒级回测与实盘数据需求。

使用 Prometheus、Grafana 等工具监控金融数据库关键指标（QPS、连接数、慢查询），并设置分级告警规则，保障量化交易系统的高可用与性能稳定。

设计事务与补偿机制，确保在分布式环境下订单、行情等核心数据的强一致性或最终一致性。

制定并自动化金融数据库的备份策略，实现RPO<5分钟、RTO<30分钟的灾难恢复，保障量化交易系统高可用。

评估并部署适合量化交易的分布式数据库（如ClickHouse、TimescaleDB），实现高可用与低延迟。

针对复杂金融查询（如跨多表聚合、窗口函数）进行执行计划分析与索引优化，减少查询延迟

从金融文本中自动化抽取实体、关系与事件，构建可用于量化交易推理的知识图谱

从上市公司财报中提取营收、利润等关键数据，并结构化输出。

从文本中识别并购、财报发布等事件，提炼影响股价的因子。

识别金融文本中的公司、人名、产品等实体，并建立实体间关联关系，支持量化交易与金融科技场景

利用NLP技术对金融新闻进行情感分类，生成市场情绪指标，辅助量化交易与金融科技决策。

对英文财经新闻、公告等进行中英互译，保持金融术语准确，适用于量化交易与金融科技场景。

自动检测金融文本中的合规风险点，如敏感词、违规表述，确保内容符合金融监管要求。

对长篇金融报告、研报进行自动摘要，提取核心观点，辅助量化交易与金融科技决策。