下載技能 ZIP
在 Claude 中上傳
前往 設定 → 功能 → 技能 → 上傳技能
開啟並開始使用
測試它
正在使用「backtesting-frameworks」。 How do I avoid survivorship bias in equity backtests?
預期結果:
- 使用包含退市证券的时点成分列表
- 获取保持退市证券数据的历史数据提供商
- 记录数据源及其生存偏差处理方法
- 用已知的历史指数成分测试您的股票池
正在使用「backtesting-frameworks」。 What are the key metrics to evaluate a backtest?
預期結果:
- 夏普比率用于风险调整后收益
- 最大回撤用于最坏情况损失
- Calmar比率结合收益和回撤
- 胜率和盈利因子用于交易质量
安全審計
安全This 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.
風險因素
🌐 網路存取 (4)
⚡ 包含腳本 (1)
品質評分
你能建構什麼
验证新策略
应用偏差检查和向前滚动分割，然后再信任绩效估算。
比较替代方案
对多个策略候选使用一致的成本模型和指标标准。
设计回测引擎
遵循事件驱动架构模式和执行建模指导。
試試這些提示
概述一个避免前视偏差并包含现实交易成本的基本回测工作流程。
针对50只股票的每日股票策略，比较事件驱动和向量化回测方法。
为10年的每日数据提出向前滚动的训练和测试窗口，并解释其原理。
列出蒙特卡洛分析和指标，用于评估策略收益序列的回撤风险。
最佳實務
- 保留一个从不用于优化的最终测试集
- 根据您的执行目标，使用基于现实参数的佣金和滑点建模
- 报告回撤和风险调整后指标，而不仅仅是原始收益
避免
- 在没有样本外测试的情况下对完整历史优化参数
- 在构建股票池时忽略退市证券
- 对高换手策略假设零交易成本