SKILLEMALL.ai

AB trading-signal-analysis

Анализ торговых сигналов: обрабатывайте наборы данных OHLCV для любой акции или криптовалюты и генерируйте. Используйте, когда агенту требуется анализ торговых сигналов, генерация сигналов покупки и продажи на основе технических индикаторов, бэктестинг торговых стратегий на исторических данных цен OHLCV, анализ максимального неблагоприятного и максимального благоприятного отклонения для оценки риска сделки, расчет коэффициента выигрыша и ожидаемой прибыли для систематических торговых стратегий, анализ сигналов, свечей, символов через удаленные вызовы инструментов, размещенных на AgentPMT.

машинный переводПоказать оригиналСкрыть оригинал«Trading Signal Analysis: Ingest OHLCV datasets for any stock or crypto…»

Trading Signal Analysis: Ingest OHLCV datasets for any stock or cryptocurrency and generate. Use when an agent needs trading signal analysis, generate buy and sell trading signals from technical indicators, backtest trading strategies against historical ohlcv price data, analyze maximum adverse excursion and maximum favorable excursion for trade risk, calculate win rate and expectancy for systematic trading strategies, analyze signals, candles, symbol through AgentPMT-hosted remote tool calls.

ClawHub Agent Skills автор: AgentPMT v1.0.0 MIT-0 3 файла тело ≈ 3 581 токенов Открыть источникclawhub.ai проанализирован 35 ч назад

Анализ торговых сигналов: обрабатывайте наборы данных OHLCV для любой акции или криптовалюты и генерируйте.

Как процесс B 70/100 · Почти готов — слабые места: входы и предусловия, повторный запуск

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
86
Прогон на моделях
не было
Процессный рейтинг
B
70/100
Почти готов
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    Процессный рейтинг: все десять параметров 70/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 82
    • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3581 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 498 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 23 заголовков
    • +3Пошаговые инструкции: 82 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (10 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed AgentPMT remote trading-analysis integration, with no executable code or hidden local behavior, but users should be careful about sending proprietary market data.
    LLM: benign (high) · VirusTotal: · 24 июн. 2026 г.