Un marco de validación de backtest de múltiples etapas diseñado para ahorrar horas de tiempo de cómputo al descartar estrategias deficientes de manera temprana a través de ventanas de prueba progresivas.
Instalar y Descargar
1. ClawHub CLI
La forma más rápida de instalar una habilidad directamente desde el registro.
npx clawhub@latest install progressive-validator
2. Instalación manual
Copia la carpeta de la habilidad a una de estas ubicaciones
~/.openclaw/skills/ <project>/skills/ Prioridad: Espacio de trabajo > Local > Integrado
3. Instalación del prompt
Copia este prompt en OpenClaw para instalarlo automáticamente.
Ayúdame a instalar progressive-validator usando Clawhub. Si Clawhub no está instalado, instálalo primero (npm i -g clawhub).
¿Prefieres descargar?
Obtén los archivos originales de la habilidad en un archivo ZIP.
¿Qué es Progressive Validator?
Progressive Validator es un marco estratégico diseñado para agentes de codificación de AI para optimizar el ciclo de vida de la investigación cuantitativa. En lugar de comprometerse con costosos backtests de varias horas para cada cambio de código, esta herramienta para Openclaw Skills implementa una tubería de validación por niveles. Permite a los desarrolladores identificar errores de lógica, fallas estructurales y un rendimiento deficiente ajustado al riesgo en cuestión de minutos.
Al utilizar una filosofía de "fallo rápido", la skill asegura que solo las estrategias con alta probabilidad lleguen a la fase final de benchmarking. Este enfoque sistemático es esencial para mantener una alta velocidad de desarrollo y reducir los costos asociados con los recursos de cómputo en la nube en el modelado financiero.
Casos de uso de Progressive Validator
- Validación de nuevas variantes de estrategias de trading algorítmico.
- Detección de errores y fallas estructurales en la lógica de la estrategia antes de las pruebas a gran escala.
- Ejecución de pruebas de estrés automatizadas contra períodos históricos de "picadora de carne" del mercado.
- Planificación de secuencias de validación para backtests complejos de varios años.
Cómo funciona Progressive Validator
- El validador inicia un Smoke Test de 15 minutos (Etapa 1) para detectar errores de compilación y fallas lógicas catastróficas utilizando una ventana corta de 3 meses.
- Las estrategias que pasan avanzan a un Stress Test de 30 minutos (Etapa 2) centrado en la supervivencia durante condiciones de mercado históricamente difíciles.
- La Medium Stage (Etapa 3) evalúa la estrategia durante un período de 18 meses para asegurar la estabilidad a través de las transiciones de mercado alcista y bajista.
- Solo las estrategias más robustas alcanzan el Full Period (Etapa 4), donde se realiza un benchmark integral de 3 años para finalizar la aceptación.
Configuración de Progressive Validator
Para integrar este marco en su flujo de trabajo, asegúrese de tener listo el entorno de requisitos previos:
# Ensure python3 is available in your environment
# Install the dependency backtest-poller skill
python3 -m pip install -r requirements.txt
# Configure your validation windows in your configuration file
# Run the validator to check the next required step
python3 validator.py next <strategy_name> <file_path>
Esquema de datos y taxonomía de Progressive Validator
La skill rastrea el progreso y los resultados de la validación utilizando un esquema estructurado para garantizar la consistencia en toda la tubería:
| Attribute | Description |
|---|---|
| stage_name | El nivel de validación actual (smoke, stress, medium, full) |
| status | Resultado actual: passed o failed |
| drawdown | El porcentaje de drawdown máximo registrado durante la ventana |
| sharpe | El ratio de Sharpe calculado para la ventana específica |
| window_start/end | El rango de fechas específico utilizado para la etapa de backtest |
Funciones avanzadas de Progressive Validator
- Reglas de salto inteligentes: Salta automáticamente las etapas iniciales según el tipo de cambio de código (p. ej., ajustes en la gestión de beneficios frente a cambios en la lógica de entrada).
- Integración Early-Stop: Funciona con backtest-poller para terminar ejecuciones condenadas en tiempo real si se superan los umbrales de drawdown.
- Seguimiento de persistencia: Registra cada resultado localmente para permitir que el agente de AI reanude las tuberías incluso después de interrupciones.
- Barreras de umbral: Evita la promoción a la siguiente etapa hasta que se cumplan métricas de rendimiento específicas (Drawdown, Sharpe, Profit).
SKILL.md
Cargando
Habilidades relacionadas de Openclaw
Segmentación Inteligente de Clientes por AI
Un sistema avanzado impulsado por AI para la estratificación automatizada de clientes, análisis RFM y automatización de marketing de precisión.
jqdatasdk: SDK de Datos de Trading Cuantitativo JoinQuant
Un SDK de Python integral para acceder a los datos de trading cuantitativo de JoinQuant (聚宽), incluidos precios de mercado, estados financieros y factores alfa.
Wayfront MCP Skill
Una integración MCP completa para espacios de trabajo de Wayfront para gestionar datos de agencias, incluidos clientes, pedidos, facturación y tickets de soporte.
weknow (Universe Chord) Agent Skill
Una plataforma de discusión académica especializada que permite a los AI Agents participar en investigaciones revisadas por pares, construcción de conocimiento y colaboración interdisciplinaria.
Magic Image to Video
Una habilidad impulsada por IA que genera contenido de vídeo de alta calidad a partir de descripciones de texto e imágenes proporcionadas utilizando un servicio de API remoto.
Eastmoney Hot Trend
Una skill de automatización para extraer cotizaciones de mercado público, resúmenes de noticias y tendencias sectoriales de Eastmoney para potenciar su análisis financiero.
Presentado*
