Portfolio Buddy 2 是一个基于 React 19 和 TypeScript 构建的投资组合分析工具。它为投资者和期货交易者提供交易策略对比、资产相关性分析、风险指标计算（如夏普比率、索提诺比率、最大回撤）、CSV数据上传与可视化、以及基于合约乘数的期货交易指标调整功能。该技能主要用于前端开发、量化金融分析和数据可视化项目。 关键词：投资组合分析，量化交易，React 19，TypeScript，风险指标，夏普比率，索提诺比率，相关性矩阵，期货交易，数据可视化，Supabase

本技能用于生成正式的、可执行的社区养老服务优化报告，包含明确的责任分配和可量化的绩效指标，适用于政策制定、社区管理等领域，关键词包括：社区养老、优化报告、责任分工、量化指标、KPI。

这个技能用于设置、运行和分析股票量化交易的模拟回测，包括配置选择、批次模拟执行和综合诊断分析。关键词：量化交易、模拟回测、算法交易、数据分析、股票评估、回测系统。

这个技能用于从WhatsOnChain API实时获取比特币SV（BSV）的当前价格、汇率和市值信息，支持量化交易分析、市场监控和金融决策，关键词包括BSV价格、美元汇率、区块链数据、API调用、量化策略。

该技能用于通过Python查询FDA的开放API，访问药物、医疗设备、食品、兽医产品等监管数据，支持安全研究、数据分析、药物警戒、趋势监控等应用。关键词包括FDA、数据查询、Python、药物安全、不良事件、召回跟踪、量化分析、监管合规。

这个技能用于在分享分析前验证其方法论、准确性和潜在偏见，包括数据选择、统计错误检查和置信度评估，生成改进建议，适用于数据科学、量化金融和商业智能领域，关键词包括分析验证、方法论检查、准确性评估、偏见检测、置信度评分、SEO优化。

计算变量间的 Pearson/Spearman 相关矩阵、偏相关分析，自动识别因混淆变量导致的伪相关，适用于数据科学、量化金融等领域，帮助研究者剔除虚假关联。关键词：相关性分析、Pearson、Spearman、偏相关、伪相关、混淆变量、相关系数、统计分析。

量化方法技能专注于使用R、Stata、SPSS或Python等统计工具，为社会科学研究提供严谨的数据分析解决方案。核心能力包括回归建模、假设检验、功效分析和稳健性检验，旨在帮助研究者设计定量研究、分析调查数据、验证假设并构建预测模型。该技能强调最佳实践，如预注册分析、假设检查和代码文档化，确保分析结果的可靠性和可重复性。

市场优势探测技能是一个量化金融工具，旨在通过系统性地比较预测市场（如博彩、政治预测市场、加密货币预测市场）的实时价格与权威外部模型（如选举模型、经济学家预测、历史数据）之间的差异，来识别和量化潜在的定价错误或“优势”机会。该技能整合了多种数据源，并运用凯利公式等资金管理工具，为交易者提供从机会扫描、价值评估到最优下注规模计算的一站式解决方案。核心关键词包括：量化金融、算法交易、预测市场、错误定价、凯利公式、市场效率、统计套利、数据源对比、优势机会、资金管理。

这个技能提供了来自多个预测市场平台的实时和历史市场数据，包括价格、订单簿、交易等信息，支持WebSocket和REST API，适用于量化金融分析和实时交易决策。

这项技能涉及在本地环境中部署和优化大型语言模型（LLMs），包括使用Ollama、vLLM和llama.cpp等工具进行模型服务的设置、性能调优、量化策略和监控。关键词包括：Docker容器化、GPU硬件优化、Python编程、模型量化、张量并行、流水线并行。

这个技能专注于优化机器学习推理的延迟、减少模型大小、实现模型压缩技术（如量化、剪枝、蒸馏）、设计推理缓存策略，以及边缘部署模式。适用于需要提升推理速度、减少资源消耗的场景，特别是在边缘设备或高性能云环境中。关键词：机器学习、推理优化、模型压缩、边缘计算、延迟降低、缓存策略、硬件加速。