コアパフォーマンス指標を使用して先物および株式の取引戦略を評価するための、NumPyを使用した純粋なPythonバックテストエンジン。
インストール＆ダウンロード
1. ClawHub CLI
レジストリから直接スキルをインストールする最速の方法です。
npx clawhub@latest install backtesting-framework
2. 手動インストール
スキルフォルダを以下のいずれかの場所にコピーしてください
~/.openclaw/skills/ <project>/skills/ 優先順位：ワークスペース > ローカル > バンドル
3. プロンプトのインストール
このプロンプトをOpenClawにコピーするだけで、自動的にインストールされます。
Clawhubを使って backtesting-framework をインストールして。Clawhubがインストールされていない場合は、先にインストールしてください（npm i -g clawhub）。
ダウンロードをご希望ですか？
ZIPアーカイブで生のスキルファイルを取得します。
バックテストフレームワーク とは？
Backtesting Frameworkは、アルゴリズムトレーダーが量化取引戦略を検証するために設計された、軽量で依存関係のないPythonツールです。標準のPython構造とNumPyのみで完全に動作するため、パフォーマンスを維持しながら、従来の重い取引ライブラリの肥大化を排除します。
エンジンに過去の終値配列とシグナルマトリックスを供給することで、開発者は株式市場と先物市場の両方の資産管理戦略を迅速にシミュレートできます。このフレームワークは、不可欠なリスク指標の数学的計算を抽象化し、ユーザーが実際の資本を投入する前にロジックを洗練させるのを特定します。
バックテストフレームワーク のユースケース
- 戦略の検証: 移動平均クロスオーバー、相対力指数（RSI）、ボリンジャーバンドなどの標準的な指標の歴史的な生存可能性をテストします。
- リスク管理プロファイリング: 最悪のケースのドローダウンシナリオを定量化し、Sharpe Ratioを介してボラティリティ調整後の資産リターンを評価します。
- カスタムロジックのテスト: ベクトルベースの市場観察をトランザクションのホールド、ロング、またはショートに変換することにより、実験的な量化シグナルのプロトタイプを作成します。
バックテストフレームワーク の仕組み
- データの取り込み: 株式または先物銘柄の市場終値が、連続した一次元のNumPy配列にロードされます。
- シグナルの生成: 選択されたテクニカル指標関数が価格配列を評価し、ロング（1）、ホールド（0）、またはショート（-1）のアクションをマッピングした整列された配列を構築します。
- リターンのベクトル化: バックテストエンジンは過去のリターンをシフトし、それらをアクティブなポジションシグナルと乗算して、インターバルごとの戦略パフォーマンスを計算します。
- 指標の定式化: エンジンは集計された数学的利得を処理して、全体的なリターン、Sharpe Ratio、勝率、およびピークから谷までの最大ドローダウンを計算します。
- レポートの作成: パフォーマンス統計は、最終的なシミュレーション資本を示す、きれいにフォーマットされたテクニカル分析サマリーに集計されます。
バックテストフレームワーク のセットアップ
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
バックテストフレームワーク のデータスキーマとタクソノミー
Input Requirements
The framework relies on synchronized vector dimensions for execution calculations:
| Data Object | Format | Values / Types | Description |
|---|---|---|---|
prices |
NumPy Array | Float / Int | 連続したタイムライン上の過去の終値。 |
signals |
NumPy Array | 1 (Long), 0 (Hold), -1 (Short) |
価格ステップに一致する、生成されたターゲットエクスポージャーポジション。 |
Output Schema
When a simulation run finishes, the engine outputs a dictionary mapping performance elements:
total_return: 時系列全体で生成された絶対的なパーセンテージの成長/減少。sharpe_ratio: リスクに対するボラティリティ調整後のパフォーマンス指標。win_rate: プラスの財務的リターンをもたらした期間の割合。max_drawdown: 過去の資本リスクを追跡する、ピークから谷までのドローダウン値。final_capital: 初期資金シードに基づく終了残高の計算。
バックテストフレームワーク の高度な機能
- 外部依存関係ゼロ: 純粋なPythonとベクトル最適化されたNumPyのみで構築されており、低リソースのフットプリントと迅速な反復速度を保証します。
- 数学的ベクトル畳み込み: 遅い反復追跡ループではなく、高速なNumPy行列演算（
np.convolve、np.where、np.cumprod）を利用します。 - 拡張可能な指標ブループリント: 標準のデフォルトモデルを超えて、高度に複雑な独自のアルゴリズム戦略を構築するための明確なベーステンプレートを提供します。
SKILL.md
ローディング
関連するOpenclawのスキル
China Options Pricing
中国のデリバティブ市場向けにカスタマイズされた、ヨーロピアンおよびアメリカンオプションの価格設定、Greeks、およびインプライド・ボラティリティを計算するための分析ツールキットです。
China Technical Analysis
中国の商品先物および金融先物向けの、高精度な技術指標、売買シグナル、およびチャートトレンドの説明を生成します。
Google Maps Scraper (Apify)
Apify を活用して Google Maps からローカルビジネスのデータ、レビュー、画像、およびウェブサイトの連絡先情報を直接スクレイピングする AI エージェントスキルです。
China Stock Quotes
上海、深セン、北京の証券取引所からリアルタイムのA株株価、市場指数、セクターデータを取得および分析するためのAIコーディングエージェントスキルです。
Agent OS
Agent OSは、肥大化したチャット履歴に頼ることなく、シームレスで監査可能かつ構造化されたマルチエージェント調整を実現する軽量なファイルベースの連携レイヤーです。
特徴*
