Backtesting Frameworks

• 您正在开发或完善交易策略，需要从假设到评估进行严格的回测。
• 您正在构建回测基础设施，包括时间点数据管道、执行模拟和成本模型。
• 您希望使用训练集/验证集/测试集划分或滚动前向分析来验证策略的稳健性。
• 您需要在对策略得出结论之前，识别并消除常见的回测偏差。

• 您需要实时交易执行或投资建议——此技能仅涵盖模拟内容。
• 您的历史数据质量未知或不完整，这将影响任何结果的可靠性。
• 您只需要一个快速的高层次绩效摘要，而不是完整的 Backtesting Frameworks 系统。

指导构建数据管道，确保仅使用每个历史时刻实际可获取的信息，从而消除前瞻偏差，产出可信赖的回测结果。

将真实的交易成本、滑点和执行假设纳入模拟中，使绩效估算能够反映真实的交易市场条件。

支持构建事件驱动的回测引擎，能够精确模拟订单流和成交过程，与策略在实盘市场中的实际表现高度贴合。

提供通过前向测试和合理数据集划分进行样本外验证的模式，降低过拟合风险及性能指标虚高的可能性。

涵盖常见的回测陷阱——例如幸存者偏差、前瞻偏差和过度拟合——并提供具体指导，说明如何识别和消除这些问题。

包含详细的 resources/implementation-playbook.md，其中含有可供参考的模式与示例，提供深入的逐步实施指导。

一位量化研究员定义交易假设，并使用此技能构建完整的回测流程——从数据管道到绩效评估——确保结果不受常见偏差的影响。

一支工程团队正在构建可复用的回测平台，借助此技能实现事件驱动的仿真机制、成本模型以及符合生产标准的验证框架。

一个在初始测试中表现良好的策略，需经过前向分析和样本外验证，以确认其优势是真实存在的，而非过拟合的结果。

一位交易者使用本技能的指导对现有回测进行审查，以识别前视偏差、幸存者偏差或不切实际的成本假设是否导致所报告的收益虚高。