mns-backtest

name	mns-backtest
description	This skill should be used when the user wants to run backtests on the MNS (Market Neutral Strategist) contrarian investment strategy, analyze historical CNN Fear & Greed Index data, compare strategy performance against buy-and-hold, or tune strategy parameters. Triggers include: "回测", "backtest", "策略回测", "参数调优", "历史表现", "逆向策略表现", "恐贪指数回测", "测试我的策略", "MNS 回测", "参数对比"

MNS 逆向投资策略回测 Skill

操作步骤

1. 构建

cargo build --release

2. 运行回测

# 默认行为：先输出多资产回测（美股+红利低波+黄金）对比，再输出单资产（纳指）参数对比
mns backtest

# 使用自定义配置文件（仅单资产回测）
mns backtest run --config path/to/config.toml

# 多配置文件对比（仅单资产回测）
mns backtest run --compare config1.toml,config2.toml

# 查看可调参数说明（含当前默认值）
mns backtest params

3. 参数调优

查看当前配置：

mns config

修改单个参数：

mns config buy_ratio.extreme_fear 70
mns config thresholds.fear 40

使用预设配置文件（位于 .agents/skills/mns-backtest/data/）：

配置文件	特点
config_defensive.toml	防御配置（低回撤，更长持仓，与 AppConfig::default_config() 的 target_weight 曲线一致——是当前默认）
config_balanced.toml	均衡配置（三资产等权，风险权重曲线更平缓）
config_circuit_breaker.toml	熔断抄底（极度恐慌区间风险权重更高、偏离带更宽）
config_swing.toml	波段操作（偏离带更窄，交易更频繁）
config_extreme_contrarian.toml	极致逆向（风险权重区间跨度最大）
config_value.toml	价值导向（阈值更极端，只在真正的极端行情动仓）
config_historical_aggressive.toml	历史激进配置（⚠️ 过拟合风险，仅供研究参考）

mns backtest run --config .agents/skills/mns-backtest/data/config_defensive.toml

⚠️ 重要：驱动回测与 mns report 实盘建议的是 [target_weight]（风险资产目标权重曲线， 见 src/config.rs 的 TargetWeight）+ [rebalance]（偏离带）。[buy_ratio]/[sell_ratio] 段只 被"旧框架"（Engine::Legacy，回测对比里的"旧框架(现金比例)"一行）和 calculate_buy_suggestions/ calculate_sell_suggestions 使用，mns report 走的是 calculate_rebalance_plan，完全不读这两段。 上述 7 个预设文件都已补齐 [target_weight] 段（历史版本缺失，改 buy_ratio/sell_ratio 对 mns report 和默认回测引擎没有任何效果）；若只想对比"旧框架"，才需要关注 buy_ratio/sell_ratio。

数据说明

回测使用嵌入式数据（include_str! 编译进二进制，见 src/backtest.rs 顶部）：

• monthly_total_return.csv — 主序列：多资产月度全收益数据（纳指/红利低波/人民币金价，含分红，2016-2025）
• monthly_total_return_holdout.csv — 独立 holdout 区块，从未参与调参，mns backtest validate 用它做最终检验
• fgi_2016_2020.csv / fgi_2020_2025.csv — 恐贪指数原始数据，经 build_dataset.py 加工进上述月度序列，不会被 include_str! 直接编译进二进制

注意：数据更新需要修改 CSV 文件（必要时先跑 build_dataset.py 重新生成月度序列）并重新 cargo build --release。

核心逻辑文件

• src/backtest.rs — 回测引擎；核心函数是 run()（单次回测，按 Engine 枚举选择目标仓位/旧框架/买入持有等 引擎）、print_report()、print_comparison()；CLI 入口在 src/main.rs 的 cmd_backtest / cmd_backtest_validate / cmd_backtest_params，对应 mns backtest run|validate|params
• src/strategy.rs — 实盘策略核心：calculate_rebalance_plan（target_weight 驱动，mns report 与 Engine::TargetWeight 回测同源）、calculate_buy_suggestions/calculate_sell_suggestions（buy_ratio/ sell_ratio 驱动，仅供"旧框架"对比使用）
• src/config.rs — 参数结构定义，AppConfig::default_config() 是当前防御配置默认值（target_weight 曲线与 config_defensive.toml 一致）

解读结果

运行后输出对比表（年化收益、总收益率、最大回撤、买卖次数），关注：

1. vs 买入持有：策略年化是否接近基准——历史区间内通常是跑输买入持有的，工具的价值主张仅在 Calmar（风险调整后）成立，且该优势在 mns backtest validate 的样本外验证里并不稳健，务必一并看 walk-forward、bootstrap、holdout 三段输出，不要只看 mns backtest 默认展示的样本内数字
2. 最大回撤：回撤越低说明策略防御性越强
3. 调整 [target_weight]：中性区间权重设低会明显降低仓位波动；buy_ratio/sell_ratio 对默认引擎和 mns report 无效，只影响"旧框架"对比行

策略价值在于纪律性而非超额收益——帮助克服情绪化决策，在极端市场（恐慌/贪婪）时强制执行买卖信号。