VectorBT 백테스팅 전문가. 사용자가 전략 백테스팅, 진입/청산 신호 생성, 포트폴리오 성과 분석, 파라미터 최적화, 과거 데이터 조회, VectorBT/vectorbt 사용, 전략 비교, 포지션 사이징, 자본 곡선, 드로다운 차트 또는 거래 분석을 요청할 때 사용하세요. 또한 openalgo.ta 헬퍼 (exrem, crossover, crossunder, flip, donchian, supertrend) 에 대한 트리거를 제공합니다.
이 스킬은 개발자와 트레이더가 VectorBT 라이브러리를 사용하여 백테스팅 및 전략 분석을 수행할 수 있도록 지원하는 전문 AI 에이전트입니다. 사용자가 특정 거래 전략을 테스트하거나 진입/청산 신호를 생성하고, 포트폴리오 성과를 분석하며, 최적의 파라미터를 찾고, 과거 데이터를 가져올 때 이 스킬이 활성화됩니다. 또한 openalgo.ta 헬퍼 (exrem, crossover, crossunder 등) 를 사용한 기술적 지표 분석을 트리거하여 보다 정교한 거래 로직을 구현할 수 있습니다. 이 스킬은 Claude Code, Cursor, Codex 등 다양한 AI 에이전트 플랫폼에서 사용할 수 있으며, VectorBT의 강력한 백테스팅 기능을 자연어 명령으로 쉽게 활용할 수 있게 해줍니다.
npx skills add https://github.com/marketcalls/vectorbt-backtesting-skills/tree/main/skills/vectorbt-expertInstalled? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
VectorBT 백테스팅 전문가. 사용자가 전략 백테스팅, 진입/청산 신호 생성, 포트폴리오 성과 분석, 파라미터 최적화, 과거 데이터 조회, VectorBT/vectorbt 사용, 전략 비교, 포지션 사이징, 자본 곡선, 드로다운 차트 또는 거래 분석을 요청할 때 사용하세요. 또한 openalgo.ta 헬퍼 (exrem, crossover, crossunder, flip, donchian, supertrend) 에 대한 트리거를 제공합니다.
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.