SKILLEMALL.ai

BF alphagbm-bps-backtest

Полное тестирование стратегии Bull Put Spread с методом walk-forward на данных примерно за 8 лет ежедневной истории. Выполняет как версию с сигналом (вход при FearScore ≥ 60), ТАК И контрольную версию без сигнала в одном запросе, чтобы вы могли количественно оценить, действительно ли правило входа по страху (fear-entry) дает альфу для этого тикера в соответствии с вашими параметрами. Возвращает кривую капитала, 4 KPI (годовая доходность / процент выигрышей / максимальная просадка / коэффициент Шарпа), журнал сделок и вывод простым языком. Триггеры: «backtest BPS на QQQ», «backtest bull put spread», «работает ли FearScore на SPY», «какой DTE для BPS», «оптимальная дельта bull put spread», «backtest стратегии BPS», «backtest credit spread», «backtest short put spread»

машинный переводПоказать оригиналСкрыть оригинал«Full walk-forward Bull Put Spread backtest over ~8 years of daily hist…»

Full walk-forward Bull Put Spread backtest over ~8 years of daily history. Runs both the signal (FearScore ≥ 60 entry) version AND a no-signal control in the same request, so you can quantify whether the fear-entry rule actually delivers alpha for this ticker under your parameters. Returns equity curve, 4 KPIs (annualized return / win rate / max drawdown / Sharpe), trade ledger, and a plain-language takeaway. Triggers: "backtest BPS on QQQ", "bull put spread backtest", "does FearScore work on SPY", "what DTE for BPS", "optimal bull put spread delta", "BPS strategy backtest", "credit spread backtest", "backtest short put spread"

ClawHub Agent Skills автор: Clement Gu v1.0.0 MIT-0 2 файла тело ≈ 1 194 токенов Открыть источникclawhub.ai проанализирован 12 ч назад

Полное тестирование стратегии Bull Put Spread с методом walk-forward на данных примерно за 8 лет ежедневной истории.

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: ../alphagbm-fear-score/, ../alphagbm-options-strategy/, ../alphagbm-pnl-simulator/

ПроцедураИсследованияДанные и аналитикаТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
64
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: ../alphagbm-fear-score/, ../alphagbm-options-strategy/, ../alphagbm-pnl-simulator/
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение missing-ref ссылка на отсутствующий файл: ../alphagbm-fear-score/
  • предупреждение missing-ref ссылка на отсутствующий файл: ../alphagbm-options-strategy/
  • предупреждение missing-ref ссылка на отсутствующий файл: ../alphagbm-pnl-simulator/
  • заметка frontmatter-key неизвестное поле фронтматтера "globs"

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: ../alphagbm-fear-score/, ../alphagbm-options-strategy/, ../alphagbm-pnl-simulator/
  • 0Инструменты и файлы. Не хватает 3 файла(ов): ../alphagbm-fear-score/, ../alphagbm-options-strategy/, ../alphagbm-pnl-simulator/
  • 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
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Шаги. Шагов: 16
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1194 токенов
  • 100Повторный запуск. Изменяющих операций нет

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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 6 примера фраз-триггеров в кавычках
  • +3Длина description 635 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +4Есть примеры (3 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 64.

Внешние проверки

ClawHub: clean
This skill is a documented options backtesting helper with no executable code, hidden persistence, credential handling, or local data access beyond mock examples.
LLM: benign (high) · VirusTotal: · 1 июл. 2026 г.