메뉴
A股量化策略回测/因子验证。当用户说"回测"、"策略回测"、"backtest"、"因子验证"、"这个策略历史表现怎么样"、"测一下"、"量化回测"、"历史收益率"、"夏普比率"、"最大回撤"时触发。基于历史K线和财务数据，对用户指定的投资策略进行回测验证，计算收益率/夏普比率/最大回撤/胜率等绩效指标。支持研报风格（formal）和快速结果风格（brief）。
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/aifinlab/FinClaw --skill a-share-quant-backtest명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
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。
SOC 직업 분류 기준
SKILL.md 표시 중
| name | a-share-quant-backtest |
| description | A股量化策略回测/因子验证。当用户说"回测"、"策略回测"、"backtest"、"因子验证"、"这个策略历史表现怎么样"、"测一下"、"量化回测"、"历史收益率"、"夏普比率"、"最大回撤"时触发。基于历史K线和财务数据，对用户指定的投资策略进行回测验证，计算收益率/夏普比率/最大回撤/胜率等绩效指标。支持研报风格（formal）和快速结果风格（brief）。 |
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
# 历史K线（日/周/月）
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --period [daily/weekly/monthly] --start [YYYYMMDD] --end [YYYYMMDD]
# 个股财务指标（用于因子验证）
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]
# 实时行情（辅助）
python "$SCRIPTS/cn_stock_data.py" quote --code [逗号分隔的代码列表]
回测计算使用 Python pandas，不依赖第三方回测框架。所有计算在 Python 脚本中完成。
明确以下要素（用户未指定则使用默认值）：
| 要素 | 说明 | 默认值 |
|---|---|---|
| 标的池 | 回测股票范围 | 用户指定（必填） |
| 买入规则 | 入场信号 | 用户指定（必填） |
| 卖出规则 | 出场信号 | 用户指定（必填） |
| 持仓周期 | 最小持仓天数 | 不限（T+1 至少隔日） |
| 调仓频率 | 多久重新评估 | 月度调仓 |
| 仓位管理 | 单只上限/总仓位 | 等权重，单只不超过 20% |
| 回测区间 | 起止日期 | 近 3 年 |
| 基准 | 对标指数 | 沪深300 (000300) |
| 初始资金 | 起始金额 | 100 万元 |
| 交易成本 | 佣金+印花税+滑点 | 佣金万2.5 + 印花税千1(卖出) + 滑点0.1% |
常见策略模板：
import pandas as pd
# 示例：加载K线数据后的基本处理
df['return'] = df['close'].pct_change()
df['cum_return'] = (1 + df['return']).cumprod() - 1
按规则模拟交易，逐日/逐期计算：
# A股特殊处理
# T+1: 当日买入次日才能卖出
# 涨跌停: 涨停无法买入，跌停无法卖出
# 停牌: 停牌期间无法交易
# 手续费: 佣金(双向) + 印花税(卖出千1) + 滑点
计算以下核心指标（详见 references/backtest-guide.md）：
| 指标 | 公式/说明 |
|---|---|
| 总收益率 | (期末净值 - 1) * 100% |
| 年化收益率 | (期末净值)^(252/交易天数) - 1 |
| 夏普比率 | (年化收益 - 无风险利率) / 年化波动率 |
| 最大回撤 | max(1 - 净值/历史最高净值) |
| 胜率 | 盈利交易次数 / 总交易次数 |
| 盈亏比 | 平均盈利 / 平均亏损 |
| Calmar 比率 | 年化收益 / 最大回撤 |
| Sortino 比率 | (年化收益 - 无风险利率) / 下行波动率 |
| 年化波动率 | 日收益标准差 * sqrt(252) |
| 交易次数 | 总买卖次数 |
| 平均持仓天数 | 所有交易的平均持仓时长 |
必须与基准对比：同期基准的收益率、最大回撤、夏普比率，计算超额收益。
根据风格要求输出，必须包含：
| 维度 | formal（研报风格） | brief（快速结果） |
|---|---|---|
| 篇幅 | 3-5 页 | 1 页 |
| 策略说明 | 详述策略逻辑、参数选择理由 | 一句话策略概述 |
| 绩效表 | 完整（10+ 指标） | 精简（5-6 核心指标） |
| 分年度 | 逐年收益表 + 月度热力图描述 | 仅逐年收益 |
| 交易明细 | 列出部分典型交易 | 不列出 |
| 风险分析 | 详细回撤分析 + 参数敏感性 | 仅标注最大回撤 |
| 免责声明 | 需要（历史不代表未来） | 简短提示 |
| 指标 | 策略 | 基准(沪深300) | 超额 |
|---|---|---|---|
| 年化收益率 | xx% | xx% | xx% |
| 夏普比率 | x.xx | x.xx | — |
| 最大回撤 | xx% | xx% | — |
| 胜率 | xx% | — | — |
| 盈亏比 | x.xx | — | — |
| Calmar 比率 | x.xx | x.xx | — |
| 年化波动率 | xx% | xx% | — |
| 交易次数 | N 次 | — | — |
| 年份 | 策略收益 | 基准收益 | 超额收益 |
|---|