用途：为系统化/量化交易策略提供回测方法论指导，目标不是找到“账面最赚钱”的策略，而是找到“最不容易失效”的策略。适用于策略开发与验证、判断想法是否足够稳健可实盘、排查回测误导原因、学习正确回测方法，以及规避曲线拟合、前视偏差、幸存者偏差等问题。
主要能力：给出完整工作流——用一句话陈述优势假设；将入场、出场、仓位、过滤条件、标的范围完全规则化，不允许主观判断；在至少5年（最好10年以上）多市场环境中用真实成本回测；重点做压力测试（参数在基线50%–150%间变化、滑点放大到1.5–2倍、最差成交、订单拒单、逐年表现、样本量至少30笔，建议100笔以上）；进行步进式样本外验证；最后据结果决定部署、优化或放弃。另有评估脚本按样本量、期望值、风险管理、稳健性、执行真实性5个维度打分，输出JSON与Markdown报告。
使用方式：需Python 3.9+，无需API密钥或外部数据，指标由用户提供。运行示例：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/。可用--max-acceptable-drawdown-pct设置个人回撤上限（须低于50%硬上限）。报告中decision为权威结果（DEPLOY、REFINE、ABANDON、REJECT、RISK_LIMIT_EXCEEDED、VALIDATION_REQUIRED、NOT_EVALUABLE），blocking_reasons列出触发门槛；样本不足30笔、无滑点测试、测试期不足5年、期望值非正、回撤超限或结果过于完美（胜率>90%且回撤<5%）等会阻断部署。
适用场景：量化策略研发、策略上线前评审、回测结果诊断、方法论学习。
限制：该技能面向全规则化、无主观判断的系统化回测；依赖直觉判断的设置可能不适用。回测平台自身特性（插值、低流动性处理、数据对齐）需自行了解。资料未提供具体平台支持、收费或数据源信息。