backtesting-frameworks
Ajuda seu agente a testar estratégias de investimento no passado. Evita erros comuns para validar se uma estratégia é boa.
O que ela faz
Esta ferramenta ajuda a criar sistemas de teste para estratégias de investimento. Ela garante que os testes sejam justos, evitando erros comuns que podem fazer uma estratégia parecer melhor do que realmente é.
Quando usar
- ✓Ao criar testes para suas ideias de investimento.
- ✓Ao construir a infraestrutura para testar estratégias.
- ✓Ao verificar se uma estratégia de investimento funciona bem.
Exemplo do que pedir para a IA
“Quero testar minha estratégia de compra e venda de ações, garantindo que os testes sejam confiáveis.”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
Ela usa dados históricos de forma inteligente, dividindo-os em partes para treino e teste. Isso evita que a estratégia 'veja o futuro' ou que os testes sejam enganosos por causa de dados incompletos.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add wshobson/agents --skill backtesting-frameworksOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/wshobson/agents/main/plugins/quantitative-trading/skills/backtesting-frameworks/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Frameworks de Backtesting
Construa sistemas de backtesting robustos e prontos para produção que evitem armadilhas comuns e produzam estimativas confiáveis do desempenho da estratégia.
Quando Usar Esta Habilidade
- Desenvolvendo backtests de estratégias de negociação
- Construindo infraestrutura de backtesting
- Validando o desempenho da estratégia
- Evitando vieses comuns de backtesting
- Implementando análise walk-forward
- Comparando alternativas de estratégias
Conceitos Principais
1. Vieses de Backtesting
| Viés | Descrição | Mitigação |
|---|---|---|
| Look-ahead | Usar informações futuras | Dados pontuais |
| Survivorship | Testar apenas em sobreviventes | Usar títulos excluídos |
| Overfitting | Ajuste de curva ao histórico | Teste fora da amostra |
| Selection | Selecionar estratégias a dedo | Pré-registro |
| Transaction | Ignorar custos de negociação | Modelos de custo realistas |
2. Estrutura Adequada de Backtest
Historical Data
│
▼
┌─────────────────────────────────────────┐
│ Training Set │
│ (Strategy Development & Optimization) │
└─────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────┐
│ Validation Set │
│ (Parameter Selection, No Peeking) │
└─────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────┐
│ Test Set │
│ (Final Performance Evaluation) │
└─────────────────────────────────────────┘
3. Análise Walk-Forward
Window 1: [Train──────][Test]
Window 2: [Train──────][Test]
Window 3: [Train──────][Test]
Window 4: [Train──────][Test]
─────▶ Time
Exemplos Detalhados e Padrões
Seções detalhadas (começando com ## Implementation Patterns) estão em references/details.md. Leia este arquivo quando o resumo de navegação acima for insuficiente.
Melhores Práticas
O Que Fazer
- Use dados pontuais - Evite viés de look-ahead
- Inclua custos de transação - Estimativas realistas
- Teste fora da amostra - Sempre reserve dados
- Use walk-forward - Não apenas treinar/testar
- Análise de Monte Carlo - Entenda a incerteza
O Que Não Fazer
- Não faça overfitting - Limite os parâmetros
- Não ignore survivorship - Inclua títulos excluídos
- Não use dados ajustados descuidadamente - Entenda os ajustes
- Não otimize no histórico completo - Reserve o conjunto de teste
- Não ignore a capacidade - O impacto no mercado importa
Perguntas frequentes
O que é o 'viés de olhar para o futuro'?
É quando o teste usa informações que só estariam disponíveis depois do fato, fazendo a estratégia parecer mais lucrativa do que seria na vida real.
O que é o 'viés de sobrevivência'?
É quando os testes só consideram investimentos que 'sobreviveram' (não faliram ou foram retirados do mercado), ignorando aqueles que falharam e distorcendo os resultados.
O que são 'custos de transação'?
São os custos reais de comprar e vender ativos, como taxas e impostos, que precisam ser incluídos nos testes para um resultado realista.
Detalhes
Descrição original do autor
Build robust backtesting systems for trading strategies with proper handling of look-ahead bias, survivorship bias, and transaction costs. Use when developing trading algorithms, validating strategies, or building backtesting infrastructure.
repo: wshobson/agents
Popularidade
- Estrelas no GitHub
- 41 mil
- Posição no ranking
- #4938
- Licença
- MIT
- Atualizada em
- 15/10/2026
Comentários
- …
Mais skills deste repositório
screen-reader-testing
Faz seu agente testar sites usando leitores de tela para garantir que sejam acessíveis.
wshobson/agents
wcag-audit-patterns
Ajuda seu agente a auditar sites para acessibilidade e corrigir problemas de acordo com as diretrizes WCAG.
wshobson/agents
multi-reviewer-patterns
Faz seu agente coordenar revisões de código paralelas, deduplicando achados e consolidando relatórios.
wshobson/agents
parallel-debugging
Permite ao agente depurar problemas complexos com investigações paralelas e análise de causa raiz.
wshobson/agents
Skills parecidas
pytorch-patterns
Ajuda seu agente a usar o PyTorch para criar modelos de aprendizado de máquina. Ele aplica as melhores práticas para treinar modelos de forma eficiente e garantir que os resultados sejam consistentes.
affaan-m/ECC
evm-token-decimals
Ajuda seu agente a evitar erros com números decimais em diferentes redes blockchain. Garante que os valores de tokens sejam precisos em transações e cálculos.
affaan-m/ECC
knowledge-agent
Cria e consulta bases de conhecimento com inteligência artificial. Permite fazer perguntas sobre trabalhos passados ou compilar conhecimento sobre um tema.
thedotmack/claude-mem