菜单
A股策略回测引擎。原生 pandas/numpy 实现，内置 T+1 交割、涨跌停板、停牌处理、A股真实费用模型（佣金/印花税/过户费双侧），自动计算年化收益、夏普比率、最大回撤、胜率等关键指标，生成回测报告和可视化图表。支持基准对比（alpha/beta/excess_return）与成本分离（gross/net return）。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/duhanjun/jingni-trader --skill backtest-engine命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
A股量化交易全流程主调度器。负责解析用户意图，管理投研阶段状态机，维护跨 Skill 的上下文对象，按流程依次调度七个子 Skill 完成从数据采集到绩效报告的全链路工作。本身不执行任何量化计算，只做编排。
A股实盘执行与监控引擎。支持模拟交易(paper)与实盘交易(live)两种模式，可对接 xtquant(miniQMT)、掘金(gm) 等券商接口。内置硬风控断路器（单日亏损限制、单笔金额上限、持仓集中度、订单频率限制），支持账户查询、订单发送与撤单、仓位同步，所有交易操作完整记录到审计日志。默认使用 paper 模拟交易模式（生产可用）。
A股数据采集与治理引擎。支持从 Tushare Pro、BaoStock、AkShare、xtquant、掘金(gm)、通达信(tdxquant)、万得(Wind)、同花顺(iFinD) 等多数据源获取日线/分钟线行情、财务、估值数据，完成复权、涨跌停标记、ST过滤、新股剔除、停牌处理等本土化清洗，并持久化到本地 Parquet 文件。优先使用 Agent 系统内置的金融数据获取工具（MCP/Skill/插件）。支持精准降级、模拟数据兜底、依赖自动安装。
正在显示 SKILL.md
| name | backtest-engine |
| version | 1.1.0 |
| description | A股策略回测引擎。原生 pandas/numpy 实现，内置 T+1 交割、涨跌停板、停牌处理、A股真实费用模型（佣金/印花税/过户费双侧），自动计算年化收益、夏普比率、最大回撤、胜率等关键指标，生成回测报告和可视化图表。支持基准对比（alpha/beta/excess_return）与成本分离（gross/net return）。 |
| author | quant-team |
| license | MIT |
| tags | ["quant-trading","A股","backtest-engine","T+1","涨跌停"] |
| dependencies | ["quantstats","pandas>=2.0.0","numpy>=1.24.0","matplotlib>=3.7.0","plotly>=5.15.0"] |
| environment_variables | [{"name":"QUANT_WORK_DIR","description":"工作目录根路径","required":false,"default":"./workspace"},{"name":"BENCHMARK","description":"基准指数","required":false,"default":"000300.SH"},{"name":"INIT_CAPITAL","description":"初始资金","required":false,"default":"1000000.0"}] |
| language | python |
| python_version | 3.9+ |
| entry_point | engine.py |
| trigger_keywords | ["回测","回测引擎","T+1","涨跌停","绩效","夏普比率","最大回撤"] |
backtest-engine 是 A 股量化投研的策略回测引擎，提供：
from engine import run
from scripts.context import Context
ctx = Context(
task_id="task_001",
user_intent="回测策略",
current_stage="IDLE"
)
ctx.stock_pool = ["000001.SZ"]
ctx.start_date = "2021-01-01"
ctx.end_date = "2024-01-01"
result = run(ctx)
python engine.py -i "回测我的策略"