backtesting-frameworks
신뢰할 수 있는 트레이딩 백테스트 구축
트레이딩 백테스트는 종종 편향을 숨기고 성과를 과대평가합니다. 이 스킬은 전방향 편향, 생존자 편향, 거래 비용을 적절히 처리하는 신뢰할 수 있는 백테스트를 설계하기 위한 패턴과 검사를 제공합니다.
스킬 ZIP 다운로드
Claude에서 업로드
설정 → 기능 → 스킬 → 스킬 업로드로 이동
토글을 켜고 사용 시작
테스트해 보기
"backtesting-frameworks" 사용 중입니다. How do I avoid survivorship bias in equity backtests?
예상 결과:
- 삭제된 증권을 포함하는 시점별 구성 목록 사용
- 삭제된 심볼 데이터를 유지하는 역사적 데이터 제공자 확보
- 데이터 소스와 해당 생존자 처리 접근 방식 문서화
- 알려진 역사적 지수 구성과 유니버스 테스트
"backtesting-frameworks" 사용 중입니다. What are the key metrics to evaluate a backtest?
예상 결과:
- 위험 조정 수익을 위한 샤프 비율
- 최악의 경우 손실을 위한 최대 드로우다운
- 수익과 드로우다운을 결합한 칼마 비율
- 거래 품질을 위한 승률과 이익 요소
보안 감사
안전This is a pure documentation skill containing only instructional content and Python code examples for building trading backtests. All 46 static findings are false positives. The scanner incorrectly flagged: ASCII diagram delimiters (backticks in markdown), dictionary keys (certificate/key files), financial terms like 'sharpe' (weak crypto), and legitimate function calls (dynamic constructor). No executable code, network calls, file access, credential harvesting, or data exfiltration patterns exist.
위험 요인
🌐 네트워크 접근 (4)
⚡ 스크립트 포함 (1)
품질 점수
만들 수 있는 것
새로운 전략 검증
성능 추정을 신뢰하기 전에 편향 검사와 워크포워드 분할을 적용합니다.
대안 비교
여러 전략 후보에 걸쳐 일관된 비용 모델과 지표 표준을 사용합니다.
백테스트 엔진 설계
이벤트 기반 아키텍처 패턴과 실행 모델링 가이드를 따릅니다.
이 프롬프트를 사용해 보세요
전방향 편향을 피하고 현실적인 거래 비용을 포함하는 기본적인 백테스팅 워크플로우를 개요로 설명합니다.
50개 심볼로 일일 주식 전략에 대해 이벤트 기반과 벡터화된 백테스팅 접근 방식을 비교합니다.
10년간의 일일 데이터에 대한 워크포워드 학습 및 테스트 윈도우를 제안하고 근거를 설명합니다.
전략 수익 시리즈에 대한 드로우다운 위험을 평가하기 위한 몬테카를로 분석과 지표를 나열합니다.
모범 사례
- 최종 테스트 세트를 예약하여 최적화에 절대 사용하지 않음
- 실행 대상에 기반한 현실적인 매개변수로 커미션과 슬리피지 모델링
- 원시 수익률만이 아닌 드로우다운과 위험 조정 지표 보고
피하기
- 표본외 테스트 없이 전체 기록에서 매개변수 최적화
- 주식 유니버스를 구축할 때 삭제된 증권을 무시함
- 높은 회전율 전략에 대해 거래 비용이 0이라고 가정