用途：在投入真实资金前，用历史数据验证交易策略。该技能提供完整回测框架，内置8种策略、绩效指标与参数优化。
主要能力：内置SMA、EMA、RSI、MACD、布林带、突破、均值回归、动量8种策略；计算总收益、CAGR、Sharpe、Sortino、Calmar、VaR、CVaR、最大回撤、波动率、Ulcer指数等指标，以及交易次数、胜率、盈亏比、期望值等交易统计；支持参数网格搜索优化、资金曲线可视化与逐笔交易分析。
使用方式：先安装依赖 pip install pandas numpy yfinance matplotlib，可选 ta-lib scipy scikit-learn。用 python ${CLAUDE_SKILL_DIR}/scripts/fetch_data.py --symbol BTC-USD --period 2y --interval 1d 获取并缓存历史数据；用 python ${CLAUDE_SKILL_DIR}/scripts/backtest.py --strategy sma_crossover --symbol BTC-USD --period 1y 运行回测，可通过 --params 传入参数；用 python ${CLAUDE_SKILL_DIR}/scripts/optimize.py --strategy sma_crossover --symbol BTC-USD --period 1y --param-grid '{"fast_period": [10, 20, 30], "slow_period": [50, 100, 200]}' 做网格搜索。结果保存在 ${CLAUDE_SKILL_DIR}/reports/，含摘要、交易日志、资金曲线数据与图表。可在 ${CLAUDE_SKILL_DIR}/config/settings.yaml 配置数据源、初始资金、手续费、滑点与风险参数。
适用场景：加密货币及传统资产的策略验证、多资产对比、前向分析与参数优化。
限制：依赖 yfinance 等外部数据源，数据质量与可用性受其影响；回测结果不代表未来表现；部分高级功能需额外安装 ta-lib 等库。资料未提供收费、价格与平台支持信息。