这是一个全面的风险管理引擎，用于量化交易中的风险控制，包括价值风险评估、压力测试、波动率监测等关键功能。

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。

这个技能专注于时间序列数据分析，帮助识别模式、趋势、季节性和异常点，并使用统计和机器学习方法进行预测。关键词：时间序列分析、趋势预测、季节性分解、异常检测、ARIMA模型、机器学习预测、量化交易、数据分析、预测建模。

这个技能专注于使用ClickHouse列式数据库进行高性能数据分析和数据工程，涵盖表设计、查询优化、物化视图、批量插入和实时聚合等模式。它适用于大规模数据处理、实时OLAP分析，特别是在股票量化交易中用于数据处理、回测和风险评估，关键词包括ClickHouse、数据分析、数据工程、查询优化、物化视图、量化金融、OLAP、实时分析、大数据处理。

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。

此技能用于调查区块链中relayer和validators之间Merkle根不匹配的警报和问题。通过查询监控系统、端口转发和二进制搜索，识别不匹配的索引和消息ID，并提供详细报告，为后续修复提供依据。关键词：Merkle根不匹配、区块链调试、节点运维、检查点验证、Hyperlane、量化交易分析。

这个技能涉及使用bitsandbytes库对大型语言模型进行量化和内存优化，通过8位和4位量化减少GPU内存占用50-75%，精度损失小于1%，支持INT8、NF4、FP4格式、QLoRA微调和8位优化器，适用于有限内存环境下的模型加载、推理和训练，与HuggingFace Transformers集成。关键词：LLM量化、内存优化、bitsandbytes、QLoRA、深度学习、大模型微调、GPU加速、HuggingFace、AI模型优化。

分析美国上市公司向SEC提交的EDGAR文件，包括10-K、10-Q、8-K、委托投票书、Form 4等，提取关键财务数据、风险因素、管理层讨论内容，并生成投资信号，辅助基本面分析和量化策略。关键词：SEC文件、10-K、10-Q、8-K、基本面分析、EDGAR、财报分析、风险因素、内部人交易、13F、机构持仓。

这个技能用于在高风险决策下进行量化估计、预期价值分析和说服性故事叙述，帮助制定战略选择、创建商业案例和说服利益相关者。关键词：链式估计，决策分析，预期价值，故事叙述，商业案例，量化分析。

Hummingbot量化交易助手是一个专门针对加密货币算法交易的技能库，提供自动化交易策略开发、做市商策略、套利交易、交易所API连接等全面支持。包含高频交易、量化策略、回测系统、市场数据获取、订单簿分析等核心功能，适用于量化金融开发者、算法交易员和加密货币交易机器人构建者。

闪电交易是一个基于Arbitrum区块链的链上订单簿去中心化交易所（DEX）命令行工具。它允许用户通过简单的命令进行永续期货合约的交易，支持查看市场深度、获取实时价格、管理账户余额与持仓、以及执行开仓、平仓、取消订单等操作。关键词：Arbitrum DEX，链上订单簿，永续期货，量化交易，DeFi，命令行交易，低手续费，高流动性。

Pymoo是一个Python多目标优化框架，提供NSGA-II、NSGA-III、MOEA/D等先进算法，用于解决单目标和多目标优化问题，支持约束处理、基准测试（如ZDT、DTLZ）、遗传算子定制和多标准决策制定，适用于工程设计、量化金融、机器学习等领域的优化任务。关键词：多目标优化、Python框架、NSGA-II、Pareto前沿、约束处理、进化算法、工程设计、量化策略。