선물 및 주식 거래 전략을 핵심 성과 지표와 함께 평가하기 위해 NumPy를 사용하는 순수 Python 백테스팅 엔진입니다.
설치 및 다운로드
1. ClawHub CLI
레지스트리에서 스킬을 바로 설치하는 가장 빠른 방법입니다.
npx clawhub@latest install backtesting-framework
2. 수동 설치
스킬 폴더를 다음 위치 중 하나로 복사하세요
~/.openclaw/skills/ <project>/skills/ 우선순위: 워크스페이스 > 로컬 > 번들
3. 프롬프트 설치
이 프롬프트를 OpenClaw에 복사하면 자동으로 설치됩니다.
Clawhub를 사용해서 backtesting-framework 설치를 도와줘. Clawhub가 설치되어 있지 않다면 먼저 설치해 줘 (npm i -g clawhub).
다운로드를 원하시나요?
ZIP 아카이브 형태의 원본 스킬 파일을 받으세요.
백테스팅 프레임워크란 무엇인가요?
Backtesting Framework는 알고리즘 트레이더가 계량 거래 전략을 검증할 수 있도록 설계된 경량의 종속성 없는 Python 도구입니다. 표준 Python 구조와 NumPy만으로 완전히 작동하므로 성능을 유지하면서 기존의 무거운 거래 라이브러리의 비대함을 제거합니다.
엔진에 과거 종가 배열과 시그널 매트릭스를 공급함으로써 개발자는 주식 및 선물 시장 모두에 대한 자산 관리 전략을 신속하게 시뮬레이션할 수 있습니다. 이 프레임워크는 필수 위험 지표에 대한 수학적 계산을 추상화하여 사용자가 실제 자본을 배포하기 전에 로직을 다듬을 수 있도록 도와줍니다.
백테스팅 프레임워크 활용 사례
- 전략 검증: 이동 평균 크로스오버, 상대강도지수(RSI) 및 볼린저 밴드와 같은 표준 지표의 과거 생존 가능성을 테스트합니다.
- 위험 관리 프로파일링: 최악의 낙폭 시나리오를 정량화하고 Sharpe Ratio를 통해 변동성이 조정된 자산 수익률을 평가합니다.
- 맞춤형 로직 테스트: 벡터 기반의 시장 관찰을 트랜잭션 보유, 매수 또는 매도로 변환하여 실험적인 계량 시그널의 프로토타입을 제작합니다.
백테스팅 프레임워크 작동 원리
- 데이터 수집: 주식 또는 선물 상품의 시장 종가를 연속적인 1차원 NumPy 배열로 로드합니다.
- 시그널 생성: 선택된 기술 지표 함수가 가격 배열을 평가하여 매수(1), 보유(0) 또는 매도(-1)와 같은 액션 매핑 배열을 정렬하여 구축합니다.
- 수익률 벡터화: 백테스팅 엔진은 과거 수익률을 시프트하고 이를 활성 포지션 시그널과 곱하여 인터벌별 전략 성과를 계산합니다.
- 지표 공식화: 엔진은 집계된 수학적 이익을 처리하여 전체 수익률, Sharpe Ratio, 승률 및 최고점 대비 최저점의 최대 낙폭을 계산합니다.
- 보고서 컴파일: 성과 통계는 최종 시뮬레이션 자본을 보여주는 깔끔하게 포맷된 기술 분석 요약으로 집계됩니다.
백테스팅 프레임워크 설정 가이드
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
백테스팅 프레임워크 데이터 스키마 및 분류 체계
Input Requirements
The framework relies on synchronized vector dimensions for execution calculations:
| Data Object | Format | Values / Types | Description |
|---|---|---|---|
prices |
NumPy Array | Float / Int | 연속된 타임라인에 걸친 과거 종가. |
signals |
NumPy Array | 1 (Long), 0 (Hold), -1 (Short) |
가격 단계와 일치하는 생성된 목표 익스포저 포지션. |
Output Schema
When a simulation run finishes, the engine outputs a dictionary mapping performance elements:
total_return: 시계열 전체에 걸쳐 생성된 절대적인 백분율 성장/감소.sharpe_ratio: 위험 대비 변동성이 조정된 성과 지표.win_rate: 긍정적인 재정적 수익을 낸 기간의 백분율.max_drawdown: 과거 자본 위험을 추적하는 최고점 대비 최저점 낙폭 가치.final_capital: 초기 펀딩 시드를 기반으로 한 최종 잔액 계산.
백테스팅 프레임워크 고급 기능
- 외부 종속성 제로: 순수 Python 및 벡터 최적화된 NumPy로만 구축되어 적은 리소스 사용량과 신속한 반복 속도를 보장합니다.
- 수학적 벡터 컨볼루션: 느린 반복 추적 루프 대신 빠른 NumPy 행렬 연산(
np.convolve,np.where,np.cumprod)을 활용합니다. - 확장 가능한 지표 청사진: 표준 기본 모델을 넘어 매우 복잡한 독점 알고리즘 전략을 구축하기 위한 명확한 베이스 템플릿을 제공합니다.
SKILL.md
로드 중
관련 Openclaw 스킬
China Options Pricing
중국 파생상품 시장에 맞춤화된 유럽형 및 미국형 옵션 가격 책정, Greeks 및 내재 변동성 계산을 위한 분석 툴킷입니다.
China Technical Analysis
중국 상품 및 금융 선물을 위한 고정밀 기술 지표, 매수/매도 신호 및 차트 추세 설명을 생성합니다.
Google Maps Scraper (Apify)
Apify를 활용하여 Google Maps에서 로컬 비즈니스 데이터, 리뷰, 이미지 및 웹사이트 연락처 정보를 직접 스크래핑하는 AI 에이전트 스킬입니다.
China Stock Quotes
상하이, 선전, 베이징 거래소의 실시간 A주 주가, 시장 지수 및 섹터 데이터를 가져오고 분석하기 위한 AI 코딩 에이전트 스킬입니다.
Agent OS
Agent OS는 비대한 채팅 기록에 의존하지 않고 원활하고 감사가 가능하며 구조화된 멀티 에이전트 조정을 가능하게 하는 경량 파일 기반 협업 레이어입니다.
추천*
