PlainBacktest — скилл
Переводит торговую стратегию из обычной речи в правила, прогоняет бэктест и сверяет заявки и баланс с независимым журналом.
- 529 ★ репозитория
- Последний коммит
- MIT
Расширенный доступ
Почему такой уровень
- Агент запускает Python-скрипты и ставит зависимости; пишет отчеты и данные в каталог проекта.
- Результаты бэктеста легко принять за прогноз: это исторический расчет, а не инвестиционная рекомендация.
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/plainbacktestОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Агент запускает Python-скрипты и ставит зависимости; пишет отчеты и данные в каталог проекта.
- Результаты бэктеста легко принять за прогноз: это исторический расчет, а не инвестиционная рекомендация.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
PlainBacktest — проект с тремя скиллами для исследования торговых стратегий на исторических данных. Агент уточняет правила словами, фиксирует эксперимент, проверяет данные, прогоняет сделки через исполнитель PyBroker и параллельно ведет независимый журнал заявок и дневных балансов. На выходе отчет в HTML и запись исследования с хешами кода и данных. Скилл `quant-backtest` ведет путь от описания до отчета, `data-update` проверяет снимки данных и обновления, `quant-tidy` следит за структурой экспериментов. В репозитории лежат 1303 CSV с дневными ценами, торговые календари и 83 определения экспериментов. Пример по QQQ с пересечением скользящих средних запускается офлайн.
Для кого. Аналитикам и частным инвесторам, которые проверяют идею стратегии на истории и хотят воспроизводимый отчет вместо черного ящика.
Подходит, если
- Идею «держать QQQ, когда SMA20 выше SMA100» надо проверить с учетом комиссий и исполнения на следующей сессии.
- Результат бэктеста подозрительно хорош, и заявки сверяют с независимым журналом.
- Нужен отчет, где видны правила, данные, хеши кода и дневное состояние счета.
- Исследователь ведет серию экспериментов и хочет единой структуры записей.
- Данные цен обновляют в изолированной копии, а кандидатов на замену проверяют отдельно.
Не подходит, если
- Нужна торговля на реальные деньги: проект только проверяет стратегии на истории.
- Требуется совет, что купить: результат бэктеста не прогноз и не рекомендация.
- Нужны внутридневные тики или рынки вне набора из репозитория.
Пример запроса к агенту
Используй quant-backtest: проверь на QQQ правило SMA20 против SMA100 с издержками 5 б.п. и объясни результат и сверку журнала.Ограничения
Проверенная среда — macOS и Python 3.13, остальные системы не проверялись полностью. Установка зависимостей идет по сети, а пример работает офлайн на встроенных данных. Подробные документы и тексты отчетов в основном на китайском. Исторических запусков в поставке нет, и часть экспериментов требует архивов, которых в репозитории нет. Зависимость PyBroker лицензирована с Commons Clause, то есть не целиком MIT. Бэктест не доказывает будущую доходность.
Как отключить. Удалите клон репозитория вместе с виртуальным окружением `backtest/.venv`. Отчеты лежат в каталоге `outputs/` клона и удаляются вместе с ним.
Частые вопросы
Нужны ли ключи API рынка?
Нет. Пример использует встроенные данные и работает без ключей и без подключения к рыночным сервисам.
Что делает независимый журнал?
Пересчитывает заявки и дневные балансы отдельно от исполнителя и сверяет их. Расхождение показывает ошибку в расчете.
Где лежат скиллы?
В `.agents/skills/`: `quant-backtest`, `data-update` и `quant-tidy`. Агенты без этой папки читают нужный `SKILL.md` вручную.
Как открыть результат?
После `quickstart.py` в консоли печатается путь к `outputs/example_…/report.html`, он открывается в браузере.
Можно ли торговать по результату?
Проект этого не делает и не дает рекомендаций. Бэктест нужен для проверки гипотезы, а не как совет вкладывать деньги.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыСкилл для терминала QMT: по описанию стратегии или PDF исследования строит скрипт бэктеста дневных факторов
13 скиллов для квантовой торговли на рынке китайских A-акций: данные AKShare и BaoStock, бэктесты Backtrader и RQAlpha, документация QMT и JoinQuant
MCP-сервер для бэктеста торговых стратегий: агент загружает котировки, запускает тест по YAML и разбирает метрики на движке Backtrader
Скилл и CLI проверяют журнал сделок статистикой, ищут признаки мошенничества в чатах инвестгрупп и создают каркас торгового бота
Справочники API, шаблоны и линтер для JoinQuant: агент сверяет функции платформы до того, как напишет код стратегии.
Скилл подключает агента к данным и Python-движку FinLab для исследования акций и исторической проверки стратегий на своей машине.
Коротко о README
README излагает конвейер от текста стратегии до отчета, офлайн-пример на QQQ, состав репозитория (код, 1303 CSV с ценами, 83 эксперимента), проверки и лицензии кода и данных.