从A股/期货历史数据获取到量化策略编写、多因子选股模型、回测引擎执行，再到生成包含胜率、收益率、夏普比率、最大回撤等核心指标的专业回测报告的完整量化交易工作流。支持经典策略（双均线、网格交易、突破策略）、事件驱动策略和因子分析。
概述
你现在要完成一项量化交易策略的开发与回测任务。你已安装以下 Skill，请按步骤串联使用：
步骤 1：获取历史行情与因子数据（获取层）
使用 joinquant 完成：
- 获取 A 股、期货、基金的历史行情数据（日线/分钟线）
- 查询目标标的的财务数据和估值指标
- 获取因子数据（市值因子、动量因子、价值因子等）
- 准备事件驱动策略所需的公告、分红除权等事件数据
将历史数据和因子数据整理为策略开发所需的标准格式。
步骤 2：策略回测执行（分析层）
使用 Stock Strategy Backtester 完成：
- 在历史 OHLCV 数据上回测交易策略
- 计算核心绩效指标：胜率、收益率、CAGR、夏普比率
- 计算风险指标：最大回撤、波动率
- 输出完整的交易日志（每笔交易的进出时间、价格、盈亏）
记录回测结果和交易明细。
步骤 3：多因子量化选股（分析层）
使用 A股量化回测策略引擎 完成：
- 使用内置的上百种量化指标进行多因子选股
- 基于 MOE 混合因子专家模型计算股票买卖点
- 执行股票筛选策略（市值、成长性、估值、质量等维度）
- 输出因子得分和选股结果
输出多因子选股清单和买卖信号。
步骤 4：策略编写与因子分析（分析层）
使用 Quant Strategy 完成：
- 辅助编写量化交易策略代码
- 进行因子有效性分析（IC/IR、分组回测）
- 优化策略参数（网格搜索、滚动优化）
- 评估策略在不同市场环境下的稳健性
输出策略代码和因子分析报告。
步骤 5：多引擎回测与风控（分析层）
使用 Quant 完成：
- 多数据源交叉验证回测结果
- 多引擎回测对比（避免过拟合）
- 实时风控指标监控（仓位限制、回撤预警）
- 交易信号推送和组合管理
输出风控参数和多引擎回测对比结果。
步骤 6：生成回测报告（输出层）
使用 OpenClaw Backtester 完成：
- 汇总所有回测数据，生成完整绩效报告
- 计算夏普比率、索提诺比率、最大回撤、卡玛比率等指标
- 绘制权益曲线、回撤曲线和月度收益热力图
- 对比基准（沪深300/标普500）的超额收益分析
最终输出
将以上步骤的结果整合为完整的量化回测包，交付以下文件：
- 策略回测报告：胜率、收益率、夏普比率、最大回撤等核心指标
- 多因子选股清单：因子得分、买卖信号、标的推荐
- 策略代码：完整的可执行量化策略代码
- 权益曲线图：含基准对比的策略净值走势图
技能模块
这个专家包由 6 个技能串联而成，按下面的顺序依次调用即可跑通整套工作流。点击卡片可看单个技能的完整说明。
joinquant
聚宽量化交易平台 – 提供A股、期货、基金数据查询，事件驱动策略回测，支持在线研究与模拟实盘。
Stock Strategy Backtester
在历史OHLCV数据上回测股票交易策略，报告胜率、收益率、CAGR、回撤、夏普比率和交易日志。用于评估或…
A股量化回测策略引擎
A股量化回测策略引擎 V2.1.2 | 专业级量化交易系统 | 米筐/聚宽/AkShare三源数据支持 | 七角色全链路测试通过 | TRACE评测冲刺5.0满分 | 零崩溃架构 | 新手5分…
Quant Strategy
辅助编写和回测量化交易策略，支持因子分析
Quant
智能量化投资助手，支持多源数据获取、因子计算、多引擎回测、实时风控和交易信号推送。
OpenClaw Backtester
专业的交易策略回测框架。在历史数据上测试简单移动平均线交叉、RSI、MACD、布林带以及自定义策略。生成…
下载 Zip 包
解压到你的项目目录即可使用，包内结构与 SkillHub 原包一致：manifest.json + skillsets/ + skills/。
https://www.zhengdianxue.com/wp-content/uploads/skillpackage/finance-quant-backtesting.zip将提示词发送给你的 AI 安装该专家包
把下面这段提示词复制给你的 AI 助手（WorkBuddy、Claude Code、Codex 等均可），它会按 SkillHub 官方安装说明把整套专家包装好。
请根据 https://skillhub.cn/install/skillhub-pack-install.md，安装 finance-quant-backtesting。
