القائمة
中国金融市场策略回测质量审查与验证专家。专为A股、期货、基金设计的研究纪律执行者，提供从假设定义到上线门禁的全流程质量把控。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
استنادا إلى تصنيف SOC المهني
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/aifinlab/FinClaw --skill china-backtest-expertيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
عرض SKILL.md
A股逆向选择/信息不对称分析。当用户说"逆向选择"、"adverse selection"、"信息不对称"、"知情交易者"、"逆向选择成本"、"信息劣势"时触发。基于 cn-stock-data 获取数据，度量逆向选择与信息不对称程度。支持 formal/brief 两种输出风格。
A股量价异常检测/异动监控。当用户说"异常检测"、"异动"、"anomaly"、"量价异常"、"异常波动"、"XX有异动"时触发。量化检测股价和成交量异常。支持formal和brief风格。
A股自相关/序列相关性/收益率自相关结构分析。当用户说"自相关"、"autocorrelation"、"序列相关"、"收益率预测性"、"动量还是反转"、"自相关系数"、"ACF"、"PACF"、"Ljung-Box"、"收益率是否可预测"、"随机游走检验"时触发。MUST USE when user asks about return autocorrelation, serial correlation tests, or whether a stock's returns are predictable. 量化分析收益率的自相关结构（ACF/PACF、Ljung-Box检验、随机游走检验）。支持formal和brief风格。
| name | china-backtest-expert |
| description | 中国金融市场策略回测质量审查与验证专家。专为A股、期货、基金设计的研究纪律执行者，提供从假设定义到上线门禁的全流程质量把控。 |
| version | 1.0.0 |
| category | finance |
| tags | ["backtest","quant","A股","策略验证","质量门禁","中国金融","过拟合检测"] |
| complexity | advanced |
| author | FinSkillsHub |
专为中国金融市场设计的专业级策略验证框架。不仅是回测执行工具，更是研究纪律的强制执行者和策略质量的守门员。
检查项：
检查项：
A股特殊检查：
成本模型：
检查项：
严格检查：
评估维度：
PASS (通过):
REVISE (需修改):
REJECT (拒绝):
# 已进入OpenClaw环境
skillhub install finskillshub/china-backtest-expert
# 检查本地回测结果
cd ~/.openclaw/workspace/skills/china-backtest-expert
python scripts/quality_gate.py \
--strategy-file ./examples/pe_pb_strategy.py \
--data-source tushare \
--start-date 20180101 \
--end-date 20231231 \
--market ashare \
--output-format json
# 完整质量门禁检查
python scripts/quality_gate.py \
--backtest-result ./backtest_result.csv \
--config ./examples/quality_config.yaml \
--report ./quality_report.json
from scripts.quality_gate import QualityGate
# 初始化门禁
gate = QualityGate(
market='ashare',
data_source='tushare',
cost_model='realistic',
strict_level='institution'
)
# 运行检查
result = gate.review(
strategy_code='./strategy.py',
backtest_data='./backtest_df.csv',
check_list='all'
)
# 获取判决
print(result['verdict']) # PASS | REVISE | REJECT
print(result['overall_score']) # 综合质量评分
# quality_config.yaml
market:
type: ashare
board: main
st_filter: true
min_cap: 1e8
trading:
t1_constraint: true
price_limit: true
halt_handling: skip
commission: 0.00025
stamp_duty: 0.001
slippage_model: volume_impact
data:
adjust: post
survivors_bias: correct
quality:
oos_ratio: 0.3
walk_forward: true
cscv_trials: 16
min_sharpe: 1.0
max_drawdown: 0.25
output:
format: structured
language: zh
schemas/input_schema.jsonschemas/output_schema.json# 与数据获取Skill协作
from akshare_stock import get_stock_data
from china_backtest_expert import QualityGate
# 获取数据
data = get_stock_data('600519', start='20200101', end='20231231')
# 质量检查
gate = QualityGate()
result = gate.review_data(data)
# 与策略执行Skill协作
if result['verdict'] == 'PASS':
from quant_strategy import run_backtest
backtest_result = run_backtest(strategy, data)
MIT License © 2026 FinSkillsHub