Eine reine Python-Backtesting-Engine, die NumPy verwendet, um Futures- und Aktienhandelsstrategien mit Kernleistungsmetriken zu bewerten.
Installieren & Herunterladen
1. ClawHub CLI
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install backtesting-framework
2. Manuelle Installation
Kopiere den Skill-Ordner an einen dieser Orte
~/.openclaw/skills/ <project>/skills/ Priorität: Workspace > Lokal > Integriert (Bundled)
3. Prompt-Installation
Kopiere diesen Prompt in OpenClaw, um ihn automatisch zu installieren.
Hilf mir, backtesting-framework über Clawhub zu installieren. Falls Clawhub nicht installiert ist, installiere es bitte zuerst (npm i -g clawhub).
Lieber herunterladen?
Hole dir die rohen Skill-Dateien in einem ZIP-Archiv.
Was ist Backtesting Framework?
Das Backtesting Framework ist ein leichtgewichtiges, abhängigkeitsfreies Python-Tool, das für algorithmische Händler entwickelt wurde, um quantitative Handelsstrategien zu validieren. Es arbeitet vollständig mit Standard-Python-Strukturen und NumPy, wodurch der Overhead traditioneller, schwerer Handelsbibliotheken eliminiert wird, während die Leistung erhalten bleibt.
Durch das Einspeisen von historischen Schlusskurs-Arrays und Signalmatrizen in die Engine können Entwickler schnell Vermögensverwaltungsstrategien für Aktien- und Futures-Märkte simulieren. Das Framework abstrahiert mathematische Berechnungen für wesentliche Risikometriken und hilft Benutzern, ihre Logik zu verfeinern, bevor sie echtes Kapital einsetzen.
Backtesting Framework Anwendungsfälle
- Strategievalidierung: Testen Sie die historische Tragfähigkeit von Standardindikatoren wie Moving Average Crossovers, Relative Strength Index (RSI) und Bollinger Bands.
- Risikomanagement-Profiling: Quantifizieren Sie Drawdown-Szenarien im schlimmsten Fall und bewerten Sie volatilitätsbereinigte Vermögensrenditen über die Sharpe Ratio.
- Testen benutzerdefinierter Logik: Prototypisieren Sie experimentelle quantitative Signale, indem Sie vektorbasierte Marktbeobachtungen in transaktionale Holds, Longs oder Shorts umwandeln.
So funktioniert Backtesting Framework
- Datenerfassung: Marktschlusskurse für Aktien- oder Futures-Instrumente werden in ein kontinuierliches eindimensionales NumPy-Array geladen.
- Signalgenerierung: Eine ausgewählte technische Indikatorfunktion bewertet das Preis-Array, um ein ausgerichtetes Array zu erstellen, das Aktionen abbildet: Long (1), Hold (0) oder Short (-1).
- Rendite-Vektorisierung: Die Backtesting-Engine verschiebt historische Renditen und multipliziert sie mit aktiven Positionssignalen, um die Strategieleistung pro Intervall zu berechnen.
- Formulierung von Metriken: Die Engine verarbeitet aggregierte mathematische Gewinne, um Gesamtrenditen, die Sharpe Ratio, die Gewinnrate und den maximalen Drawdown von der Spitze bis zum Tiefpunkt zu berechnen.
- Berichtserstellung: Leistungsstatistiken werden in einer sauber formatierten Zusammenfassung der technischen Analyse aggregiert, die das finale simulierte Kapital anzeigt.
Backtesting Framework Einrichtung
Prerequisites
Ensure you have python3 and NumPy installed on your local execution machine.
Installation
To use this capability within Openclaw Skills, set up your Python environment and verify your installation:
# Verify python3 installation
python3 --version
# Ensure numpy package is present
pip install numpy
Backtesting Framework Datenschema & Taxonomie
Input Requirements
The framework relies on synchronized vector dimensions for execution calculations:
| Data Object | Format | Values / Types | Description |
|---|---|---|---|
prices |
NumPy Array | Float / Int | Historische Schlusskurse über eine kontinuierliche Zeitachse. |
signals |
NumPy Array | 1 (Long), 0 (Hold), -1 (Short) |
Generierte Zielexpositionspositionen, die mit den Preisschritten übereinstimmen. |
Output Schema
When a simulation run finishes, the engine outputs a dictionary mapping performance elements:
total_return: Das absolute prozentuale Wachstum/der absolute prozentuale Rückgang, das/der über die Zeitreihe generiert wurde.sharpe_ratio: Volatilitätsbereinigte Leistungsmetrik im Verhältnis zum Risiko.win_rate: Prozentsatz der Perioden, die positive finanzielle Renditen erbrachten.max_drawdown: Der Wert des Rückgangs von der Spitze bis zum Tiefpunkt, der das historische Kapitalrisiko verfolgt.final_capital: Berechnung des Endguthabens basierend auf dem anfänglichen Startkapital.
Backtesting Framework Erweiterte Funktionen
- Null externe Abhängigkeiten: Vollständig mit reinem Python und vektoroptimiertem NumPy erstellt, was einen geringen Ressourcen-Fußabdruck und schnelle Iterationsgeschwindigkeiten gewährleistet.
- Mathematische Vektorkonvolutionen: Nutzt schnelle NumPy-Matrixoperationen (
np.convolve,np.where,np.cumprod) anstelle von langsamen iterativen Tracking-Schleifen. - Erweiterbarer Indikator-Bauplan: Bietet klare Basisvorlagen für die Konstruktion hochkomplexer, proprietärer algorithmischer Strategien jenseits von Standard-Default-Modellen.
SKILL.md
Laden
Verwandte Openclaw-Skills
Chinesische Futures-Kurse
Ein AI agent skill zur Überwachung von Echtzeitpreisen, Marktvolumina und Kontraktdetails an den wichtigsten chinesischen Terminbörsen.
China Options Pricing
Ein analytisches Toolkit zur Berechnung von europäischen und amerikanischen Optionspreisen, Greeks und impliziter Volatilität, zugeschnitten auf den chinesischen Derivatemarkt.
China Technical Analysis
Generieren Sie hochpräzise technische Indikatoren, Kauf-/Verkaufssignale und Chart-Trendbeschreibungen für chinesische Rohstoff- und Finanz-Futures.
Google Maps Scraper (Apify)
Eine KI-Agenten-Fertigkeit, die Apify nutzt, um umfangreiche lokale Geschäftsdaten, Bewertungen, Bilder und Website-Kontakte direkt von Google Maps zu scrapen.
China Stock Quotes
Eine KI-Coding-Agent-Skill zum Abrufen und Analysieren von A-Aktien-Kursen, Marktindizes und Sektordaten in Echtzeit von den Börsen in Shanghai, Shenzhen und Peking.
Agent OS
Agent OS ist eine leichtgewichtige, dateibasierte Kollaborationsschicht, die nahtlose, prüfbare und strukturierte Multi-Agenten-Koordination ermöglicht, ohne auf aufgeblähte Chat-Verläufe angewiesen zu sein.
Hervorgehoben*
