SKILLEMALL.ai
EN Войти

AD akquant-backtest

Бэктестинг количественной торговли A-акциями с использованием AKQuant (движок Rust) и данных AKShare. Используйте, когда пользователь просит "провести бэктестинг стратегии акций", "протестировать торговый алгоритм на китайских акциях", "проанализировать эффективность акций", "запустить стратегию двойного скользящего среднего" или "оптимизировать торговые параметры". Поддерживает двойное скользящее среднее, RSI и пользовательские стратегии для A-акций.

машинный переводПоказать оригиналСкрыть оригинал«A-share quantitative trading backtesting using AKQuant (Rust engine) a…»

A-share quantitative trading backtesting using AKQuant (Rust engine) and AKShare data. Use when user asks to "backtest a stock strategy", "test trading algorithm on Chinese stocks", "analyze stock performance", "run double MA strategy", or "optimize trading parameters". Supports double MA, RSI, and custom strategies for A-shares.

ClawHub Agent Skills автор: lamtest556-blip v1.0.1 MIT-0 10 файлов тело ≈ 1 863 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Бэктестинг количественной торговли A-акциями с использованием AKQuant (движок Rust) и данных AKShare.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • 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: 10. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 49/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 85Шаги. Шагов: 45, расплывчатых формулировок: 2
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1863 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -32 из 3 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 5 примера фраз-триггеров в кавычках
    • +3Длина description 331 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 30 заголовков
    • +3Пошаговые инструкции: 45 пунктов
    • +4Есть примеры (12 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: suspicious
    The backtesting code mostly matches its purpose, but the package includes unrelated personal-looking portfolio data and under-disclosed local data behavior that users should review before installing.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.