# Quantitative Backtest

> Quantitative Backtest is an Agent Skill for testing & quality published in the Superagentsys/novalclaw repository on GitHub: a SKILL.md instruction file an AI agent can load to do this task.

回测设计、成本与冲击建模、走样本检验与常见偏误。在用户搭建策略回测、评估夏普/最大回撤、或对比参数集时启用。

- Skill name: `quantitative-backtest`
- Category: [Testing & Quality](https://www.openparable.com/skill/testing-quality/1)
- Source: https://github.com/Superagentsys/novalclaw/blob/HEAD/skills/quantitative-backtest/SKILL.md
- Repository: Superagentsys/novalclaw (657 GitHub stars when collected)

## SKILL.md

# 量化回测（仿真与偏误控制）

聚焦**可复现的回测规范**与**常见陷阱**；仿真结果仅供参考，实盘受滑点、流动性、制度与突发事件影响。

## 何时启用

- 搭建或审查 **回测引擎** 逻辑：撮合规则、挂单/市价、部分成交
- **交易成本**：手续费、印花税、冲击模型（线性/平方根）、最小价差与 tick
- **组合约束**：单票上限、行业暴露、跟踪误差、杠杆与保证金
- **验证方法**：走样本（walk-forward）、滚动原点、蒙特卡洛置换检验
- 解读 **夏普、索提诺、最大回撤、卡玛、Calmar** 等指标的含义与局限

## 工作流程

1. **策略描述**：信号来源、持仓构建、调仓频率、再平衡时点（开盘/收盘/VWAP 近似）。
2. **数据与撮合**：是否允许用未来数据调仓；停牌与 ST 处理；期货换月与主力连续合约方法。
3. **成本假设**：显式列出费率与是否含冲击；敏感性分析（成本 ×0.5 / ×1 / ×2）。
4. **基准**：选择可比基准并说明风格暴露（大小盘、价值成长）。
5. **结果展示**：净值曲线、回撤区间、月度热力图；参数网格结果须报告**过拟合风险**。
6. **局限**：容量、微观结构、极端行情（熔断、流动性枯竭）未建模时的声明。

## 输出要求

- 回测区间、标的数量、复权与数据源层级（日/分钟）写清楚。
- **无成本夏普**与**含成本净值**分开呈现时标注。
- 避免对单一参数峰值做过度解读；优先展示**参数平原**或稳定性。
- 涉及杠杆、衍生品或跨境品种时提示保证金与汇率假设。

## 质量检查清单

- 回测与实盘交易规则一致性自检清单已给出
- 成本与滑点假设与用户可交易通道匹配
- 关键日期（分红除权、指数调样）处理说明
- 极端年份/事件段单独讨论

---

Source: https://www.openparable.com/skill/testing-quality/quantitative-backtest (OpenParable). Cite the canonical URL above.
