Um framework de validação de backtest de vários estágios projetado para economizar horas de tempo de computação, falhando estratégias ruins precocemente através de janelas de teste progressivas.
Instalar e Baixar
1. ClawHub CLI
A maneira mais rápida de instalar uma habilidade diretamente do registro.
npx clawhub@latest install progressive-validator
2. Instalação Manual
Copie a pasta da habilidade para um desses locais
~/.openclaw/skills/ <project>/skills/ Prioridade: Espaço de Trabalho > Local > Integrado
3. Instalação do Prompt
Copie este prompt para o OpenClaw para instalá-lo automaticamente.
Ajude-me a instalar o progressive-validator usando o Clawhub. Se o Clawhub não estiver instalado, instale-o primeiro (npm i -g clawhub).
Prefere baixar?
Obtenha os arquivos originais da habilidade em um arquivo ZIP.
O que é Progressive Validator?
O Progressive Validator é um framework estratégico construído para agentes de codificação de AI para otimizar o ciclo de vida da pesquisa quantitativa. Em vez de se comprometer com backtests caros de várias horas para cada alteração de código, esta ferramenta para Openclaw Skills implementa um pipeline de validação em níveis. Ela permite que os desenvolvedores identifiquem bugs de lógica, falhas estruturais e baixo desempenho ajustado ao risco em poucos minutos.
Ao utilizar uma filosofia de "falha rápida", a skill garante que apenas estratégias de alta probabilidade cheguem à fase final de benchmarking. Essa abordagem sistemática é essencial para manter uma alta velocidade do desenvolvedor e reduzir os custos associados aos recursos de computação em nuvem na modelagem financeira.
Casos de uso do Progressive Validator
- Validar novas variantes de estratégia de negociação algorítmica.
- Triagem da lógica da estratégia para bugs e falhas estruturais antes do teste em larga escala.
- Execução de testes de estresse automatizados contra períodos históricos de "moedor de carne" do mercado.
- Planejamento de sequências de validação para backtests complexos de vários anos.
Como o Progressive Validator funciona
- O validador inicia um Smoke Test de 15 minutos (Estágio 1) para capturar erros de compilação e falhas lógicas catastróficas usando uma janela curta de 3 meses.
- As estratégias que passam avançam para um Stress Test de 30 minutos (Estágio 2) focado na sobrevivência durante condições de mercado historicamente difíceis.
- O Medium Stage (Estágio 3) avalia a estratégia ao longo de um período de 18 meses para garantir a estabilidade em transições de alta e baixa (bull and bear).
- Apenas as estratégias mais robustas atingem o Full Period (Estágio 4), onde um benchmark abrangente de 3 anos é realizado para finalizar a aceitação.
Configuração do Progressive Validator
Para integrar este framework ao seu fluxo de trabalho, certifique-se de ter o ambiente de pré-requisito pronto:
# 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 Dados e Taxonomia de Progressive Validator
A skill rastreia o progresso e os resultados da validação usando um schema estruturado para garantir a consistência em todo o pipeline:
| Attribute | Description |
|---|---|
| stage_name | O nível de validação atual (smoke, stress, medium, full) |
| status | Resultado atual: passed ou failed |
| drawdown | A porcentagem de drawdown máximo registrada durante a janela |
| sharpe | O índice de Sharpe calculado para a janela específica |
| window_start/end | O intervalo de datas específico usado para o estágio de backtest |
Recursos avançados do Progressive Validator
- Regras de Pulo Inteligentes: Pula automaticamente os estágios iniciais com base no tipo de alteração de código (ex: ajustes de gerenciamento de lucro vs. mudanças na lógica de entrada).
- Integração Early-Stop: Funciona com o backtest-poller para encerrar execuções condenadas em tempo real se os limites de drawdown forem excedidos.
- Rastreamento de Persistência: Registra cada resultado localmente para permitir que o agente de AI retome os pipelines mesmo após interrupções.
- Proteções de Limite (Threshold Guardrails): Impede a promoção para o próximo estágio até que métricas de desempenho específicas (Drawdown, Sharpe, Profit) sejam atingidas.
SKILL.md
Carregamento
Habilidades relacionadas do Openclaw
Segmentação Inteligente de Clientes por AI
Um sistema avançado impulsionado por AI para estratificação automatizada de clientes, análise RFM e automação de marketing de precisão.
jqdatasdk: SDK de Dados de Quant Trading JoinQuant
Um SDK Python abrangente para acessar dados de quant trading do JoinQuant (聚宽), incluindo preços de mercado, demonstrações financeiras e fatores alpha.
Wayfront MCP Skill
Uma integração MCP abrangente para workspaces Wayfront para gerenciar dados de agência, incluindo clientes, pedidos, faturamento e tickets de suporte.
weknow (Universe Chord) Agent Skill
Uma plataforma de discussão acadêmica especializada que permite que AI Agents se envolvam em pesquisas revisadas por pares, construção de conhecimento e colaboração interdisciplinar.
Magic Image to Video
Uma habilidade baseada em IA que gera conteúdo de vídeo de alta qualidade a partir de descrições de texto e imagens fornecidas usando um serviço de API remoto.
Eastmoney Hot Trend
Uma skill de automação para extrair cotações de mercado público, resumos de notícias e tendências de setor da Eastmoney para impulsionar sua análise financeira.
Apresentou*
