马尔可夫对冲基金法（Regime 市场状态检测）
为任意资产检测牛/熊/震荡三种市场状态，输出可交易的信号或风险过滤层，直接嵌入你已有的交易策略。
只读数据分析，无需API密钥或账户，明确披露数据流（yfinance或用户CSV），HMM优雅降级，免责声明清晰，MIT许可与框架归属（Roan）明确。扣分：实际脚本未提供，无法验证其确实做到最小权限与输入校验；依赖通过uv从PyPI动态解析，无锁定清单，未声明依赖审计；无回滚机制。
文档自洽：JSON契约逐字段定义、失败时输出{"error}并退出非零、HMM降级路径、walk-forward无前瞻声明均一致。扣分：脚本源码不在评审范围内提供，关键路径（矩阵估计、NaN处理、CSV列自动检测）无法静态复核，测试与边界用例未见。
触发语义清晰：明确列举适用场景（regime检测、确认层、风险门控、仓位过滤）与输入（ticker或CSV），参数默认值与非适用情形有说明。扣分：中文支持未提及；yfinance在中国大陆网络可能不可达，核心功能依赖外部服务；对短历史数据的行为仅在walk_forward NaN处部分披露。
文档分层良好（README→SKILL.md→JSON契约表→组合模式），许可文件完整（MIT），归属清晰，提供zero-trust手动安装路径。扣分：仓库许可元数据为NOASSERTION；SKILL.md无版本号或变更日志；维护责任与更新路径未明确（个人YouTube频道链接不构成维护承诺）。
声明能力完整且组合模式给出可直接套用的代码片段，边际价值（信号/风险过滤层）表述具体。扣分：静态评审无法验证输出确实可直接使用；walk-forward回测的正确性与Sharpe数值无从核对；金融收益声明按锚点需执行证据，未达标。
有可审计的一手材料：完整的JSON契约、参数默认值、与视频演示一致的复现参数（--threshold 0.02），并引用原始文章。扣分：无测试套件、无提交的第三方执行证据、回测结果无样本输出可交叉核对，事实与推断的区分依赖作者自述。
- 本次为静态评审，未执行任何代码；脚本逻辑、回测数值与JSON输出均未经独立验证。
- 依赖由uv在首次运行时从PyPI动态解析且无锁定版本，存在供应链风险；建议审查PEP 723内联依赖并固定版本。
- yfinance在中国大陆网络可能不可达，核心ticker路径或无法使用；可改用--csv自备数据。
- 输出为交易信号，仅供教育用途；使用前务必用walk-forward Sharpe与最大回撤自行验证，勿直接用于实盘仓位。
- 仓库许可元数据为NOASSERTION，发布者未经验证；SKILL.md无版本号与变更日志，更新时请核对差异。
这个 Skill 能做什么，适合哪些场景？
这是 Quant 系列视频第一集的配套技能，框架来自 Roan（@RohOnChain），由 Lewis Jackson 重构为插件。它通过滚动收益率规则给任意资产生成 Bull/Bear/Sideways 标签，用最大似然法构建 3×3 转移矩阵，并通过 Chapman-Kolmogorov 方法进行 n 步前瞻预测，同时输出长期平稳分布和无前视偏差的 walk-forward 回测指标（Sharpe、最大回撤）。输入可以是 yfinance 的任意代码（股票、ETF、加密货币、外汇、期货）或用户自己的 CSV 价格文件。设计目标是作为一层叠加到现有交易代理或策略上，而不需要重写原策略。
运行 scripts/markov_regime.py 脚本：接收 --ticker（经 yfinance 拉取价格）或 --csv（仅需日期列和收盘列，自动识别常见列名）；按默认参数（20 日窗口、±5% 阈值、10 年历史）标记每个交易日的市场状态；用历史数据估计 3×3 马尔可夫转移矩阵；计算下一步状态概率和平稳分布；输出信号 = bull_prob − bear_prob（范围 [-1, 1]）；执行逐步重新估计、无前视偏差的 walk-forward 回测并报告 Sharpe 和最大回撤；可选地用 hmmlearn 拟合隐马尔可夫模型（编译失败时优雅降级）。加 -- 时输出一个结构化的 JSON 对象，字段包括 current_regime、signal、transition_matrix、stationary_distribution、walk_forward 等。
- 已有动量策略的交易者，想在入场前加一道市场状态确认：只有策略方向与 regime 信号一致时才开仓
- 风险管理场景：用平稳分布中的熊市占比作为仓位缩放或硬性闸门，熊市基线过高的资产直接不交易
- 想快速评估某个资产（如 BTC-USD、AAPL）当前处于什么状态、粘性多强、方向概率如何的个人投资者
- 手上有自己的价格数据（CSV）的量化研究者，想在任意资产或时间周期上跑同一套状态检测
- TradingView 用户，想用配套的 Pine Script v5 指标在图表上直观看到状态色带、实时转移矩阵和平稳分布表
这个 Skill 有哪些优点和局限？
- 零信任友好：保留原始构建提示词，可本地逐行审查后再安装
- 无前视偏差的 walk-forward 回测，逐步重新估计转移矩阵
- 资产无关：任何 yfinance 覆盖的代码或自有 CSV 均可，输入要求极低（一个日期列加一个收盘列）
- HMM 编译失败时优雅降级，其余字段仍然有效；JSON 输出契约清晰，易于程序集成
- 附赠 TradingView Pine Script 指标，可视觉化验证框架
- 回测是历史数据，不构成前瞻性预测，仓库自己也声明了这一点
- 许可在 GitHub 元数据中标记为 NOASSERTION，仅 README 声称 MIT（指向仓库上层目录的 LICENSE），需要自行核实
- 未见独立的测试套件或第三方审计；README 缺少 topics 且无正式版本发布信息
- walk-forward 的 Sharpe/最大回撤在历史过短时可能为 NaN；HMM 状态按平均收益排序标注，"熊市"状态也可能为正收益，解读时需注意
- Pine 指标基于 TradingView v5，与 Python 端的默认参数一致但属于独立实现，二者的一致性无测试佐证
如何安装这个 Skill？
在 Claude Code 中执行两条命令即可：/plugin marketplace add jackson-video-resources/markov-hedge-fund-method 然后 /plugin install markov-hedge-fund-method@markov-hedge-fund-method。无需 API 密钥、无需账户、无需 sudo，依赖由 uv 在首次运行时自动解析（PEP 723 内联元数据，约 10-20 秒）。如果不想从市场安装，仓库中的 markov-hedge-fund-method.md 是录制视频时的原始一次性构建提示词，可粘贴到 Claude Code 让它现场从零构建同样的逻辑，作为零信任的替代路径。
如何使用这个 Skill？
安装后用 /markov-hedge-fund-method:regime 调用，或直接用自然语言提问，例如「检测 BTC-USD 的市场状态」「给我的 SPY 动量策略加一个状态确认过滤器」「AAPL 的长期状态分布是否熊市占比过高」。程序化调用示例：uv run ${CLAUDE_PLUGIN_ROOT}/scripts/markov_regime.py --ticker BTC-USD --，或用 --csv ./my_prices.csv 替代自己的数据。去掉 -- 可看到格式化的终端输出（矩阵、对角粘性、walk-forward 指标、HMM 曲线）。所有默认参数（--window 20、--threshold 0.05、--years 10、--min-train 252）均可覆盖。
这个 Skill 与同类方案有什么区别？
仓库本身没有列出竞品。其定位是通用的市场状态检测层（马尔可夫转移矩阵 + 可选 HMM），与将 regime 作为内置特征之一的量化回测框架相比，本技能刻意保持轻量、可组合，不要求替换你现有的策略或回测栈。