← 返回 Skills 市场
Quant Testing
作者
xueylee-dotcom
· GitHub ↗
· v1.0.0
· MIT-0
685
总下载
1
收藏
2
当前安装
1
版本数
在 OpenClaw 中安装
/install quant-testing
功能描述
量化测试流程技能。当用户说"回归测试"、"策略测试"、"回测验证"、"实盘验证"、"测试"、"上线"、"发布"时自动触发。提供回归测试流程、测试用例模板、测试报告模板。适用于量化项目的测试和上线阶段。
使用说明 (SKILL.md)
量化测试流程技能
版本:1.0.0 适用项目:量化策略项目
🎯 测试目标
确保代码质量、策略稳定性、实盘安全
📋 回归测试流程
阶段1:单元测试
测试范围:
- 核心函数独立测试
- 边界条件测试
- 异常情况测试
测试用例模板:
# tests/test_xxx.py
import sys
sys.path.insert(0, '/path/to/project')
from module import function_to_test
print("=" * 60)
print("模块测试")
print("=" * 60)
# 测试1:正常流程
result = function_to_test(normal_input)
assert result == expected_output
# 测试2:边界条件
result = function_to_test(edge_case)
assert result == expected_edge_output
# 测试3:异常情况
try:
function_to_test(invalid_input)
assert False
except ValueError:
pass
print("✅ 所有测试通过!")
检查清单:
- 每个核心模块有测试文件
- 测试覆盖率 > 80%
- 所有测试通过
阶段2:集成测试
测试范围:
- 数据流程测试
- 策略逻辑测试
- 接口测试
检查清单:
- 数据获取正常
- 因子计算正确
- 信号生成合理
- 持仓更新正确
阶段3:回测验证
必须使用QMT回测模式
参数设置:
- 初始资金
- 单只仓位
- 最大持仓数
- 止损/止盈比例
- 手续费率
检查清单:
- 买入股票数量合理
- 买入价格接近实际
- 无异常买卖
- 持仓时间合理
- 收益符合预期
阶段4:实盘验证
小资金测试(5000-10000元)
监控要点:
- 策略启动正常
- 信号加载正常
- 数据获取正常
- 买入触发正常
- 委托确认正常
- 持仓更新正常
观察期:1-2周
📝 测试报告模板
# 测试报告
**测试日期**:YYYY-MM-DD
**测试人**:XXX
---
## 一、测试概览
| 测试类型 | 数量 | 通过 | 失败 |
|---------|------|------|------|
| 单元测试 | 10 | 10 | 0 |
| 集成测试 | 5 | 5 | 0 |
| 回测验证 | 1 | 1 | 0 |
---
## 二、测试详情
### 2.1 单元测试
- test_xxx.py: ✅ 通过
- test_yyy.py: ✅ 通过
### 2.2 回测验证
- 回测期间:2023-2026
- 年化收益:8.04%
- 夏普比率:0.607
- 最大回撤:-19.53%
---
## 三、结论
✅ 可以进入实盘测试
🚫 禁止事项
- ❌ 没有测试直接上线
- ❌ 测试未通过强行上线
- ❌ 大资金直接实盘
- ❌ 没有监控机制
技能版本:1.0.0
安全使用建议
这是一个说明型(无代码、无安装)的量化测试流程模板,整体与其宣称的用途一致。安装/启用前请注意:
- 确认自动触发关键字(回测/实盘/上线等)是否符合你的使用场景,避免误触发对真实环境造成操作意外;
- 在把流程应用到真实策略前,先在隔离开发/测试环境运行示例测试,避免在生产交易账户上直接运行未审查的测试脚本;
- 虽然技能本身不请求凭据,但在实际执行回测/实盘验证时不要在测试脚本中硬编码或泄露真实交易账户凭证;
- 如果你需要把模板改成自动化脚本/插件,复核任何新增的安装步骤或外部依赖,确保它们来自可信来源。
能力评估
Purpose & Capability
技能名称、描述与内容一致:提供单元/集成/回测/实盘验证流程、测试用例和报告模板。没有要求额外二进制、凭据或与其目的不相关的资源。
Instruction Scope
SKILL.md 仅提供测试流程、模板和检查项。示例代码包含对项目路径的 sys.path 插入(占位符 '/path/to/project'),这属于测试用例示例范围,没有指示读取或发送额外敏感数据或访问异常系统路径。
Install Mechanism
这是纯文本说明型技能,没有安装规范,不会在运行时从网络下载或写入磁盘,安装风险低。
Credentials
不要求任何环境变量、凭据或配置路径。没有请求与量化测试目的不相干的密钥或令牌。
Persistence & Privilege
技能未设置 always=true,默认可由用户触发或平台按规则自动触发。没有请求修改其他技能或系统范围配置的说明。
如何使用
- 确保已安装 OpenClaw(本地或 Docker 部署)
- 在对话框中输入安装命令:
/install quant-testing - 安装完成后,直接呼叫该 Skill 的名称或使用
/quant-testing触发 - 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
版本历史
v1.0.0
v1.0.0: 量化测试流程技能。提供回归测试流程、测试用例模板、测试报告模板。支持自动触发:回归测试、策略测试、测试、上线、发布。
元数据
常见问题
Quant Testing 是什么?
量化测试流程技能。当用户说"回归测试"、"策略测试"、"回测验证"、"实盘验证"、"测试"、"上线"、"发布"时自动触发。提供回归测试流程、测试用例模板、测试报告模板。适用于量化项目的测试和上线阶段。 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 685 次。
如何安装 Quant Testing?
在 OpenClaw 或 Claude Code 对话框中运行命令「/install quant-testing」即可一键安装,无需额外配置。
Quant Testing 是免费的吗?
是的,Quant Testing 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。
Quant Testing 支持哪些平台?
Quant Testing 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。
谁开发了 Quant Testing?
由 xueylee-dotcom(@xueylee-dotcom)开发并维护,当前版本 v1.0.0。
推荐 Skills