hft-quant-expert
/hft-quant-expert
Wspiera handel ilościowy na DeFi i pochodnych kryptowalut: strategie, sygnały, backtesty, alfa, Sharpe, zmienność, korelacje, wielkość pozycji i zarządzanie ryzykiem.
- Autor
- aAAaqwq ↗
- Repozytorium
- AGI-Super-Team ↗
- Licencja
- MIT
- Ostatnia zmiana repozytorium
- 20.10.2026
Ocena i bezpieczeństwo
- Pliki w paczce
- 1
- Skrypty
- 0
- Komentarze HTML
- 0
- Adresy URL w SKILL.md
- 0
Brak sygnałów. Repozytorium zmienione 20.10.2026, bez odwołań do wycofanych modeli i API.
MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.
Co robi i kiedy
Wspiera handel ilościowy na DeFi i pochodnych kryptowalut: strategie, sygnały, backtesty, alfa, Sharpe, zmienność, korelacje, wielkość pozycji i zarządzanie ryzykiem.
Oryginalny opis (EN)
Quantitative trading expertise for DeFi and crypto derivatives. Use when building trading strategies, signals, risk management. Triggers on signal, backtest, alpha, sharpe, volatility, correlation, position size, risk.
Jak działa
- When to Use
- Workflow
- Quick Formulas
- Common Pitfalls
Podgląd SKILL.md
--- name: hft-quant-expert description: Quantitative trading expertise for DeFi and crypto derivatives. Use when building trading strategies, signals, risk management. Triggers on signal, backtest, alpha, sharpe, volatility, correlation, position size, risk. --- # HFT Quant Expert Quantitative trading expertise for DeFi and crypto derivatives. ## When to Use - Building trading strategies and signals - Implementing risk management - Calculating position sizes - Backtesting strategies - Analyzing volatility and correlations ## Workflow ### Step 1: Define Signal Calculate z-score or other entry signal. ### Step 2: Size Position Use Kelly Criterion (0.25x) for position sizing. ### Step 3: Validate Backtest Check for lookahead bias, survivorship bias, overfitting. ### Step 4: Account for Costs Include gas + slippage in profit calculations. --- ## Quick Formulas ```python # Z-score zscore = (value - rolling_mean) / rolling_std # Sharpe (annualized) sharpe = np.sqrt(252) * returns.mean() / returns.std() # Kelly fraction (use 0.25x) kelly = (win_prob * win_loss_ratio - (1 - win_prob)) / win_loss_ratio # Half-life of mean reversion half_life = -np.log(2) / lambda_coef ``` ## Common Pitfalls - **Lookahead bias** - Using future data - **Survivorship bias** - Only existing assets - **Overfitting** - Too many parameters - **Ignoring costs** - Gas + slippage - **Wrong annualization** - 252 daily, 365*24 hourly
Wersje
W bazie nie ma innych skilli o nazwie hft-quant-expert.
Identyczna treść występuje jeszcze w 3 innych folderach na GitHubie. Tu pokazujemy jedną, najlepiej ocenioną kopię.
Migawka bazy z 13.11.2026 · wersja paczki 9855b3294669 (skrót SHA-256 całej paczki)
Pobrania w ostatnich 30 dniach: 0 · ranking
Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.
Podobne skille
- 100quant-analyst
Opracowuje strategie handlowe, modele finansowe i analizę ryzyka dla instrumentów pochodnych oraz portfeli inwestycyjnych. - 90quant-analyst
Buduje modele finansowe, testuje strategie handlowe na danych historycznych i analizuje rynek, w tym metryki ryzyka i optymalizację portfela. - 100strategy-development
Projektuje i wdraża nowe strategie handlowe: generowanie sygnałów, reguły wejścia i wyjścia, wielkość pozycji i zarządzanie ryzykiem. - 100quant-research
Bada systematyczne sygnały handlowe z dyscypliną profesjonalnego desku kwantowego, sprawdzając nadmierne dopasowanie i błędy patrzenia w przyszłość. - 100quant-analyst
Rozwija ilościowe strategie handlowe, buduje modele finansowe i prowadzi analizy ryzyka dla instrumentów pochodnych i portfeli, w tym arbitraż statystyczny i backtesting. - 95quant-factor-risk-pattern-alpha
Udostępnia zweryfikowaną bibliotekę czynników alfa OHLCV opisujących zmienność, kształty świec i wstrząsy cenowe.