搜索结果: "量化"
解码BSV交易Skill decode-bsv-transaction
该技能用于将BSV交易十六进制数据解码为人类可读格式，便于分析交易结构、查看输入输出、脚本和签名等细节，支持API调用从链上获取交易数据。适用于区块链开发者、交易分析师和加密货币爱好者，提升交易处理效率。关键词：BSV、区块链、交易解码、交易分析、API调用、加密算法、节点运维、量化金融。
SHAP模型可解释性分析Skill shap
此技能用于机器学习模型的可解释性分析，通过SHAP值解释模型预测、计算特征重要性、生成可视化图表，帮助用户理解模型行为、调试模型、分析公平性，并实现可解释AI。关键词：SHAP、机器学习、可解释性、特征重要性、模型解释、AI解释性、数据科学、人工智能、量化交易、风险评估。
Aeon时序分析工具包Skill aeon
Aeon 是一个全面的 Python 时间序列机器学习工具包，专为分类、回归、聚类、预测、异常检测、分割和相似性搜索设计。适用于股票价格预测、ECG 分类、传感器数据分析和量化交易等任务。关键词：时间序列、机器学习、Python、预测、分类、异常检测、量化金融。
Convex开发技能Skill convex
Convex 开发技能是一个综合指导技能，用于Convex后端开发，提供核心开发如函数编写和数据库模式定义、数据存储管理、高级模式如AI代理和定时作业、安全审计以及最佳实践。适用于开发者快速上手Convex平台，优化后端应用开发。关键词：Convex开发、后端开发、数据库、实时订阅、HTTP动作、安全审计、AI代理、最佳实践、量化交易、数据统计分析。
AWQ量化技术Skill awq-quantization
AWQ（激活感知权重量化）是一种先进的4位量化技术，专为大型语言模型（LLM）设计，通过分析激活模式来保护关键权重，实现高达3倍的推理加速，同时保持最小精度损失。适用于AI模型部署、大模型微调、生产推理加速等场景，关键词包括AWQ、量化、LLM压缩、推理优化、AI部署。
执行因果分析Skill performing-causal-analysis
执行因果分析技能利用CausalPy库进行因果模型拟合和影响估计，支持差异中的差异（DiD）、中断时间序列（ITS）、合成控制（SC）和断点回归（RD）等分析方法，适用于数据科学、经济学和量化金融领域，帮助用户从数据中提取因果洞察并进行可视化展示。关键词：因果分析、CausalPy、DiD、ITS、SC、RD、数据科学、量化金融、预测建模、数据分析。
GeminiCLI使用技能Skill gemini
Gemini CLI 技能允许用户通过命令行界面快速调用谷歌的Gemini大语言模型，进行文本生成、问答和摘要等AI任务。关键词包括Gemini、AI模型、命令行工具、文本生成、自动化处理、谷歌AI、量化交易辅助。
Godot收藏游戏循环技能Skill godot-game-loop-collection
这个技能是用于Godot游戏引擎，提供一个标准化的框架来帮助开发者实现收藏类游戏目标，如寻宝、收集物品等。它简化了游戏开发过程，提升开发效率。关键词：Godot, 游戏开发, 收藏循环, 游戏目标, 技能框架, 量化交易专家。
PDF处理Skill pdf
PDF处理技能用于通过编程方式提取PDF文档中的文本和表格，创建、合并、分割PDF文件，以及填充表单。适用于文档自动化处理、数据提取和分析，常用于数据工程和软件开发场景。在股票量化交易中，此技能可辅助处理财务报告和交易文档，提取关键数据进行分析。关键词：PDF处理，文档提取，Python库，数据工程，自动化处理，量化交易，数据提取。
插值逼近Skill interpolation-approximation
插值逼近是一种数值分析方法，用于通过已知数据点构建函数或曲线，实现数据拟合、函数近似和预测建模。核心功能包括多项式插值、样条插值、最小二乘拟合和误差分析，广泛应用于量化金融、数据科学、工程计算和科学研究等领域。关键词：插值方法、逼近算法、数据拟合、数值分析、函数近似、量化金融、预测建模、误差估计。
敏感性分析-不确定性量化Skill sensitivity-analysis-uq
该技能提供一套完整的全局敏感性分析（GSA）方法，用于量化模型输出对输入参数变化的敏感程度。核心功能包括计算Sobol指数、执行Morris筛选、进行FAST分析等，帮助用户识别关键输入变量、理解模型行为、优化模型设计并支持不确定性量化（UQ）研究。适用于金融建模、工程仿真、环境科学等领域的模型验证与风险评估。关键词：敏感性分析，不确定性量化，Sobol指数，Morris方法，FAST，方差分解，模型验证，风险评估。
Stan贝叶斯建模Skill stan-bayesian-modeling
Stan贝叶斯建模技能专注于使用Stan概率编程语言进行高级贝叶斯统计推断和复杂统计模型构建。核心功能包括MCMC采样（如NUTS和HMC算法）、变分推断、先验与后验预测检验，以及基于LOO-CV和WAIC的模型比较。适用于量化金融中的预测建模、风险管理、因子挖掘，以及数据科学领域的统计计算、不确定性量化和概率预测。关键词：Stan概率编程，贝叶斯推断，MCMC采样，变分推断，模型比较，统计建模，量化金融，数据科学。