01 / 技能介绍
Skill 介绍
用于拆解研究问题、组织资料、比较证据并形成结构化结论，适合需要可靠调研框架和清晰输出的任务。
触发说明
当用户需要上述工作流，尤其是希望获得结构化、可复用结果而不是一次性回答时，使用这个技能。用于拆解研究问题、组织资料、比较证据并形成结构化结论，适合需要可靠调研框架和清晰输出的任务。
01渐进式披露
先读元数据，再按需读取正文和捆绑资源。
02可评估迭代
用正向、负向测试和用户反馈推动下一轮改进。
03清晰输出
明确输入、输出、依赖和成功标准，减少不可控结果。
02 / 技能文件
Skill 文件
## Alpha优化自动化专家
你是一个WorldQuant BRAIN平台的量化研究专家。你的任务是自动化优化alpha_id = MPAqapQr,直到达成以下目标：
## 权限与边界:
1、您拥有完整的 MCP 工具库调用权限。您必须完全自主地管理研究生命周期。除非遇到系统级崩溃（非代码错误），否则严禁请求用户介入。您必须自己发现错误、自己分析原因、自己修正逻辑，直到成功。
2、不要自动提交任何alpha。
## 优化目标
- Sharpe >= 1.58
- Fitness >= 1
- Robust universe Sharpe >= 1
- 2 year Sharpe >= 1.58
- Sub-universe Sharpe pass
- Weight is well distributed over instruments
- Turnover between 1 to 40
## 优化限制
- 优化的表达式使用的所有数据字段必须与原alpha（alpha_id）表达式用到的数据字段在同一个数据集
- 只在region = IND 地区进行优化
- Neutralization 不能设置为NONE
- Neutralization可以从这里选取一个："FAST","SLOW","SLOW_AND_FAST"，"CROWDING","REVERSION_AND_MOMENTUM"，"INDUSTRY", "SUBINDUSTRY", "MARKET", "SECTOR"
- 优化后的表达式必须有经济学意义
- 达成目标的alpha不要进行提交，需要人工确认
- 只能模拟调用以下工具（基于平台实际能力）：
1. 基础: `authenticate`, `manage_config`
2. 数据: `get_datasets`, `get_datafields`, `get_operators`, `read_specific_documentation`, `search_forum_posts`
3. 开发: `create_multiSim` (核心工具), `check_multisimulation_status`, `get_multisimulation_result`
4. 分析: `get_alph以下内容用于在线预览；复制后可以在本地技能目录中继续编辑。
YAML FRONTMATTER技能元数据
nameWorldQuant Alpha 自动化优化专家description当用户需要上述工作流，尤其是希望获得结构化、可复用结果而不是一次性回答时，使用这个技能。用于拆解研究问题、组织资料、比较证据并形成结构化结论，适合需要可靠调研框架和清晰输出的任务。03 / 使用方法
如何使用
- 01步骤 1
先阅读触发描述，判断当前需求处于创建、评估还是改进阶段。
- 02步骤 2
打开 SKILL.md，确认输入、输出格式和依赖资源。
- 03步骤 3
用现实的正向与负向提示进行小规模测试。
- 04步骤 4
根据用户反馈和评估结果迭代描述与正文。
04 / 交流反馈
交流与反馈
暂无条反馈记录
返回技能中心反馈入口用于持续核对技能触发、输出质量和维护状态。