SKILLEMALL.ai

AC backtest-analyzer

Инструмент для анализа бэктестинга. Расчет ключевых показателей бэктестинга из CSV-истории сделок: Коэффициент выигрыша, соотношение прибыли и убытка, максимальная просадка, коэффициент Шарпа, фактор прибыльности, Лучшая/худшая сделка. Поддерживает экспорт отчетов в JSON. Используйте, когда: необходимо оценить эффективность торговой стратегии, проанализировать результаты бэктестинга, рассчитать показатели риска стратегии, сравнить различные стратегии. 🎉 v1.0.0 Показатели: - Общее количество сделок / прибыльные сделки / убыточные сделки - Коэффициент выигрыша / соотношение прибыли и убытка / фактор прибыльности - Общая доходность / средняя прибыль за сделку - Максимальная просадка / коэффициент Шарпа - Лучшая/худшая сделка Ключевые слова: анализ бэктестинга, оценка стратегии, количественная торговля, статистика сделок Область применения: CSV-история сделок Режим работы: полностью локальный

машинный переводПоказать оригиналСкрыть оригинал«回测分析工具。从交易记录CSV计算回测核心指标: 胜率、盈亏比、最大回撤、夏普比率、获利因子、 最佳/最差单笔交易。支持JSON报告导出。…»

回测分析工具。从交易记录CSV计算回测核心指标: 胜率、盈亏比、最大回撤、夏普比率、获利因子、 最佳/最差单笔交易。支持JSON报告导出。 Use when: 需要评估交易策略表现、分析回测结果、 计算策略风险指标、对比不同策略。 🎉 v1.0.0 指标: - 总交易数 / 盈利交易 / 亏损交易 - 胜率 / 盈亏比 / 获利因子 - 总收益率 / 平均每笔收益 - 最大回撤 / 夏普比率 - 最佳/最差单笔交易 触发关键词:回测分析、策略评估、量化交易、交易统计 适用范围:CSV 交易记录 运行模式:纯本地

ClawHub Agent Skills автор: ChengQian v1.0.0 MIT-0 7 файлов тело ≈ 357 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Инструмент для анализа бэктестинга.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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: 0. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 53/100

    • 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
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 6
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 357 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 262 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 6 пунктов
    • +4Есть примеры (3 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This is a local backtest CSV analyzer with some under-documented optional analyses, but no evidence of network access, credential use, hidden persistence, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 19 июл. 2026 г.