Agent Skills
返回列表
⚖️

回测专家

行业专业 更新于 2026.08.30

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/wind-information-co-ltd-wind-skills-backtest-expert。

技能介绍

要解决什么问题

系统化交易策略在上实盘前,最怕的不是回测亏损,而是回测过于乐观:参数刚好卡在历史峰值、滑点按理想价成交、样本只覆盖一两段牛熊。这类结果往往一上线就「破相」。本技能面向的是:用可复现的规则把假设写成完整入场/出场与仓位逻辑,再用压力测试与样本外验证判断策略是否经得起摩擦与制度切换。

技能如何工作

核心信条是找「最不容易崩」的策略,而不是纸面上赚得最多的策略。典型工作流包括:

  1. 一句话假设:说不清边际优势就不要开测。
  2. 零主观裁量编码:Entry / Exit、仓位、标的池与过滤条件必须完全确定,不允许盘中「感觉」。
  3. 初测:建议至少 5 年(更好 10+)、多市场状态,并计入佣金与保守滑点。
  4. 压力测试(应占大部分时间):参数敏感度(止损/止盈/时点扰动)、执行摩擦(1.5–2× 滑点、悲观成交与拒单)、分年稳健性与样本量(建议 100+ 笔、高置信 200+ 笔)。
  5. 样本外验证:走步前进(walk-forward),对比样本内与样本外表现。

技能附带方法论与失败案例参考(如 references/methodology.md、references/failed_tests.md),并可产出结构化评估(.json)与人类可读报告(reports/backtest_eval_.md),按维度打分并列出红旗项与结论。

适用边界与注意点

  • 侧重量化/系统化回测;依赖主观盘感、新闻语境或手工挑案例的discretionary 玩法不在范围内。
  • 评估脚本需 Python 3.9+;指标由用户提供,不绑定外部行情 API。
  • 若回测胜率极高、回撤极小、时点近乎完美,应优先排查 look-ahead、生存者偏差与过拟合,而不是急于放大仓位。
  • 小边际需要大样本才有统计意义;并认清所用回测平台在插值、低流动性与数据对齐上的局限。

使用场景

  • 写完入场/止损/止盈规则后,需要按 5~10 年历史与保守滑点做初测并判断是否值得继续深挖
  • 回测曲线很好看但不确定是否过拟合,要对止损/止盈/时点做敏感度扫描并找稳定高原而非尖峰
  • 准备上实盘前,要走步前进对比样本内外表现,并整理红旗项写入评估报告
  • 同一策略在熊市与高波动年份明显失真,需要分年、分市场制度单独检验稳健性

适合人员

  • 自研选股/择时逻辑的量化研究员,需要用统一方法论做压力测试再决定是否加大资金
  • 把交易想法写成完整规则的系统化交易者,想避免 lookahead 与生存者偏差误导回测结论
  • 回测结果与实盘差距很大的策略负责人,需要对照失败案例清单排查摩擦、样本量与参数敏感问题
  • 正在学习正规回测流程的学生或从业者,希望按假设—编码—压测—样本外的顺序建立检查习惯