findscripter 交易策略系统化回测指导
把回测当作"证伪"而非"证明"的纪律编排。核心目标：找最难被打破的策略，而不是纸面上收益最高的策略。原则：到处加摩擦、压测假设，看谁还活着——在悲观条件下站得住的策略，更可能在实盘有效。
何时使用
适用：
- 已有一个交易策略想法或一份回测结果，要系统化压测其稳健性、决定能否上实盘。
- 排查"为什么这份回测可能在骗我"（参数敏感、前视/幸存者偏差、样本太小、滑点不够）。
- 要一个量化、可复现的验收裁决（Deploy / Refine / Abandon），而非凭感觉拍板。
- 学习并执行专业级回测方法论与红旗清单。
不该用（负边界）：
- 搭建回测引擎/编写回测代码（向量化/事件驱动引擎、walk-forward 实现、撮合记账）→ 用
backtesting-frameworks/trading-strategy-backtester，本技能只做方法论与验收评分，指标由用户提供。 - 采集/清洗行情数据、实盘下单、券商 API 对接。
- 主观裁量型交易（依赖"盘感"、新闻、宏观语境）：本技能假设规则全部预先编码、零裁量，裁量策略可能不适用。
步骤 / 指令
时间分配铁律：20% 生成想法，80% 试图打破它。
1. 陈述假设(Hypothesis)
- 一句话讲清 edge。讲不清就别往下测。
- 例:"财报后跳空 >3% 且首小时回踩前日收盘的股票存在均值回归机会"。
2. 零裁量编码规则
- 入场(精确条件/时点/价格类型)、出场(止损/止盈/时间止损)、
仓位(固定额/组合%/波动率调整)、过滤(市值/成交量/板块/波动)、标的池(universe)。
- 每个决策都必须规则化、无歧义,不许主观判断。
3. 跑初版回测
- 至少 5 年(最好 10+)、跨多种市场环境(牛/熊/高低波动)、含真实成本(手续费+保守滑点)。
- 若根本性崩坏,回到第 1 步改假设。
4. 压力测试(80% 时间花在这里) —— 见下方四类压测
5. 样本外验证 —— walk-forward,见下方
6. 评估并下裁决 —— 跑评分脚本,得 Deploy/Refine/Abandon
第 4 步 · 四类压力测试：
- 参数敏感：止损取基线的 50/75/100/125/150%，止盈取 80/90/100/110/120%，入出场时点 ±15-30 分钟。找稳定的"平台"，不要窄"尖峰"——例：止损在 1.5%–3.0% 之间都盈利=真 edge；只在 2.13% 才盈利=曲线拟合。
- 执行摩擦：滑点放大到典型值的 1.5–2 倍；按最坏成交建模（买在 ask+1 tick、卖在 bid-1 tick）；加入订单拒绝/部分成交；用悲观手续费结构。
- 时间稳健：逐年分析，要求多数年份正期望；不能依赖 1–2 个例外区间；分市场环境单独测。
- 样本量：绝对下限 30 笔；推荐 100+；高置信 200+。
第 5 步 · Walk-forward 样本外：训练段优化（如第 1–3 年）→ 验证段测试（第 4 年）→ 滚动重复 → 比对样本内 vs 样本外。警告信号：样本外 < 样本内 50%、需频繁重优化参数、各段参数剧烈漂移。
第 6 步 · 评估问句 + 裁决标准：edge 在悲观假设下是否存活？参数变动下是否稳定？跨多环境是否有效？样本量是否够？结果是否"好到不真实"？
- ✅ Deploy：通过全部压测且表现可接受。
- 🔄 Refine：核心逻辑成立但需调参。
- ❌ Abandon：未过压测或依赖脆弱假设。
示例
运行评分脚本做结构化、量化验收（脚本对 5 维各 20 分共 100 分打分：样本量 / 期望值 / 风险管理 / 稳健性 / 执行真实性；检测红旗；输出裁决）：
python3 skills/backtest-expert/scripts/evaluate_backtest.py \
--total-trades 150 \
--win-rate 62 \
--avg-win-pct 1.8 \
--avg-loss-pct 1.2 \
--max-drawdown-pct 15 \
--years-tested 8 \
--num-parameters 3 \
--slippage-tested \
--output-dir reports/
裁决阈值与产物：
- 评分 ≥70 → Deploy；40–69 → Refine；<40 → Abandon。
reports/backtest_eval_<timestamp>.json：含各维度分、红旗、裁决、profit factor、expectancy。reports/backtest_eval_<timestamp>.md：人读报告（维度表 + 关键指标 + 红旗明细）。
关键计算口径（与脚本一致）：
expectancy = 胜率 * 平均盈利% - 败率 * 平均亏损% # ≤0 直接判负期望
profit_factor = (胜率 * 平均盈利%) / (败率 * 平均亏损%)
红旗清单（命中 >2–3 条则不可上实盘，需补测）：
- 数据质量：是否处理幸存者偏差？是否纳入退市标的？数据对齐有无前视？分红/拆股是否正确处理？
- 样本量：≥100 笔（最好 200+）？≥5 年（最好 10+）？含完整市场周期？
- 参数稳健：邻近参数值仍有效？存在稳定平台？参数 <5 个且有逻辑依据（非纯优化）？
- 执行真实：含真实手续费？滑点按 1.5–2x 保守建模？考虑最坏成交与订单拒绝/部分成交？
- 表现特征：多数年份正期望？各主要环境可接受？无 >50% 灾难性回撤？edge 大到能扛摩擦？
- 偏差防控：策略先定义后测试？假设有经济逻辑？结果非"好到不真实"？做了样本外？无挑样本？
注意事项
- 罚策略（Punish）：到处加摩擦——手续费高于现实、滑点 1.5–2x、最坏成交、订单拒绝、部分成交。能在悲观假设下存活的策略往往实盘更稳。
- 求平台不求尖峰：稳定参数区间=真 edge；窄优化点=曲线拟合。
- 测全集不测精选：测每一个符合条件的标的（含失败的），别只研究事后挑出的"赢家"，否则=幸存者偏差，高估策略质量。
- 想法生成与验证分离：直觉用于生假设；验证必须纯数据驱动。绝不让对想法的偏爱影响对结果的解读。
- 统计显著性：小 edge 需大样本才能证明——每笔 5% 的 edge 需 100+ 笔才能与运气区分。
- 太好要警惕：胜率 >90%、回撤极小、时点完美 → 审查前视偏差或数据问题。脚本对
win_rate>90 且回撤<5%会直接报too_good红旗。 - 工具怪癖：了解你的回测平台的插值方式、低流动性处理、数据对齐问题。
- 无语境要求：若策略要"完美语境"才有效，就不够稳健，不适合系统化交易。
- 本技能不出具投资建议，不承诺未来收益；指标由用户提供，脚本不接外部数据/API。
互见
- related：
trading-strategy-backtester、backtesting-frameworks—— 它们负责实现回测引擎与 walk-forward/蒙特卡洛代码；本技能负责对其产出做方法论压测与验收。 - related：
portfolio-risk-metrics—— 计算夏普/索提诺/最大回撤等指标，喂入本技能的评分维度。 - combines_with：
trading-strategy-backtester/backtesting-frameworks—— 先用它们跑出指标，再用本技能下 Deploy/Refine/Abandon 裁决。 - combines_with：
alpha-vantage-market-data—— 提供 point-in-time 行情作为回测输入。
采编自 tradermonty/claude-trading-skills（MIT 许可）：backtest-expert。本条为适配重写，保留其"往死里测"方法论、四类压力测试、参数平台/红旗清单、walk-forward 流程，以及 5 维评分脚本（样本量/期望值/风险管理/稳健性/执行真实性 → Deploy/Refine/Abandon）的命令与阈值。