数值线性代数工具包是一个专注于高性能数学计算的技能，提供矩阵分解、特征值计算、稀疏矩阵处理和迭代求解等核心线性代数操作。适用于科学计算、工程仿真、量化金融建模和机器学习算法开发等领域，帮助用户高效解决大规模数值计算问题。关键词：数值线性代数，矩阵分解，特征值计算，稀疏矩阵，迭代求解器，科学计算，高性能计算，数学建模。

Portfolio Buddy 2 是一个基于 React 19 和 TypeScript 构建的投资组合分析工具，专为量化金融和证券投资领域设计。核心功能包括：交易策略回测与比较、多资产相关性分析（斯皮尔曼/皮尔逊）、风险绩效指标计算（夏普比率、索提诺比率、最大回撤）、CSV数据导入与可视化、期货合约乘数调整以及日期范围筛选分析。关键词：量化交易，投资组合分析，风险指标，策略回测，数据可视化，React开发，TypeScript，期货交易。

这个技能提供了Calci预测市场领域的全面知识，基于Kalshi平台。它解释了二进制事件合约的工作原理、隐含概率计算、交易机制、数据结构和API集成。适用于量化交易员、金融科技开发者和预测市场爱好者。关键词：预测市场、Kalshi、二进制合约、量化金融、API、WebSocket、交易结算。

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。

这个技能用于管理外部数据源、连接器和自定义数据流，为量化交易机器人提供实时数据集成服务，支持REST API、WebSocket和Webhook等多种集成方式，提升交易策略的数据驱动能力。关键词：数据集成、API连接、量化交易、实时数据流、外部数据源、交易机器人、数据管理、量化金融、股票分析。

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。

这个技能提供线性代数中矩阵问题的全面解决策略，涵盖矩阵类型识别、基本操作（如乘法、逆、转置）、线性系统求解和矩阵分解（如LU、QR、SVD）。通过集成SymPy工具，支持自动化计算和问题验证，适用于数学学习、工程应用、数据分析和量化金融场景。关键词：矩阵、线性代数、SymPy、问题解决、分解、逆、转置、乘法、LU分解、QR分解、SVD分解、量化策略。

该技能提供与Polymarket预测市场的自然语言交互能力，支持市场搜索、赔率查询、下注功能及头寸管理，适用于区块链开发者和量化交易者。关键词：Polymarket、预测市场、赔率检查、下注、区块链、DApp开发、量化交易。

这是一个用于MEXC交易所期货交易的自动化工具，支持最高200倍杠杆永续合约交易，无需KYC认证即可进行小额交易。该工具提供完整的交易功能，包括开仓平仓、杠杆设置、资金费率查询、持仓管理，并内置数据库记录所有交易历史，支持胜率、盈亏统计等量化分析功能。关键词：MEXC期货交易、杠杆交易、量化交易、永续合约、自动化交易、加密货币交易、交易机器人、数据库追踪、无需KYC、高频交易

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。

简历CV构建器是一个用于优化职业文档的技能，通过结构化框架（如按时间顺序、功能型、混合型）、量化成就方法（如STAR、XYZ）和ATS兼容性优化，帮助个人提升简历和CV的影响力、针对特定求职角色定制，并提高求职成功率。关键词：简历优化、CV制作、职业发展、ATS兼容、求职技巧、职业技能、量化成就、结构化框架。

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。