SKILLEMALL.ai
GitHub ↗ EN Войти

BD Einstein Research — Backtest Engine

Фреймворк для программного бэктестинга торговых стратегий. Выполняет бэктесты с использованием исторических данных о ценах (yfinance или CSV), поддерживает стратегии на основе импульса/возврата к среднему/фактора/сигнала, оптимизацию методом скользящего окна, тестирование вне выборки, моделирование транзакционных издержек, разделение данных с учетом режимов и полные метрики производительности (Sharpe, Sortino, Calmar, максимальная просадка, CAGR, коэффициент выигрышей, фактор прибыли). Отличается от einstein-research-backtest (который предоставляет методологическое руководство). Используйте, когда пользователь хочет фактически выполнить бэктест, протестировать конкретную стратегию на исторических данных или сгенерировать метрики производительности.

машинный переводПоказать оригиналСкрыть оригинал«Programmatic backtesting framework for trading strategies. Runs backte…»

Programmatic backtesting framework for trading strategies. Runs backtests with historical price data (yfinance or CSV), supports momentum/mean-reversion/factor/signal-based strategies, walk-forward optimization, out-of-sample testing, transaction cost modeling, regime-aware splits, and full performance metrics (Sharpe, Sortino, Calmar, max drawdown, CAGR, win rate, profit factor). Distinct from einstein-research-backtest (which provides methodology guidance). Use when a user wants to actually run a backtest, test a specific strategy on historical data, or generate performance metrics.

ClawHub Agent Skills автор: RunByDaVinci v0.1.0 MIT-0 6 файлов тело ≈ 889 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Фреймворк для программного бэктестинга торговых стратегий.

Как процесс D 48/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
D
48/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
    • заметка frontmatter-key неизвестное поле фронтматтера "id"
    • заметка frontmatter-key неизвестное поле фронтматтера "last_amended_at"
    • заметка frontmatter-key неизвестное поле фронтматтера "trigger_patterns"
    • заметка frontmatter-key неизвестное поле фронтматтера "pre_conditions"
    • заметка frontmatter-key неизвестное поле фронтматтера "expected_output_format"

    Процессный рейтинг: все десять параметров 48/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (Einstein Research — Backtest Engine) не совпадает с папкой (einstein-research-backtest-engine-dv)
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 26
    • 100Стоимость исполнения. Тело инструкции 889 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • -32 из 2 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 591 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 26 пунктов
    • +4Есть примеры (2 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

    Внешние проверки

    ClawHub: suspicious
    This appears to be a normal trading backtest tool, but its custom strategy option runs user-supplied Python code without making that risk clear.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.