メニュー
基于随机模拟K线数据的量化策略回测引擎，支持六种策略类型，返回完整回测报告。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
Enterprise WeChat template_card builder and sender. Provides reusable card templates for due diligence reports, stock alerts, risk warnings, and more. Supports text_notice, news_notice, and button_interaction card types with fallback to markdown.
本技能为进出口企业提供全面的贸易融资方案推荐与对比分析，基于企业类型、贸易类型、融资金额、账期等关键参数，智能推荐最适合的融资产品。
Financial AI Skill - 客户经理营销话术实时生成器。输入客户画像和营销目标，AI自动生成电话/微信/拜访话术，支持异议处理预演、方言适配、多风格切换。覆盖零售/对公/理财/私行/信用卡全营销岗位。
网点分析技能是一个基于AI的银行网点竞争力评估与经营规划引擎。该技能综合分析网点的地理位置、竞争格局、客群特征等维度，输出SWOT分析、三年经营预测、重点发展业务方向及投入产出建议。
ALM（Asset-Liability Management，资产负债管理）引擎专注于银行资产负债表的全方位分析与优化。输入银行资产负债数据（资产规模、负债结构、期限分布），输出完整的缺口分析、风险指标（LCR/NSFR/久期缺口）及优化建议。
Financial AI Skill - 产品手册智能对话引擎。基于 BM25 + TF-IDF 双路检索 + RRF 融合的轻量级 RAG，零外部依赖、毫秒级响应、自动出处标注。支持理财/信用卡/贷款等多种产品手册同时入库，语音/文字提问秒回精准答案。Hit@1 实测 100%，平均检索耗时 < 3ms。
| name | quant_backtest |
| description | 基于随机模拟K线数据的量化策略回测引擎，支持六种策略类型，返回完整回测报告。 |
| version | 1.0.0 |
| author | BetaAgent-Brain |
| license | MIT |
| layer | L2 |
| capability_domain | ["C02","C03","C05"] |
| industry | financial |
| metadata | {"raw_title":"quant_backtest - 量化回测引擎","auto_generated":true,"auto_generated_at":"2026-06-20"} |
基于随机模拟K线数据的量化策略回测引擎，支持六种策略类型，返回完整回测报告。
| 策略 | 关键字 | 说明 |
|---|---|---|
| 均线交叉 | ma_cross | 短周期上穿/下穿长周期均线 |
| MACD | macd | MACD金叉/死叉信号 |
| RSI | rsi | RSI超买超卖阈值策略 |
| 布林带 | bollinger | 价格触及布林带上下轨策略 |
| 动量策略 | momentum | 追涨杀跌动量策略 |
| 价值投资 | value | 低估值买入持有策略 |
from quant_backtest import BacktestEngine
engine = BacktestEngine(
strategy="ma_cross", # 策略类型
symbol="XXXXXX.SH", # 标的代码
start_date="2024-01-01", # 开始日期
end_date="2024-12-31", # 结束日期
initial_capital=1000000, # 初始资金
fast_period=20, # 快周期（均线策略）
slow_period=60 # 慢周期（均线策略）
)
report = engine.run()
equity_curve)annual_return)sharpe_ratio)max_drawdown)win_rate)profit_loss_ratio)calmar_ratio)monthly_returns)trade_signals)python3 scripts/backtest_cli.py generate "均线交叉 20日60日 上证指数 2024年"
python3 scripts/backtest_cli.py report --format=json
python3 wecom_integration.py --report_id <id>