量化研究--怎么样快速开发量化交易skills

风险提示：本内容为量化技术及平台操作的纯知识分享，不构成任何投资建议，不推荐任何具体证券或交易时机。部分内容可能理解包含错误，请自行核实。市场有风险，投资需谨慎

在AI时代，外面经常会听到skill，mcp等名称，各式各样的skill，最近小伙伴问我怎么样写skill，skill有哪些问卷，哪些固定的格式要求，哪些必要的选项，AI智能体（Agent）开发中最核心的两个概念，skill，mcp。为了让你快速理解，我先用大白话解释，再深入技术细节。内容比较多我分2个文章来写

我简单的写了一个框架，ptrade量化交易的skill

Skill（技能）：好比手机里的App。你想修图就打开美图软件，想导航就打开导航软件。每个Skill解决一个特定的、完整的问题（比如“帮我总结这篇论文”）。

MCP（模型上下文协议）：好比USB-C接口。它不是App本身，而是一个通用标准。有了这个接口，任何符合标准的“外设”（比如数据库、本地文件、网页浏览器）都能即插即用，AI不用为每个外设单独写驱动。

特别需要注意是Skill自定义使用手册，教程，MCP具备执行能力，需要仔细看看内容，慎重使用。

Skill（技能）在AI语境下，Skill是一个高层次的封装。本质：它是一个为特定场景设计的完整工作流或指令集。组成：它通常包含Prompt（提示词） + 工具调用 + 知识库。特点：面向用户。开发者把复杂的多步操作打包成一个按钮，用户点击就能用。比如“一键生成周报”，这个Skill内部可能调用了联网搜索、数据分析和文本生成三个步骤。调用方式：通常由用户主动唤起，或者由AI根据意图动态选择。

MCP（模型上下文协议）这是Anthropic（Claude母公司）提出的一个底层开源协议。本质：它是一个标准化接口，用来连接AI模型和外部数据源/工具。组成：它分为 MCP主机（如Claude客户端）、MCP客户端（AI模型）和 MCP服务器（提供资源的外部服务）。特点：面向开发者。它解决的是“连接”问题。以前AI想读本地SQL数据库，需要写Python代码；现在只要数据库部署了MCP Server，AI通过MCP协议就能直接读写，就像浏览器访问网页一样标准。调用方式：由AI模型自主调用。AI觉得需要查资料时，就会自动通过MCP去拉取数据，用户无感知。

看一下skill写法要求，文件结构，核心就是一个md文件，一个典型的 Skills 目录结构如下，其他的文件可以自定义

skill-name/
├── SKILL.md              # 必需：核心指令文件
├── scripts/              # 可选：可执行脚本
├── references/           # 可选：参考文档
└── assets/               # 可选：模板和资源文件

SKILL.md（必需）—— 核心入口文件这是整个 Skill 的大脑，必须位于技能目录的根目录下，文件名严格区分大小写 。它包含两部分：① YAML 元数据（Frontmatter）：用 --- 包裹在文件顶部，定义技能的关键属性

Markdown 正文：前端元数据之后的所有内容，是指导 AI 完成任务的具体指令，包括执行步骤、判断逻辑、输入输出示例等 。示例

---
name: pdf-summarizer
description: 从PDF文件中提取关键信息并生成摘要。当用户上传PDF并要求总结时使用。
---
# PDF 摘要技能
1. 读取上传的PDF文件
2. 提取每个段落的标题和首句
3. 输出要点式摘要

scripts/（可选）—— 可执行脚本目录存放辅助任务执行的代码文件，用于处理计算密集或需精确控制的操作，如数据解析、格式转换、API 调用等 。支持语言：Python（.py）、Bash（.sh）、Node.js（.js/.ts）等 调用方式：AI 在执行 SKILL.md 指令时按需调用，输出结果合并到最终回复中 设计原则：每个脚本应承担单一职责，并包含错误处理

my-skill/
├── SKILL.md
└── scripts/
    ├── extract_text.py
    └── count_tokens.py

references/（可选）—— 参考资料目录存放非执行性的长篇文档，如详细的技术说明、API 手册、规范指南等 。加载机制：按需加载，只有在指令中明确提及或用户询问时 AI 才会读取对应文件，节省 Token 适用格式：.md、.txt、.json、.yaml 等纯文本格式 典型内容：详细的技术规范、合规性说明、最佳实践指南

my-skill/
├── SKILL.md
└── references/
    ├── solid-checklist.md
    └── security-checklist.md

assets/（可选）—— 静态资源目录存放模板、图片、示例文件等静态资源，用于在输出中引用 。适用格式：.png、.jpg、.svg、.pdf、.docx 模板等 使用场景：生成报告时套用模板、在对话中展示示例图表 5. lifecycle.yaml 和 README.md（可选）lifecycle.yaml：定义技能在安装、更新、卸载时的自动化钩子（如 on_install、on_update、on_uninstall）

README.md：面向开发者或用户的说明文档，包含设计思路、版本历史、依赖项等，帮助人类理解技能背景

创建 Skills 的步骤创建目录：在 .skills/ 或 .agent/skills/ 下创建以技能名命名的目录（如 my-skill/） 编写 SKILL.md：包含 YAML 元数据 + Markdown 指令添加可选资源：根据需要创建 scripts/、references/、assets/ 子目录引用文件：在 SKILL.md 中使用相对路径引用（如 scripts/cleanup.py） 验证：AI 工具会自动识别并加载，用户可通过对话或斜杠命令调用

注意事项目录命名：必须全小写，仅含字母、数字和连字符，不能以连字符开头或结尾 目录层级：保持单层结构，不支持嵌套子技能 一致性：根目录名必须与 SKILL.md 中的 name 字段完全一致 SKILL.md 大小：建议控制在 500 行以内或 5000 词以内，详细文档移入 references/ 目录

不懂的问我就可以，后面文章详细的介绍怎么样开发，加我备注入群可以加入量化群

找我开户也可以专业的量化支持服务

简单md文件参考，skill

---
name: 小果量化交易-ptrade
description: >
  基于 Ptrade 量化交易平台的双均线策略辅助工具。
  支持：策略回测参数设置、策略代码生成、交易日志分析、实盘交易指导。
  当用户提到“小果量化”、“双均线策略”、“Ptrade”时自动触发。
---
# 小果量化交易 Ptrade 技能
## 一、功能概述
本技能帮助用户在 **Ptrade 量化交易终端** 上快速实现双均线策略（金叉买入、死叉卖出）的**回测**与**实盘交易**。
包含策略脚本生成、回测参数配置、交易日志分析、常见问题解答等完整功能。
## 二、使用步骤（四步走）
### 步骤1：新建策略
1. 登录 Ptrade 终端，点击左上角 **“策略”** 图标
2. 点击 **“添加策略”**，选择业务类型为 **“股票”**
3. 填写策略名称，例如：`小果双均线策略`
4. 点击 **“确定”**，系统会自动生成一个默认策略模板
### 步骤2：编写策略代码
1. 在策略编辑器中，**删除**默认模板的所有代码
2. 复制 `scripts/dual_ma_strategy.py` 中的完整代码粘贴进去
3. 点击 **“保存”**（快捷键：Ctrl+S）
### 步骤3：配置回测参数
1. 点击 **“新建回测”** 按钮
2. 填写以下参数：
   - **开始时间**：例如 `2023-01-01`
   - **结束时间**：例如 `2023-12-31`
   - **回测资金**：`1000000`（100万元）
   - **回测基准**：`000300.SS`（沪深300指数）
   - **回测频率**：选择 **“日线”**（分钟级别可选）
3. 点击 **“保存”** 按钮
4. 点击 **“回测”** 按钮，系统开始运行回测
### 步骤4：分析回测结果
回测完成后，查看以下面板：
- **策略评价指标**：策略收益、基准收益、Alpha比率、Beta比率、夏普比率、索提诺比率
- **收益曲线**：对比策略收益与基准收益的走势
- **交易日志**：查看每次买卖的详细信息（时间、价格、数量）
- **每日盈亏**：查看每日的盈亏明细
## 三、策略逻辑详解
### 核心逻辑
买入条件：五日均线（MA5）上穿十日均线（MA10）
卖出条件：五日均线（MA5）下穿十日均线（MA10）
### 交易标的
- **股票代码**：`60.SS`（电子）
- **股票池设置**：`set_universe(g.security)`
### 资金管理
- 买入时：**全仓买入**（使用全部可用现金）
- 卖出时：**全部卖出**（清空该股票持仓）
### 代码结构说明
| 函数 | 是否必选 | 执行时机 | 作用 |
|------|----------|----------|------|
| `initialize(context)` | 必选 | 策略启动时（仅1次） | 初始化股票池、全局变量、参数 |
| `handle_data(context, data)` | 必选 | 每分钟/每天执行 | 交易逻辑判断、下单操作 |
## 四、注意事项
### 回测注意事项
1. **股票池设置**：`set_universe()` 必须在 `initialize()` 中调用，否则 `get_history()` 无法获取数据
2. **停牌处理**：停牌日成交量为0，复盘后价格可能跳空，策略需增加过滤条件
3. **滑点设置**：建议设置 `set_slippage(0.001)` 使回测更贴近实盘
4. **佣金设置**：建议设置 `set_commission(0.0003, 5.0)` 模拟真实交易成本
5. **最小交易单位**：股票最小下单100股，可转债最小10张
6. **回测频率**：日线级别在 `15:00` 执行，分钟级别在 `9:31~15:00` 每分钟执行
### 实盘注意事项
1. **交易时间**：股票交易时间为 `9:30~15:00`，建议使用 `run_daily()` 定时执行
2. **涨跌停限制**：涨停无法买入，跌停无法卖出，下单前需判断涨停价和跌停价
3. **资金管理**：不建议全仓买入，建议分批建仓（如每次买入总资金的20%）
4. **日志记录**：使用 `log.info()` 记录关键操作，便于排查问题
5. **行情快照**：`get_snapshot(security)` 仅支持交易模块，回测中不可用
## 五、常见问题解答
### Q1：为什么回测结果显示没有交易？
**可能原因**：
- 股票池设置错误（`set_universe()` 未调用或参数错误）
- 均线周期过大，回测时间太短，没有产生金叉信号
- 股票停牌导致无法交易
**解决方法**：
- 检查 `g.security` 是否正确，确保股票代码格式为 `600570.SS`
- 缩小均线周期（如 MA5/MA10 → MA3/MA5）
- 延长回测时间（至少1年以上）
### Q2：为什么日志报错“股票不在股票池中”？
**原因**：`order()` 函数中指定的股票不在 `set_universe()` 设置的股票池中
**解决方法**：确保 `order(security, amount)` 中的 `security` 与 `set_universe()` 中的股票代码一致
### Q3：如何切换成其他股票？
**修改方法**：在 `initialize()` 函数中修改 `g.security` 的值为其他股票代码
```python
g.security = '0001.SZ'  # 改为银行

参考的ref，md文件参考。核心是skill.md,其他的无所谓，暗文件的功能建立策略文件就可以

[#量化交易]() [#量化skill]() [#怎么样开发skill]() [#skills开发教程]()

使用说明
1. 快速上手步骤
登录 Ptrade 终端，点击 “策略” → “新建策略”
复制 scripts/dual_ma_strategy.py 的完整代码粘贴到编辑器
点击 “保存”（快捷键：Ctrl+S）
点击 “新建回测”，设置回测参数
点击 “回测” 运行
2. 修改策略参数
表格修改项位置修改方法股票代码initialize() 中 g.security修改为其他股票代码均线周期initialize() 中 g.ma_short 和 g.ma_long修改数值佣金费率initialize() 中 set_commission()取消注释并修改滑点initialize() 中 set_slippage()取消注释并修改
3. 使用策略模板
复制 assets/strategy_template.py 到编辑器
修改 STRATEGY_CONFIG 字典中的参数
在 generate_signal() 函数中添加自定义交易逻辑
保存并运行
4. 查看日志
在回测/交易界面的 “日志” 区域查看运行记录
日志级别：DEBUG < INFO < WARNING < ERROR < CRITICAL
使用 log.info() 输出关键信息