BF factor-prune
Навык отбора факторов (Factor Prune) — после того, как навык stock-factor выдаст первоначальный список факторов (результаты оценки IC/IR), выполняет жадный прямой отбор + отбор для удаления корреляции среди эффективных факторов, чтобы выбрать набор высокоэффективных и низкоизбыточных факторов. Алгоритм: суммирует все факторы → отбирает эффективные по |IR|/IC/time_potential → сортирует по убыванию эффективности → жадно извлекает оптимальный фактор → оценивает корреляцию с оставшимися факторами → удаляет высококоррелированные избыточные → извлекает следующий → повторяет до сходимости или достижения лимита. Навык предоставляет два основных варианта реализации: (1) Шестишаговый метод на основе файлов `prune_flow.py` (рекомендуется) — скрипт напрямую подключается к QuantAll и выполняет весь цикл, временные файлы хранятся в каталоге `state` вне памяти; (2) Метод кэширования матрицы `prune.py` — сохраняет кэш матрицы корреляции, подходит для повторного запуска с изменением пороговых значений. Также есть «отбор топ/бот 10% по боковым сторонам» `window_opt.py` / `window_prune.py`: использует окно квантилей факторов в качестве объекта оптимизации, пороговые значения боковых сторон покрытия + комбинированная оценка. Триггеры: когда пользователь упоминает ключевые слова «отбор факторов», «удаление избыточности факторов», «отбор факторов», «factor prune», «выбрать эффективные факторы», «удалить корреляцию», «отобрать факторы», «сжатие факторов», «отбор по квантилям». Этот навык зависит от вычислительного движка QuantAll (полный анализ A) MCP и выходных данных навыка stock-factor. Границы: этот навык выдает только «список отобранных факторов» (с удаленной избыточностью), не включает синтез факторов / бэктестинг стратегий / комбинацию нескольких факторов — эти задачи обрабатываются нижестоящими системами.
машинный переводПоказать оригиналСкрыть оригинал«因子筛选（Factor Prune）技能 —— 在 stock-factor 技能产出初始因子清单（IC/IR 评估结果）后， 对有效因子做…»
因子筛选（Factor Prune）技能 —— 在 stock-factor 技能产出初始因子清单（IC/IR 评估结果）后， 对有效因子做贪心前向选择 + 去相关筛选，精选出一组高有效性、低冗余的因子集合。 算法：汇总所有因子 → 按 |IR|/IC/time_potential 筛选有效 → 按有效性降序 → 贪心提取最优因子 → 与剩余因子做相关性评估 → 移除高相关冗余 → 提取下一个 → 如此反复直到收敛或达到上限。 技能提供两套主实现： (1) 文件驱动六步法 `prune_flow.py`（推荐）——脚本直连 QuantAll 自己跑完整个循环，临时文件统一在内存外的 state 目录； (2) 缓存矩阵法 `prune.py`——保留相关性矩阵缓存，适合换阈值重放（replay）。 另有「顶/底10% 分侧筛选」`window_opt.py` / `window_prune.py`：以因子分位窗口为优化对象、coverage 分侧门限 + 联合评分。 触发：用户提到"因子筛选""因子去冗余""因子精选""factor prune""选有效因子""去相关" "精选因子""因子压缩""分位筛选"等关键词时。 本技能依赖 QuantAll（全A解析）MCP 计算引擎和 stock-factor 技能的输出数据。 边界：本技能只产出「精选因子清单」（已去冗余），不含因子合成 / 策略回测 / 多因子组合——这些由下游另行处理。
Навык отбора факторов (Factor Prune) — после того, как навык stock-factor выдаст первоначальный список факторов (результаты оценки IC/IR), выполняет жадный…
Как процесс F 33/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/output/, scripts/factor-pure.xlsx, scripts/output/pruned_factors.xlsx
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 13. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - предупреждение
missing-refссылка на отсутствующий файл: scripts/output/ - предупреждение
missing-refссылка на отсутствующий файл: scripts/factor-pure.xlsx - предупреждение
missing-refссылка на отсутствующий файл: scripts/output/pruned_factors.xlsx - предупреждение
missing-refссылка на отсутствующий файл: scripts/output/pruned_removed.xlsx - предупреждение
missing-refссылка на отсутствующий файл: scripts/factor-window-opt.xlsx - предупреждение
missing-refссылка на отсутствующий файл: scripts/factor-pure-topbottom.xlsx - предупреждение
missing-refссылка на отсутствующий файл: scripts/output/*.xlsx - заметка
frontmatter-keyнеизвестное поле фронтматтера "agent_created"
Процессный рейтинг: все десять параметров 33/100
- 0Инструменты и файлы. Не хватает 7 файла(ов): scripts/output/, scripts/factor-pure.xlsx, scripts/output/pruned_factors.xlsx
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
- 100Шаги. Шагов: 21
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1993 токенов
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +2Инструкции на одном языке
- +3Длина description 627 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 21 заголовков
- +3Пошаговые инструкции: 21 пунктов
- +4Есть примеры (4 блоков кода)
- +3Все 9 скриптов описаны в инструкциях
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 63.