المهارات backtesting-frameworks
📊

backtesting-frameworks

آمن

بناء أنظ��ة اختبار رجعي قوية لاستراتيجيات التداول

متاح أيضًا من: wshobson

يتطلب تطوير استراتيجيات التداول إجراء اختبار رجعي صارم لتجنب التحيزات المكلفة. توفر هذه المهارة أنماطًا جاهزة للإن��اج للتحقق الموثوق من الاستراتيجيات مع معالجة صحيحة لتحيز النظرة المستقبلية وتحيز البقاء على قيد الحياة وتكال��ف المعاملات.

يدعم: Claude Codex Code(CC)
🥉 75 برونزي
1

تنزيل ZIP المهارة

2

رفع في Claude

اذهب إلى Settings → Capabilities → Skills → Upload skill

3

فعّل وابدأ الاستخدام

اختبرها

استخدام "backtesting-frameworks". اختبار رجعي لاستراتيجية زخم أساسية بنظرة خلفية لمدة 20 يومًا

النتيجة المتوقعة:

حققت الاستراتيجية عائدًا سنويًا بنسبة 12.3% مع تقلب بنسبة 15.2%. نسبة شارب: 0.81. الحد الأقصى للانسحاب: -18.4%. معدل الفوز: 54.2%. تشمل النتائج منحنى الأسهم ومخطط الانسحاب وخريطة حرارية للعوائد الشهرية.

استخدام "backtesting-frameworks". التحسين المستقيم الأمامي لمعاملات العودة إلى المتوسط

النتيجة المتوقعة:

نافذة النظرة الخلفية المثلى: 14-21 يومًا عبر 8 فترات اختبار. نسبة شارب خارج العينة: 0.65 (داخل العينة: 0.72). يؤكد استقرار المعاملات صمود الاستراتيجية. يُظهر منحنى الأسهم المدمج أداءً متسقًا عبر أنظمة السوق.

التدقيق الأمني

آمن
v1 • 2/25/2026

All 33 static analysis findings are false positives. The skill contains documentation and Python code examples in markdown format only. No executable code, network calls, or security risks detected. Markdown code block delimiters were incorrectly flagged as shell execution. Type annotations and common financial terms triggered false pattern matches.

2
الملفات التي تم فحصها
690
الأسطر التي تم تحليلها
0
النتائج
1
إجمالي عمليات التدقيق
لا توجد مشكلات أمنية
تم تدقيقه بواسطة: claude

درجة الجودة

38
الهندسة المعمارية
100
قابلية الصيانة
87
المحتوى
50
المجتمع
100
الأمان
100
الامتثال للمواصفات

ماذا يمكنك بناءه

باحث كمي يتحقق من صحة إشارات التداول الجديدة

يحتاج باحث كمي يقوم بتطوير استراتيجية تداول قائمة على الزخم إلى التحقق من الأداء عبر أنظمة سوق متعددة مع تجنب الإفراط في التخصيص وضمان افتراضات تكلفة واقعية.

متداول خوارزمي يبني استراتيجيات منهجية

يحتاج متداول خوارزمي يقوم بتنفيذ استراتيجيات منهجية إلى بنية تحتية لاختبار رجعي قوية مع تقسيمات تدريب/تحقق/اختبار مناسبة وتحسين تقدم مستقيم لضمان صمود الاستراتيجية.

عالم بيانات يستكشف التطبيقات المالية

يحتاج عالم بيانات يطبق التعلم الآلي على البيانات المالية إلى إرشادات حول منهجية الاختبار الرجعي الصحيحة لتجنب المخاطر الشائعة مثل تحيز النظرة المستقبلية وتحيز البقاء على قيد الحياة.

جرّب هذه الموجهات

الإعداد الأساسي للاختبار الرجعي 
ساعدني في إعداد إطار اختبار رجعي أساسي لاستراتيجية تقاطع متوسط متحرك بسيطة. لدي بيانات OHLCV اليومية في DataFrame للباندا. ضمّن تكاليف المعاملات واحسب مقاييس الأداء الرئيسية.
التحسين المستقيم الأمامي 
أحتاج إلى تنفيذ تحليل التقدم المستقيم لاستراتيجية العودة إلى المتوسط. استخدم نافذة تدريب مدتها 252 يومًا ونافذة اختبار مدتها 63 يومًا مع تدريب مثبت. حسّن معامل النظرة الخلفية وأظهر منحنى الأسهم من فترات الاختبار المجمعة.
اختبار الصمود بمونت كارلو 
شغّل محاكاة مونت كارلو على عوائد استراتيجيتي لتقييم الصمود. أريد تحليل التمهيد من توزيع الحد الأقصى للانسحاب واحتمال الخسارة على مدى فترات تداول 21 و63 و252 يومًا بـ 1000 محاكاة.
نظام اختبار رجعي قائم على الأحدود مع تنفيذ مخصص 
ابنِ نظام اختبار رجعي قائم على الأحداث مع منطق تنفيذ مخصص للأوامر المحدودة. ضمّن نمذجة ملء واقعية بناءً على ديناميكيات دفتر الأوامر وتتبع الأوضاع وحساب الربح والخسارة في الوقت الفعلي. دعم أصول متعددة مع إدارة المخاطر على مستوى المحفظة.

أفضل الممارسات

  • استخدم دائمًا بيانات النقطة الزمنية لتجنب تحيز النظرة المستقبلية - تأكد من إنشاء الإشارات باستخدام المعلومات المتاحة فقط في وقت القرار
  • احتفظ ببيانات خارج العينة للتقييم النهائي - لا تحسّن المعاملات أبدًا على مجموعة الاختبار الخاصة بك
  • ضمّن تكاليف معاملات واقعية - نمذجة التكاليف الصريحة (العمولة) والتكاليف الضمنية (الانزلاق وتأثير السوق)

تجنب

  • استخدام أسعار الإغلاق المعدلة دون فهم التعديلات - يمكن أن يقدم تحيز النظرة المستقبلية من معلومات توزيعات الأرباح أو تقسيم الأسهم المستقبلية
  • تحسين الكثير من المعاملات بالنسبة للبيانات المتاحة - يؤدي إلى الإفراط في التخصيص وأداء ضعيف خارج العينة
  • تجاهل تحيز البقاء على قيد الحياة من خلال الاختبار فقط على المكونات الحالية - يجب تضمين الأوراق المالية المحذوفة للحصول على نتائج دقيقة

الأسئلة المتكررة

ما هو تحيز النظرة المستقبلية وكيف أتجنبه؟
يحدث تحيز النظرة المستقبلية عندما يستخدم اختبارك الرجعي معلومات لم تكن متاحة في وقت قرارات التداول. تجنبه باستخدام بيانات النقطة الزمنية وإزاحة الإشارات بفترة واحدة والتأكد من أن جميع البيانات تعكس ما كان معروفًا في كل طابع زمني.
كم من البيانات التاريخية أحتاجها للاختبار الرجعي الموثوق؟
يُنصح بحد أدنى من 5-10 سنوات من البيانات لالتقاط أنظمة سوق متعددة. لتحليل التقدم المستقيم، تأكد من توفر بيانات كافية لـ 4-8 دورات تدريب/اختبار كاملة على الأقل مع أحجام النوافذ المختارة.
ما هي نسبة شارب الجيدة لاستراتيجية التداول؟
تعتبر نسبة شارب أعلى من 1.0 مقبولة بشكل عام، وأعلى من 1.5 جيدة، وأعلى من 2.0 ممتازة. ومع ذلك، السياق مهم - ضع في الاعتبار نوع الاستراتيجية وظروف السوق وما إذا كانت العوائد موزعة بشكل طبيعي.
هل يجب أن أستخدم الاختبار الرجعي المتجه أو القائم على الأحداث؟
استخدم الاختبار الرجعي المتجه للاستراتيجيات البسيطة والنماذج الأولية السريعة - إنه أسرع وأبسط. استخدم الاختبار الرجعي القائم على الأحداث لأنواع الطلبات المعقدة ونمذجة التنفيذ الواقعية أو الاستراتيجيات بمنطق يعتمد على المسار.
كيف أحسب تكاليف المعاملات في اختباري الرجعي؟
قم بنمذجة التكاليف الصريحة (عمولة لكل صفقة أو لكل سهم) والتكاليف الضمنية (الانزلاق كنسبة مئوية من الفرق أو تأثير السعر). طبّق التكاليف في وقت التنفيذ وليس في وقت إنشاء الإشارة للحصول على الدقة.
ما هو التحليل المستقيم الأمامي ولماذا هو مهم؟
يحلل التحليل المستقيم الأمامي المعاملات بشكل متكرر على نافذة تدريب ويختبرها على نافذة لاحقة خارج العينة، ويتقدم للأمام عبر الزمن. يتحقق من أن استراتيجيتك تتكيف مع ظروف السوق المتغيرة وليست مفرطة التخصيص لفترة تاريخية واحدة.

تفاصيل المطور

المؤلف

sickn33

الترخيص

MIT

المستودع

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/backtesting-frameworks

مرجع

main

بنية الملفات

📁 resources/

📄 implementation-playbook.md

📄 SKILL.md