backtrader-skill

name	backtrader-skill
description	策略回测Skill - 基于Backtrader提供量化策略回测、绩效分析、策略优化 via Backtrader/AkShare
metadata	{"openclaw":{"requires":{"bins":["python3"]},"install":[{"id":"python-packages","kind":"pip","packages":["backtrader","akshare","pandas","numpy","matplotlib","pyyaml"]}]}}

SKILL.md - backtrader-skill

技能信息

属性	内容
名称	backtrader-skill
版本	1.1.0
分类	策略回测
状态	✅ 已上线
维护者	FinClaw Core Team
最后更新	2026-03-19

功能描述

策略回测Skill，基于Backtrader框架提供量化策略回测功能。支持双均线、MACD、布林带等经典策略，提供完整的绩效分析报告。

触发意图

主要触发词

• "回测"、"策略回测"、"量化回测"
• "双均线策略"、"MACD策略"
• "回测报告"、"绩效分析"
• "量化策略"、"策略优化"
• "夏普比率"、"最大回撤"

Few-shot 示例

用户输入	识别意图	调用函数
回测茅台双均线策略	backtest_sma	backtest_sma.py 600519
用MACD策略回测	backtest_macd	backtest_macd.py 600519
查看回测绩效	backtest_report	backtest_report.py
布林带策略回测	backtest_boll	backtest_boll.py 600519

数据源配置

数据类型	主要来源	备用来源	认证要求
历史数据	AkShare	baostock-history	无需
回测引擎	Backtrader	-	无需

内置策略

策略	原理	适用场景
双均线(SMA)	短期均线上穿长期均线买入	趋势跟踪
MACD	DIF上穿DEA买入	趋势确认
布林带(Boll)	价格触及下轨买入/上轨卖出	均值回归

功能列表

1. 双均线策略回测

• 功能描述: 使用双均线策略进行回测
• 输入参数: 股票代码、短期均线周期、长期均线周期
• 输出格式: 回测报告 + 绩效指标
• 数据源: AkShare
• 使用示例:

  python scripts/backtest_sma.py 600519
  python scripts/backtest_sma.py 600519 --short 5 --long 20
  

2. MACD策略回测

• 功能描述: 使用MACD策略进行回测
• 输入参数: 股票代码、MACD参数
• 输出格式: 回测报告 + 绩效指标
• 数据源: AkShare
• 使用示例:

  python scripts/backtest_macd.py 600519
  

3. 布林带策略回测

• 功能描述: 使用布林带策略进行回测
• 输入参数: 股票代码、布林带周期
• 输出格式: 回测报告 + 绩效指标
• 数据源: AkShare
• 使用示例:

  python scripts/backtest_boll.py 600519
  

4. 绩效分析报告

• 功能描述: 生成回测绩效分析报告
• 输入参数: 回测结果文件
• 输出格式: Markdown报告
• 数据源: 回测结果
• 使用示例:

  python scripts/backtest_report.py
  

脚本清单

脚本名	功能	入口点
backtest_sma.py	双均线策略	✅
backtest_macd.py	MACD策略	✅
backtest_boll.py	布林带策略	✅
backtest_report.py	绩效分析	✅

绩效指标说明

指标	说明	优秀标准
总收益率	策略总收益	>30%
年化收益率	年化后的收益率	>15%
夏普比率	风险调整收益	>1.0
最大回撤	最大亏损幅度	<20%
胜率	盈利交易占比	>50%
盈亏比	平均盈利/平均亏损	>1.5
交易次数	总交易次数	-
持仓天数	平均持仓天数	-

回测参数设置

初始资金

• 默认值: 100,000元
• 可通过 --cash 参数调整

手续费

• 买入: 0.03%
• 卖出: 0.03% + 0.1%印花税

滑点

• 默认: 0.01元

回测注意事项

⚠️ 常见陷阱

1. 未来函数: 使用未来数据导致过度拟合
2. 幸存者偏差: 只回测现存股票，忽略退市股
3. 过拟合: 参数过度优化，实盘失效
4. 滑点忽视: 未考虑实际成交滑点

✅ 最佳实践

1. 样本外测试: 将数据分为训练集和测试集
2. 参数稳健性: 参数小范围变化对结果影响小
3. 多股回测: 不只测试单只股票
4. 分时段验证: 牛市/熊市/震荡市分别测试

数据来源标注规范

---
📊 **数据来源**: AkShare / Backtrader
⏱️ **回测周期**: 2020-01-01 至 2026-03-19
📌 **初始资金**: 100,000元
📌 **手续费**: 0.03% (买入) / 0.13% (卖出)
🔗 **回测引擎**: Backtrader v1.9.78.123
🔧 **分析工具**: FinClaw v1.0
⚠️ **风险提示**: 回测结果不代表未来收益

依赖要求

backtrader>=1.9.78
akshare>=1.10.0
pandas>=1.3.0
numpy>=1.21.0
matplotlib>=3.4.0
pyyaml>=5.4.0

更新日志

版本	日期	变更内容
1.1.0	2026-03-19	符合FinClaw数据规范v1.0，新增绩效指标说明
1.0.0	2026-03-13	初始版本

---

本Skill遵循 FinClaw 数据规范 v1.0 | 数据来源强制标注 | 禁止训练数据编造