因子分析法实验室

> Pay Skill 范式：鉴权型（agent_local）
> 鉴权型：履约在本机执行（需本地取数/解析面板），远端网关只做支付鉴权，支付通过后返回 fulfillment: "agent_local"，Agent 再跑 scripts/ 下的脚本产出结果。

Overview

散户选股最爱踩一个坑：看到「相关系数显著」就以为因子有用。其实在几千只股票的海量数据下，再微弱的相关性也会被统计检验判成「显著」——这是大数据特有的假象，看着专业，实则没用。还有一类因子，线性相关系数近乎为 0，可它极值两端的收益却最强（所谓「两头最赚」），只看线性相关性根本发现不了。

本技能把 WorkBuddy 变成一个因子分析法实验室，一套工具覆盖三种能力，一次付费全部解锁：

1. 因子有效性体检：给任意因子做体检，一句话告诉你它是真有效、统计假象还是两端型有效，绕开「显著=有用」的坑。
2. 分位分组回测：把股票按因子从低到高分十档，画出每档收益分布，一眼看出该因子是单调有效还是「两头最赚」的 U 型，并附 SVG 分布图。
3. 两端极值选股池：基于「因子极值端收益最强」的规律，自动取最近一期因子最大/最小十分位股票，生成可直接加自选的极值选股池，并附该期两端收益对比。

三种能力共用同一套底层算法（分位分组 + 尾部相关性 + 极值选股），相互印证：先用体检判断因子类型，再用回测看清形态，最后用两端池落地成股票。

边界：只做因子有效性分析与选股池生成，不直接给买卖点；不访问任何账户，不代客下单；不给「必涨」承诺。

When to Use（触发条件）

• 用户说「帮我看看 XX 因子管不管用」「这个选股条件能用来选股吗」时 → 跑体检
• 用户说「做个分位回测」「看看这个因子是单调还是 U 型」时 → 跑回测
• 用户说「给我出个因子极值选股池 / 买两头的股票」时 → 跑两端选股池
• 用户说「我的因子回测不灵 / 相关系数显著但实盘亏」时 → 体检 + 回测一起看
• 用户想在上一个新因子前，先验证它到底有没有区分力时 → 体检
• 用户拿到一份「XX 因子年化 20%」的安利，想先鉴别真假时 → 体检

Workflow（工作流）

1. 准备因子面板数据：Agent 通过行情/财务数据接口（如 mx-finance-data、westock-data）拉取目标股票池各月末的因子值与下一期收益率，存为 CSV，列：date,ticker,factor,ret（ret 为该截面之后一期收益率，小数）。若环境无数据接口，则在对话中请用户直接提供该 CSV。取不到的数据一律标注「未获取」，严禁推测补造。
2. 支付鉴权通过后（一次付费解锁三种能力，本会话内可多次调用不重复扣费），在本机运行统一入口 scripts/run_local.py：
   - 体检：--mode check
   - 回测：--mode backtest [--svg <分布图路径>]
   - 两端选股池：--mode twotail [--as-of <截面日期>]
   - 一条龙：--mode all（默认，依次跑体检→回测→两端）
3. 脚本输出报告（格式见 references/output_templates.md），Agent 用大白话把结论讲给用户，重点讲清因子类型与该怎么用。

Output（输出规范）

按所选模式输出 Markdown 报告：

• 体检：结论先行（真·有效 / 统计假象 / 两端型有效 / 无明显规律）+ 线性相关系数(伪显著提示) + 分位分组诊断(强弱指数/形态/两端概率) + 尾部相关性(高/低尾 λ) + 建议
• 回测：形态判定 + 十档平均收益分布 + 强弱指数/两端概率 + SVG 分布图 + 用法
• 两端选股池：数据截面 + 最小十分位清单 + 最大十分位清单 + 该期两端收益对比 + 使用提示

缺失信息时在对应段落明确写「未获取」，不假设、不编造。

Notes / Constraints（约束）

• 本结果为量化统计研究，不构成任何投资建议；历史有效不代表未来有效。
• 估值类因子（PE/PB）传入前请先取倒数，使「低估值」落在因子最大端，否则结论会失真。
• 强弱指数与跨期稳定性依赖多期面板；若只给单期截面，结论为截面单调性代理，严谨度下降，脚本会如实标注。
• 动量因子信号可能偏弱、波动率因子可能呈「高波单端占优」而非对称 U 型——交付时应如实口播这些边界，不夸大为「两头都赚」。
• 不替代基本面研究、不替代仓位与风控决策。

Pay Skill 模式（鉴权型，按次付费，已接入 X402）

本 Skill 默认以「提示词型」运行于 WorkBuddy 内，免费使用。作为付费技能（Pay Skill），
已通过腾讯 SkillHub + 微信支付 Agent Pay X402 协议接入按次收费。

鉴权型：履约在本机执行（需调用本地取数脚本 / 解析本地或远程大文件），
远端网关只负责订单鉴权与支付状态确认，支付通过后返回 fulfillment: "agent_local"，
不返回业务结果；Agent 收到 paid: true 后才在本地跑 scripts/ 下的脚本产出结果。

• 统一网关主接口：POST https://pay.zerone-iteration.com/api/invoke
  （请求体 {"skill": "factor-research-lab", "skill_version": "1.0.0", "query": "...", "amount": 500}）
• 兼容入口：POST https://pay.zerone-iteration.com/api/resource（等价于默认 Skill）
• 支付回调：POST https://pay.zerone-iteration.com/api/pay/notify
• 退款回调：POST https://pay.zerone-iteration.com/api/refund/notify
• 实现：透明网关（nginx + Java 17 / Spring Boot + WechatPay-Java，微信支付公钥模式）；
  skill/skill_version 仅做格式校验后透传进 X402 预下单，不查 SkillHub（不查注册表、不反查是否真实存在/已发布/版本匹配）；
  无本地白名单，新增 Skill 免 Java 注册、免改 JAR、免重启，直接 POST /api/invoke 传正确 slug+版本即可
• 状态：脚手架已生成，待联调（DEV_MODE 验结构后接真实密钥实测 5 元真扣）。

Agent 侧调用规范（含付费前置插件检查）

Step 0 付费前置插件检查（必须，缺失则不得发起付费调用）

1. 检测当前环境中 weixinpay_pay 插件（微信支付 Agent Pay / AI 专属卡）是否已安装并已开通；
2. 若不存在或未开通：不调用 /api/invoke，改为提示用户先安装/开通微信 AI 支付，完成后再继续；
3. 若可用：继续 Step 1。

Step 1 调用统一网关：POST /api/invoke，请求体：

{
  "skill": "factor-research-lab",
  "skill_version": "1.0.0",
  "query": "用户原始需求（用于订单留痕，不作为履约输入）",
  "amount": 500
}

• skill：必填，固定为本 Skill 的 slug factor-research-lab（与 SkillHub 已发布的一致；透明网关下传错 slug 时错误延后到 SkillHub/微信预下单环节才返回）；
• skill_version：必填，当前版本号 1.0.0（缺失返回 400 MISSING_SKILL_VERSION）；
• amount：必填，单位分，服务端校验为大于 0 的整数（小数/布尔/零/负数一律 400 INVALID_AMOUNT，不静默截断）；
  区间不强制，价格由 SkillHub 产品定价约束。本 Skill 一次付费 5 元解锁体检/回测/两端三种能力（同一订单幂等，不重复扣费）。

Step 2 支付触发（X402 预下单 → 402）：未支付时服务端依次执行——

1. 生成订单号 out_trade_no（402 响应头 X-Out-Trade-No 与响应体 out_trade_no 均会返回，Agent 须记下）；
2. 调用微信支付 Native 下单，获取 code_url；
3. 用 SkillHub 开发者私钥（SHA256withRSA）对 X402 AI 预下单请求签名；
4. 调用 POST https://payapp.weixin.qq.com/palmpayminiapp/clawagentpay/preorder 换取 payment_code；
5. 返回 HTTP 402，响应头 WeixinPay-Required 与 body WeixinPay 块中
   同时携带 X402 预下单返回的 payment_code（必须是 X402 的 payment_code，
   不能直接把微信 code_url 当作 payment_code 返回），并回显本单 amount 与 out_trade_no。
   ⚠️ body 的 WeixinPay 嵌套结构最易遗漏：缺失时 weixinpay 插件从 body 解析不到
   payment_code，会报「当前支付订单已过期」，该报错常被误判为「返回了 code_url」。

Step 3 用户支付授权：Agent 将 WeixinPay-Required 头（或 body WeixinPay 块）中的
payment_code 作为 paymentCode 交给 weixinpay_pay 插件，向用户申请支付授权。

Step 4 二次调用鉴权：用户完成支付后，Agent 再次调用 POST /api/invoke
（请求体同 Step 1，带请求头 X-Out-Trade-No: <402 返回的订单号>）；
服务端按订单号主动向微信查单验证支付成功（不依赖回调到达）后返回：

{"ok": true, "paid": true, "fulfillment": "agent_local",
 "skill": "factor-research-lab", "out_trade_no": "...", "already_fulfilled": false}

Step 5 本地履约（本 Skill 的关键差异）：Agent 收到 paid: true 且
fulfillment: "agent_local" 后，在本机执行 scripts/ 下的统一入口脚本产出结果
（见 scripts/README.md），再把结果交付给用户。
支付未确认前，不执行本地取数脚本、不输出任何付费内容
（未支付重试返回 402 {"code":"NOT_PAID"}）。

> 幂等说明：already_fulfilled: true 表示同一订单此前已鉴权通过；
> 此时直接复用上次已产出的结果，不要重复跑取数脚本（避免重复消耗外部接口配额）。
> 本 Skill 一次付费对应一次订单，三种能力（体检/回测/两端）均在该订单下履约，不重复扣费。

异常处理说明（Agent 与服务端两侧）

> 核心原则（SkillHub 官方教程 FAQ）：支付失败/未确认时必须如实告知用户，绝不据此推进后续流程。

核心特征对照表（供审核查验）

包内 pay/server.py 为 Python 参考实现（含 APIv3 签名、X402 预下单、回调验签解密、
主动查单、幂等鉴权、透明网关无需注册表），部署说明见 PAY_SKILL_UPGRADE.md 与 pay_skill.yaml。

注意：本 Skill 涉及两套独立密钥/证书——

• 微信支付 API 证书（wechat_pay）：用于微信 Native 下单与主动查单；
• SkillHub 开发者密钥（skillhub）：用于 X402 预下单签名。

私钥均不得写入 Skill 包或仓库，须通过环境变量注入服务端。