Agent Skills
返回列表
📊

策略回测框架

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/zhaocaixia888-backtesting-framework-100。

技能介绍

要解决什么问题

量化策略在上实盘前必须先回答:在历史 K 线上,这套规则到底赚了还是亏了、回撤有多大。很多团队要么上重型商业回测平台,要么自己拼 pandas 脚本,结果依赖链变长、策略逻辑和回测骨架缠在一起,很难快速迭代。

本技能描述的是一套纯 Python 策略回测引擎,面向期货与股票场景;计算侧只依赖 NumPy,没有额外第三方回测库负担。你可以在 AI 助手里按文档搭骨架,把信号、持仓与收益曲线落成可复现的流程,而不是每次从零写脚本。

核心能力与用法

引擎侧强调「策略可插拔 + 统一输出」:

  • Moving Average Crossover(均线金叉死叉):双均线交叉类趋势跟踪
  • RSI Mean Reversion(RSI 均值回归):超买超卖区间的反转思路
  • Bollinger Bands Breakout(布林带突破):带宽与价格突破类规则

典型步骤是:选定标的与时间区间 → 加载 OHLC 序列 → 选用或改写内置策略逻辑 → 跑回测并得到统一格式的结果,便于横向对比不同参数或规则。

文档也说明输出格式(Output Format)用于对齐指标口径,方便你把多次实验记在同一套字段里。

适用边界与注意点

回测结果是假设性的,默认不考虑滑点、手续费、流动性等实盘摩擦;上线前务必做模拟盘 / 纸上交易(forward-test)。

SKILL.md 明确把过拟合列为头号敌人——策略宜保持简单;可用多周期交叉验证稳健性,而不是在单一区间上反复调参。所有内置策略的计算均以 NumPy 完成,适合轻量、可审计的实现,但不替代合规风控与实盘交易系统。

使用场景

  • 拿到股指或个股日线后,先用均线金叉死叉规则跑一轮历史收益与回撤,再决定是否调参
  • 用 RSI 均值回归模板在震荡区间历史上验证入场阈值,避免只靠主观复盘
  • 在布林带突破策略上对比不同周期参数,用统一输出字段归档多组实验
  • 编写自定义信号前,用内置三种策略对齐数据格式与回测流程,减少脚手架重复劳动

适合人员

  • 自主开发 A 股或期货因子的个人量化研究者,需要不引重型库的快速历史验证
  • 私募基金里负责策略原型的研究员,要把趋势/反转类规则在统一框架里横向对比
  • 金融科技课程中指导学生实现技术指标策略的教师,强调 NumPy 可复现实现
  • 从交易系统外包转内建的工程师,先用标准输出格式沉淀回测记录再对接实盘模块