核心用法
本技能为专业级股票策略回测框架，用户需准备包含Date、Close等字段的OHLCV格式CSV数据，通过命令行调用backtest_strategy.py脚本执行回测。内置三种经典策略模板：
- SMA Crossover：双均线趋势跟踪，通过
--fast-window与--slow-window参数控制 - RSI Mean Reversion：均值回归策略，配置
--rsi-period、--rsi-entry（超卖阈值）、--rsi-exit（退出阈值） - Breakout：突破策略，基于
--lookback周期的高低点突破
执行时必须显式设置--commission-bps（佣金）和--slippage-bps（滑点）以模拟真实交易成本，避免"零成本幻觉"。输出包含JSON格式的核心指标（总收益、年化收益CAGR、胜率、最大回撤、夏普比率、盈亏比）及逐笔交易CSV明细。
显著优点
1. 工程化设计：标准化输入输出契约，支持自动化流水线集成（--quiet模式纯JSON输出）
2. 防过拟合机制：内置前向验证逻辑，信号计算与执行价格分离（t时刻信号→t+1时刻开盘执行），避免未来数据泄露
3. 成本敏感度：强制交易成本建模，区别于学术理想化回测
4. 策略可扩展：模块化策略架构便于接入自定义逻辑
潜在缺点与局限性
- 数据门槛：需用户自行准备清洗后的日频OHLCV数据，无实时数据接入能力
- 策略单一性：仅支持做多（long-only），无法测试做空、配对交易或期权策略
- 样本量依赖：低频数据（日线）需较长历史周期才能统计显著，对短线策略支持有限
- Black-Scholes盲区：不涉及衍生品定价，无Greeks计算或波动率曲面建模
适合人群
- 量化研究员验证因子有效性
- 个人投资者回溯手工交易策略规则
- 金融科技团队构建策略绩效归因系统
- 学术用户进行市场微观结构实证研究
常规风险
模型风险：回测表现≠未来收益，存在过拟合、regime change（市场机制突变）风险。
执行风险：假设的滑点与实际订单簿深度、市场冲击成本可能存在显著偏离。
数据质量风险：复权价格、停牌处理、除息除权若未正确处理将导致信号失真。
合规风险：输出结果不可作为投资顾问建议或向客户承诺收益的依据。