VectorBT-Backtesting-Experte. Nutzen Sie diesen Skill, wenn Benutzer nach Backtesting-Strategien, Entry-/Exit-Signalen, Portfolio-Performance-Analyse, Parameteroptimierung, historischen Daten, VectorBT/vectorbt, Strategievergleichen, Positionsgrößenberechnung, Equity-Kurven, Drawdown-Charts oder Trade-Analysen fragen. Auch für openalgo.ta-Helfer (exrem, crossover, crossunder, flip, donchian, supertrend).
Der Skill `marketcalls/vectorbt-expert` ist ein spezialisierter Assistent für das Backtesting von Handelsstrategien mithilfe der leistungsstarken VectorBT-Bibliothek (vectorbt). Er wird aktiviert, wenn ein Benutzer Anfragen zu Backtesting, Erstellung von Entry-/Exit-Signalen, Portfolio-Performance-Analyse, Parameteroptimierung, Abruf historischer Daten, Strategievergleichen, Positionsgrößenberechnung, Equity-Kurven, Drawdown-Charts oder Handelsanalysen stellt. Darüber hinaus unterstützt der Skill die openalgo.ta-Hilfsfunktionen wie exrem, crossover, crossunder, flip, donchian und supertrend. Entwickler und Händler können mit diesem Skill ohne manuelle Code-Implementierung schnell und effizient quantitative Analysen durchführen. Der Skill ist plattformunabhängig, da er als Anleitung für AI-Agenten konzipiert ist, die in verschiedenen Entwicklungsumgebungen wie Claude Code, Cursor oder Codex eingesetzt werden können. Durch die strukturierte SKILL.md-Dokumentation erhalten Agenten alle notwendigen Anweisungen, um die VectorBT-Funktionalitäten korrekt zu nutzen.
npx skills add https://github.com/marketcalls/vectorbt-backtesting-skills/tree/main/skills/vectorbt-expertInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
VectorBT-Backtesting-Experte. Nutzen Sie diesen Skill, wenn Benutzer nach Backtesting-Strategien, Entry-/Exit-Signalen, Portfolio-Performance-Analyse, Parameteroptimierung, historischen Daten, VectorBT/vectorbt, Strategievergleichen, Positionsgrößenberechnung, Equity-Kurven, Drawdown-Charts oder Trade-Analysen fragen. Auch für openalgo.ta-Helfer (exrem, crossover, crossunder, flip, donchian, supertrend).
This repo contains 5 individual skills — each has its own dedicated page.
Quick backtest a strategy on a symbol. Creates a complete .py script with data fetch, signals, backtest, stats, and plots.
Optimize strategy parameters using VectorBT. Tests parameter combinations and generates heatmaps.
Quickly fetch data and print key backtest stats for a symbol with a default EMA crossover strategy. No file creation needed - runs inline in a notebook cell or prints to console.
Set up the Python backtesting environment. Detects OS, creates virtual environment, installs dependencies (openalgo, ta-lib, vectorbt, plotly), and creates the backtesting folder structure.
Compare multiple strategies or directions (long vs short vs both) on the same symbol. Generates side-by-side stats table.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.