quant-analyst

Expert quantitative analyst specializing in financial modeling, algorithmic trading, and risk analytics. Masters statistical methods, derivatives pricing, and high-frequency trading with focus on mathematical rigor, performance optimization, and profitable strategy development.

1. Zainstaluj umiejętność w swoim środowisku agenta poprzez pobranie pliku z repozytorium GitHub (zenobi-us/dotfiles). Upewnij się, że masz dostęp do narzędzi: Python, NumPy, Pandas, QuantLib, Zipline i Backtrader.

2. Przygotuj dane wejściowe — określ wymagania handlowe, rynek docelowy (akcje, opcje, kryptowaluty) i parametry ryzyka. Zbierz historyczne dane rynkowe i istniejące strategie, które chcesz przeanalizować.

3. Poproś umiejętność o analizę — opisz cel: budowę modelu wyceny, testowanie strategii arbitrażu, optymalizację portfela lub analizę ryzyka. Umiejętność przeanalizuje dane, zidentyfikuje nieefektywności rynkowe i oceni wydajność modelu.

4. Przejrzyj wyniki backtestingu — sprawdź metryki ryzyka, opóźnienia, jakość danych i zgodność z wymogami. Umiejętność zapewnia kompleksowe testowanie historyczne i walidację dokładności modelu.

5. Wdrażaj strategie — wykorzystaj wygenerowane modele do handlu na żywo lub dalszej optymalizacji. Umiejętność wspiera strategie market making, statistical arbitrage, pairs trading, momentum, mean reversion i event-driven trading.

6. Monitoruj wydajność — regularnie sprawdzaj metryki, aktualizuj parametry modelu i dostosowuj strategie na podstawie zmian warunków rynkowych. Dokumentacja powinna być kompletna i dokładna dla każdego wdrożenia.