Token导航 LogoToken导航

Agent Skill · 效率

backtest(backtest 自动化)

用于辅助测试设计、自动化测试、用例整理和回归验证。它适合让 Agent 编写单元测试、端到端测试、测试计划或根据失败日志定位问题。使用时需要确认项目测试框架、运行命令和夹具数据,避免为了通过测试而改坏真实逻辑;涉及浏览器或外部服务时,应区分本地模拟、测试环境和生产环境。

backtest 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为需要联网;许可证为 MIT-0,第三方扫描已通过,按安装量在效率类的 21,003 个 Skill 里排第 6,562。

总安装 9,192周安装 383GitHub Stars 公开资料未说明下载 3,064核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.2

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:backtest(backtest 自动化)
来源仓库:https://github.com/gracexiaoo/backtest
安装命令:
openclaw skills install backtest
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install backtest

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

A股量化策略回测工具。基于 AkShare 获取历史行情数据,模拟执行强势股轮动策略。支持自定义初始资金、回测周期、止盈止损参数。输出收益曲线、买卖记录、月度统计。适用于验证"涨停基因+均线多头+量价配合"等短线策略的历史表现。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install backtest;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要需要联网,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

backtest 怎么安装?

在终端执行 openclaw skills install backtest。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

backtest 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

backtest 需要什么权限?

权限级别是需要联网。该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

backtest 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

backtest 用的人多吗?

公开数据是累计安装 9,192 次,近一周安装 383 次,下载 3,064 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

backtest 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理效率类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
backtest

backtest 自动化 · 本页

9,192—需要联网MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
akshare_backtest
description
>
metadata

A股量化策略回测 (AkShare Backtest)

基于 AkShare 免费行情数据,实现 A股量化策略的历史回测。

策略说明

默认策略:强势股轮动

条件说明
涨停基因近5日有涨停,或单日涨幅>7%
均线多头5日均线>10日均线>20日均线
量价配合今日成交量 > 5日均量 × 1.2

买卖规则

触发条件操作
+5%卖出 1/3
+8%再卖出 1/3(剩余1/3继续持有)
+10%以上尾盘不涨停则全部清仓
-3%无条件止损
持仓满3天第3天尾盘强制平仓

仓位管理

  • 初始资金:默认 5 万(可配置)
  • 单票仓位:20%-35%
  • 同时持仓:最多 3 只
  • 每日保留 30% 现金

安装依赖

pip install akshare pandas numpy

使用方法

命令行调用

python {baseDir}/scripts/backtest.py --capital 50000 --start 20240101 --end 20240630

参数说明

参数说明默认值
--capital初始资金(元)50000
--start开始日期(YYYYMMDD)20240101
--end结束日期(YYYYMMDD)当前日期
--output输出目录miaoxiang/backtest
--query自然语言参数暂不支持

示例

# 回测2024年全年
python scripts/backtest.py --capital 100000 --start 20240101 --end 20241231

# 回测2024下半年
python scripts/backtest.py --start 20240701 --end 20241231

输出文件

文件说明
daily_values.csv每日净值曲线(日期、现金、持仓市值、总净值、收益率)
trades.csv全部买卖记录(日期、股票、买卖价、数量、收益率、原因)

结果解读

回测脚本会输出:

========== 回测结果 ==========
初始资金:     50,000
最终净值:     58,234
总收益率:     +16.47%
年化收益率:   +32.18%
最大回撤:     -12.35%
交易次数:     45
卖出次数:     42
胜率:         58.5%
==============================

关键指标

  • 总收益率:回测期间累计收益
  • 年化收益率:折算为年化收益(按250交易日/年)
  • 最大回撤:从峰值到谷底的最大跌幅
  • 胜率:盈利交易 / 总卖出次数

风险提示

  1. 历史不代表未来:回测结果仅供参考,不构成投资建议
  2. 滑点成本:实际交易会有滑点,回测可能偏乐观
  3. 流动性风险:小盘股可能无法按回测价格买入
  4. 手续费:未计入佣金和印花税(建议手动扣除)

扩展方向

  • 接入实时行情实现模拟交易
  • 添加大盘择时(沪深300均线过滤)
  • 多策略组合轮动
  • 优化止盈止损参数
  • 接入实盘券商API

平台分布

OpenClaw

78.8%
按下载量换算2,414

安全审计

VirusTotal

未展示

ClawScan

通过

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills