BD AI Trading Strategy Backtester
Помощник по бэктестингу количественных торговых стратегий на базе ИИ. Разрабатывает, кодирует и оценивает торговые стратегии на исторических рыночных данных. Поддерживает рынки акций A-share (Китай), Гонконга, США. Охватывает стратегии возвратной конвергенции, моментума, прорыва, парного трейдинга и стратегии на основе машинного обучения. Создан для количественных аналитиков и розничных трейдеров. Ключевые слова: бэктестинг трейдинга, количественная стратегия, алгоритмический трейдинг, бэктестинг на Python, backtrader, vectorbt, торговая стратегия, моментум, возвратная конвергенция, парный трейдинг, стратегия A-share, финансовые данные, технические индикаторы.
машинный переводПоказать оригиналСкрыть оригинал«AI-powered quantitative trading strategy backtesting assistant. Design…»
AI-powered quantitative trading strategy backtesting assistant. Designs, codes, and evaluates trading strategies across historical market data. Supports A-share (China), Hong Kong, US equity markets. Covers mean reversion, momentum, breakout, pairs trading, and machine learning-based strategies. Built for quantitative analysts and retail traders. Keywords: trading backtest, quantitative strategy, algorithmic trading, Python backtesting, backtrader, vectorbt, trading strategy, momentum, mean reversion, pairs trading, A-share strategy, financial data, technical indicators.
Помощник по бэктестингу количественных торговых стратегий на базе ИИ.
Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, ошибки и развилки
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 46/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (AI Trading Strategy Backtester) не совпадает с папкой (ai-trading-backtester)
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Шаги. Шагов: 24
- 100Стоимость исполнения. Тело инструкции 3354 токенов
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 577 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 24 заголовков
- +3Пошаговые инструкции: 24 пунктов
- +4Есть примеры (15 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.