用途
Backtest Expert 是一个用于系统化回测交易策略的技能，基于专业方法论，主张“稳健优先于乐观结果”。其核心目标是找出“失效最少”的策略，而不是纸面上“盈利最多”的策略。通过增加摩擦、压力测试假设，观察策略在悲观条件下是否依然成立——能通过严苛测试的策略更可能在实盘交易中有效。
适用场景包括：开发或验证系统化交易策略、评估交易想法是否足够稳健可用于实盘、排查回测为何产生误导、学习正确的回测方法论、避免常见陷阱（曲线拟合、前视偏差、幸存者偏差）、评估参数敏感性与市场状态依赖性、为滑点和执行成本设定现实预期。
主要能力
该技能提供一套完整的工作流：
- 陈述假设：用一句话定义策略优势，若无法清晰表述则不应进入测试。
- 零主观规则代码化：明确入场条件、时机、价格类型；出场止损、止盈、时间出场；仓位规模（固定金额、组合百分比、波动率调整）；过滤器（市值、成交量、板块、波动率）；可用标的范围。所有决策必须基于规则且无歧义。
- 运行初始回测：至少 5 年（最好 10 年以上），覆盖多种市场状态（牛、熊、高/低波动），使用现实成本（佣金加保守滑点）。
- 压力测试：这是测试时间应集中投入的环节（约占 80%）。包括参数敏感性（止损在基准 50%-150% 间测试、止盈在 80%-120% 间测试、入出场时间偏移 ±15-30 分钟、寻找稳定表现的“平台”而非狭窄尖峰）；执行摩擦（滑点提高到典型估计的 1.5-2 倍、建模最差成交、加入订单拒绝场景、使用悲观佣金结构）；时间稳健性（逐年分析、要求多数年份正期望、不依赖 1-2 个异常时期、分市场状态测试）；样本量（绝对最低 30 笔，偏好 100+，高置信 200+）。
- 样本外验证：采用前向滚动分析，在训练期优化、验证期测试、滚动重复，比较样本内与样本外表现。警告信号包括：样本外表现低于样本内 50%、需要频繁重新优化参数、参数在不同时期剧烈变化。
- 评估结果：回答优势能否在悲观假设下存活、表现是否在参数变动下稳定、是否在多种市场状态有效、样本量是否足够、结果是否现实。决策标准：部署（通过所有压力测试）、改进（核心逻辑合理但需调参）、放弃（未通过压力测试或依赖脆弱假设）。
技能附带评估脚本，通过命令行运行，接收用户提供的交易指标，从 5 个维度（样本量、期望值、风险管理、稳健性、执行真实性）打分，检测危险信号并输出部署/改进/放弃的结论。输出为 JSON 和 Markdown 报告。
使用方式
前置要求：Python 3.9+（用于评估脚本），无需 API 密钥，不依赖外部数据，指标由用户提供。
评估脚本调用示例：
python3 skills/backtest-expert/scripts/evaluate_backtest.py \
--total-trades 150 \
--win-rate 62 \
--avg-win-pct 1.8 \
--avg-loss-pct 1.2 \
--max-drawdown-pct 15 \
--years-tested 8 \
--num-parameters 3 \
--slippage-tested \
--output-dir reports/
脚本输出：
reports/backtest_eval_<timestamp>.json— 结构化评估，含各维度评分、危险信号与结论reports/backtest_eval_<timestamp>.md— 人类可读报告，含维度表格、关键指标与危险信号详情
资源文件包括：方法论参考（references/methodology.md，涵盖压力测试方法、参数敏感性分析、滑点与摩擦建模、样本量要求、市场状态分类、常见偏差与陷阱）；失败测试参考（references/failed_tests.md，涵盖失败的价值、常见失败模式与示例、案例研究文档框架、回测评估危险信号清单）。
适用场景
- 开发或验证系统化交易策略
- 评估交易想法是否足够稳健可用于实盘
- 排查回测为何产生误导
- 学习正确的回测方法论
- 避免曲线拟合、前视偏差、幸存者偏差等常见陷阱
- 评估参数敏感性与市场状态依赖性
- 为滑点和执行成本设定现实预期
关键原则
- 惩罚策略：处处增加摩擦（高于现实的佣金、1.5-2 倍滑点、最差成交、订单拒绝、部分成交）。
- 寻找平台而非尖峰：好的策略在止损 1.5% 到 3.0% 之间均可盈利，坏的策略仅在止损恰好 2.13% 时有效。
- 测试所有案例而非精选样本：研究所有符合标准的标的，包括失败者，避免幸存者偏差。
- 将想法生成与验证分离：直觉用于生成假设，验证必须纯数据驱动。
- 常见失败模式：参数敏感、市场状态特定、滑点敏感、小样本、前视偏差、过度优化。
- 重要提醒：时间分配上，20% 用于生成想法，80% 用于试图打破它们；若策略需要“完美背景”才能工作则不够稳健；若回测结果好得离谱（>90% 胜率、极小回撤、完美择时）需仔细审查前视偏差或数据问题；小优势需要大样本，每笔 5% 的优势需要 100+ 笔交易才能与运气区分。
限制
该技能聚焦系统化/量化回测，要求所有规则预先代码化、执行中无主观判断、在所有历史样本上测试而非精选案例、刻意剥离背景信息（新闻、宏观）。对于需要主观判断的交易设置，此技能可能不适用。资料未提供具体收费、价格、平台兼容性或实际交易效果等信息。