技能库 1355 个
更多分类（146）
卫星图像数据清洗
处理卫星图像中的云遮挡、分辨率不一致等问题，生成可用于量化交易与金融科技分析的标准化数据集
另类数据可视化报告生成
使用Python（如Matplotlib）或BI工具，将另类数据（如卫星图像、信用卡交易、舆情数据）转化为趋势图、热力图等，辅助量化投资决策。
数据对齐与时间戳校正
将不同频率、不同时区的另类数据对齐到统一时间轴，处理时区转换和缺失值
信用卡交易数据异常检测
利用统计或机器学习方法识别交易数据中的离群点，过滤噪音信号。
社交媒体情感分析
从Twitter、Reddit等平台提取文本，使用NLP模型计算情感分数并生成时间序列，以支持量化交易决策。
因子有效性检验
对另类数据构造的因子进行IC/IR分析、分组回测，评估其预测能力
网页爬虫与API数据采集
编写爬虫或调用API从非传统数据源（如电商平台、招聘网站）获取结构化数据，支持量化交易与金融科技研究。
数据质量监控脚本开发
编写自动化脚本检查数据完整性、一致性，并设置告警规则。
行为金融因子构建与回测
基于过度反应、保守主义等行为偏差，系统性地构建行为金融因子，并完成历史回测验证。
行为金融文献摘要与综述
自动提取行为金融学最新研究论文的关键发现，生成结构化摘要与综述，辅助量化交易策略开发
异象检测与统计验证
识别市场中的异象（如动量、反转效应）并使用统计方法验证其显著性。
行为金融策略设计
结合行为偏差（如锚定、处置效应）设计量化交易策略，为量化交易与金融科技岗位提供可落地的策略构建框架。
金融文本情绪分析
从新闻、社交媒体等非结构化文本中提取情绪指标，用于预测市场走势
金融数据清洗与预处理
对原始金融时间序列数据进行缺失值处理、异常值检测及标准化。
投资者情绪指数构建
整合市场数据（如波动率、成交量）与调查数据，构建投资者情绪指数，用于量化交易策略与市场分析。
回测报告自动生成
自动化生成量化策略回测结果报告，涵盖收益、风险、归因分析及可视化输出
金融时间序列数据清洗
处理缺失值、异常值、重采样及对齐多源金融时序数据，为量化交易与金融科技场景提供高质量分析基础
协整检验与配对交易信号生成
执行Engle-Granger或Johansen检验，生成价差序列及交易信号，用于量化交易中的配对交易策略。
ARIMA/GARCH模型拟合与诊断
自动选择最优阶数、估计参数、残差检验及预测，适用于量化交易与金融科技中的时间序列分析
波动率预测与风险度量
使用GARCH族模型或随机波动率模型预测波动率并计算VaR/ES
使用深度学习进行时间序列预测
构建LSTM、Transformer等深度学习模型，用于股价或收益率等金融时间序列的预测。
实时数据流处理与策略部署
连接多源实时数据流，执行信号计算，并自动触发交易策略执行，适用于量化交易与金融科技场景。
回测框架搭建与绩效评估
实现事件驱动回测，计算夏普比率、最大回撤等核心绩效指标，为量化交易策略提供可靠验证
高频交易数据预处理与特征工程
处理Tick级别数据，计算微观结构特征如买卖价差、订单簿不平衡