Token导航 LogoToken导航TokenDH.com
研究检索需要联网github未标认证来源可访问许可证需确认审计通过

optimize参数优化

Agent Skill

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。

总安装

18,752

周安装

766

GitHub Stars

127

下载量

6,005
CodexClaudeCursorGemini CLI

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

unknown

最后核验

2026-05-01

来源状态

来源可访问

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:optimize(参数优化)
来源仓库:https://github.com/marketcalls/vectorbt-backtesting-skills
仓库路径:skills/optimize
安装命令:
npx skills add https://github.com/marketcalls/vectorbt-backtesting-skills --skill optimize
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 npx skills 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。

skills.shnpx skills
npx skills add https://github.com/marketcalls/vectorbt-backtesting-skills --skill optimize

简介

使用 VectorBT 回测策略参数优化,生成性能热图和基准比较。

  • 接受策略名称、交易品种、交易所和区间;在回测/{strategy}/中创建优化脚本
  • 目录
  • 通过 .env 从 OpenAlgo 加载市场数据
  • 配置或直接来自 DuckDB;对所有指标使用 TA-Lib,对 Supertrend 和 Donchian 等专业指标使用 OpenAlgo ta
  • 测试合理范围内的参数组合(例如,EMA 5-50 表示快速,10-60 表示慢速),跟踪总回报、夏普比率、最大回撤和每个组合的交易数量
  • 生成总回报和夏普比率的 Plotly 热图;获取 NIFTY 基准并打印策略与基准比较表以及简单语言结果解释
  • 适用印度交割费(0.00111 + 20 固定)和期货手数意识(NIFTY 65、BANKNIFTY 30);将结果保存到 CSV

SKILL.md

Create a parameter optimization script for a VectorBT strategy.

Arguments

Parse $ARGUMENTS as: strategy symbol exchange interval

  • $0 = strategy name (e.g., ema-crossover, rsi, donchian). Default: ema-crossover
  • $1 = symbol (e.g., SBIN, RELIANCE, NIFTY). Default: SBIN
  • $2 = exchange (e.g., NSE, NFO). Default: NSE
  • $3 = interval (e.g., D, 1h, 5m). Default: D

If no arguments, ask the user which strategy to optimize.

Instructions

  1. Read the vectorbt-expert skill rules for reference patterns
  2. Create backtesting/{strategy_name}/ directory if it doesn't exist (on-demand)
  3. Create a .py file in backtesting/{strategy_name}/ named {symbol}_{strategy}_optimize.py
  4. The script must:

- Load .env from project root using find_dotenv() and fetch data via OpenAlgo client.history() - If user provides a DuckDB path, load data directly via duckdb.connect(path, read_only=True). See vectorbt-expert rules/duckdb-data.md. - If openalgo.ta is not importable (standalone DuckDB), use inline exrem() fallback. - Use TA-Lib for ALL indicators (never VectorBT built-in) - Use OpenAlgo ta for specialty indicators (Supertrend, Donchian, etc.) - Use ta.exrem() to clean signals (always .fillna(False) before exrem) - Define sensible parameter ranges for the chosen strategy - Use loop-based optimization to collect multiple metrics per combo - Track: total_return, sharpe_ratio, max_drawdown, trade_count for each combination - Use tqdm for progress bars - Indian delivery fees: fees=0.00111, fixed_fees=20 for delivery equity - Find best parameters by total return AND by Sharpe ratio - Print top 10 results for both criteria - Generate Plotly heatmap of total return across parameter grid (template="plotly_dark") - Generate Plotly heatmap of Sharpe ratio across parameter grid - Fetch NIFTY benchmark and compare best parameters vs benchmark - Print Strategy vs Benchmark comparison table - Explain results in plain language for normal traders - Save results to CSV

  1. Never use icons/emojis in code or logger output
  2. For futures symbols, use lot-size-aware sizing:

- NIFTY: min_size=65, size_granularity=65 - BANKNIFTY: min_size=30, size_granularity=30

Default Parameter Ranges

StrategyParameter 1Parameter 2
ema-crossoverfast EMA: 5-50slow EMA: 10-60
rsiwindow: 5-30oversold: 20-40
donchianperiod: 5-50-
supertrendperiod: 5-30multiplier: 1.0-5.0

Example Usage

/optimize ema-crossover RELIANCE NSE D /optimize rsi SBIN

适合场景

01

用户想查找某类 Agent Skill 时

02

需要根据任务场景推荐可安装能力包时

03

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

Codex

36.09%
按下载量换算2,167

Claude

33.54%
按下载量换算2,014

Cursor

17.82%
按下载量换算1,070

Gemini CLI

9.16%
按下载量换算550

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

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。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills