SKILLEMALL.ai

AC backtest-expert

Экспертное руководство по систематическому бэктестингу торговых стратегий. Используйте при разработке, тестировании, стресс-тестировании или проверке количественных торговых стратегий. Охватывает методологию «доведение идей до совершенства», тестирование робастности параметров, моделирование проскальзывания, предотвращение смещений и интерпретацию результатов бэктестинга. Применимо, когда пользователь спрашивает о бэктестинге, проверке стратегии, тестировании робастности, избегании переобучения или разработке систематической торговли.

машинный переводПоказать оригиналСкрыть оригинал«Expert guidance for systematic backtesting of trading strategies. Use…»

Expert guidance for systematic backtesting of trading strategies. Use when developing, testing, stress-testing, or validating quantitative trading strategies. Covers "beating ideas to death" methodology, parameter robustness testing, slippage modeling, bias prevention, and interpreting backtest results. Applicable when user asks about backtesting, strategy validation, robustness testing, avoiding overfitting, or systematic trading development.

ClawHub Agent Skills автор: TobeyRebecca v1.0.0 MIT-0 5 файлов тело ≈ 1 836 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Экспертное руководство по систематическому бэктестингу торговых стратегий.

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

АнализаторИсследованияИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
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
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять
Это копия скилла из другого каталога, в рейтинге считается основная: backtest-expert (ClawHub)

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: 5. 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
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (backtest-expert) не совпадает с папкой (toby-backtest-expert)
    • 70Ошибки и развилки. Развилок: 5
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 70
    • 100Стоимость исполнения. Тело инструкции 1836 токенов

    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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 447 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 21 заголовков
    • +3Пошаговые инструкции: 70 пунктов
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: clean
    This is a documentation-only skill that gives backtesting methodology guidance and does not request code execution, credentials, private files, persistence, or trading account access.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.