# Finance Quant Backtesting

> 个人量化回测工作流：准备市场数据、编写和回测策略、分析因子、评估风险并生成可复核报告。

- Skill: `lbql-yhl/finance-quant-backtesting` (Agent Skill)
- Install (CLI): `npx skillmds@latest add lbql-yhl/finance-quant-backtesting`
- Raw SKILL.md: https://api.skillmd.com/api/skills/lbql-yhl/finance-quant-backtesting/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: lbql-yhl (https://skillmd.com/u/lbql-yhl)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/lbql-yhl/finance-quant-backtesting

---


# 个人量化回测

## 适用场景

用于股票、指数、基金或期货的策略研究、历史回测、因子分析和风险评估。默认只做研究和模拟，不直接下单。

## 工作流程

1. **准备数据**
   - 记录标的、数据源、时间区间、频率、复权方式、缺失值处理。
   - 优先使用 `joinquant`；也可使用已配置的 AkShare、Tushare 或其他本地数据源。
   - 检查重复、缺失、异常价格、停牌和幸存者偏差。

2. **建立基线**
   - 使用 `stock-strategy-backtester` 回测 SMA、RSI、MACD、突破等策略。
   - 明确手续费、滑点、涨跌停、成交规则和持仓限制。

3. **策略与因子分析**
   - 使用 `quant-strategy` 编写策略并分析 IC、IR、分组收益和因子稳定性。
   - 需要 A 股本地选股、技术指标或接口服务时，使用 `onequant-backtest`。

4. **组合与风险评估**
   - 使用 `quant` 进行多源或多引擎交叉验证。
   - 检查最大回撤、波动率、夏普比率、集中度、换手率和压力情景。
   - 使用 `backtester` 生成权益曲线、回撤曲线和基准对比。

5. **验证与结论**
   - 优先采用时间切分、滚动回测或样本外验证。
   - 检查前视偏差、数据窥探、过拟合和幸存者偏差。
   - 不把历史收益直接表述为未来收益承诺。

## 标准输出

- 数据说明和假设
- 策略逻辑与可执行代码
- 收益率、CAGR、胜率、夏普比率、最大回撤、波动率
- 逐笔交易记录、权益曲线和回撤曲线
- 与基准的对比
- 样本外验证、局限性和风险提示

## 安全边界

- 没有真实数据时，明确说明，不编造行情或回测结果。
- 涉及实盘交易、账户、密钥或自动下单时，先停止并要求明确确认。
- 默认使用模拟盘或本地回测，不执行真实交易。