Quant Backtest Guard
paidaxing1234/quant-backtest-guard
Audita backtests para viés antecipado, overfitting e custos não modelados
Ver no GitHubSkill para Claude Code que audita código de backtests quantitativos, identificando armadilhas que inflam resultados: viés de antecipação (lookahead), overfitting e custos não modelados. Gera relatório de diagnóstico por severidade (crítico/alto/aviso) com arquivo e linha específicos dos problemas encontrados.
Instalação
npx convez-ai paidaxing1234/quant-backtest-guard1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.
Métricas
Casos de uso
- Revisar código de estratégias quantitativas antes de deployment em produção
- Validar fidedignidade de resultados de backtest antes de aportar capital real
- Identificar data leakage em pipelines de ML para trading
Veredito

Ferramenta de valor real para traders e quants: substitui review manual exaustivo de três classes de bugs crônicos em backtests (lookahead, overfitting, custos). Limitação importante: audita implementação, não viabilidade econômica da estratégia—relatório limpo não garante lucro, apenas maior confiança nos números.
README em português
quant-backtest-guard
简体中文 | English
Seu backtest com Sharpe de 3.2, mas perde dinheiro na prática? Provavelmente o seu backtest está te enganando. Esta skill do Claude Code é especializada em identificar as armadilhas que inflacionam indevidamente os resultados dos seus backtests e lhe entrega um "laudo médico" vermelho para a sua estratégia de backtesting.
Pré-visualização do Resultado
Entregue o código da sua estratégia a ele. Ele não vai te elogiar, apenas apontará os erros:
🔴 回测体检报告 — 致命 2 / 高危 3 / 提示 4
────────────────────────────────────────────
✗ [致命] 未来函数 strategy.py:88
用 close[i+1] 预测 close[i],回测里你已经偷看了明天
✗ [致命] 标签泄漏 features.py:42
归一化用了全样本 mean/std,未来信息泄进了训练集
✗ [高危] 未建模手续费 backtest.py:120
下单零成本,高频策略实盘每笔吃掉的费率被忽略
✗ [高危] 未建模滑点 backtest.py:124
全部以收盘价成交,没有滑点/冲击成本,成交假设过于理想
✗ [高危] 参数过拟合 optimize.py:31
网格搜索 4000 组参数只报最优一组,无样本外验证
────────────────────────────────────────────
结论:夏普 3.2 在当前实现下不可信。
剔除上述偏差后,这类回测的夏普通常大幅缩水。
实盘上线前,请先修掉 2 个致命项。
Ele não vai dizer que essa estratégia lucra. Ele só diz: quanto daquela aparente rentabilidade é real.
O Que É Isso
O quant-backtest-guard é uma skill do Claude Code. Você entrega o código de backtesting quantitativo a ele, e ele age como um auditor de risco ou revisor de engenharia extremamente exigente, examinando linha por linha para identificar as armadilhas que inflacionam indevidamente a curva do seu backtest mas se revelam na prática. Por fim, ele gera um "laudo médico" de backtesting classificado (Crítico / Alto Risco / Aviso).
Por Que Você Precisa Disso
Curvas bonitas de backtest são as mentiras mais caras no mundo quantitativo.
Sharpe 3, rentabilidade anualizada de 200%, drawdown máximo de 5% — esses números fazem o coração acelerar, mas uma parte significativa deles é bugs na implementação e não alpha: vazamento de dados futuros (look-ahead), custos calculados como zero ou otimização excessiva dos parâmetros no mesmo conjunto de dados até que eles fiquem "brilhantes". Quando você coloca dinheiro real em operação, a curva vira as costas imediatamente.
Fazer uma revisão manual desses problemas é cansativo e propenso a erros de omissão, além do fato de que quem escreve a estratégia geralmente é quem menos quer admitir que há algo errado no backtest. O valor desta skill é: ser um revisor sem emoção, focado em encontrar falhas, para te dar uma ducha fria antes que você invista dinheiro.
Quais Três Tipos de Armadilhas Ele Detecta
| Categoria | Em Uma Frase | Manifestação Típica |
|---|---|---|
| 1. Funções Futuras / Viés de Olhar à Frente (Look-ahead) | Vazamento de informações que não estavam disponíveis naquele momento no backtest | Usar close[i+1] para prever close[i], usar estatísticas da amostra completa para normalização, sinais entrando em vigor "antes" do fechamento da vela, vazamento de rótulos nas features. |
| 2. Overfitting / Vazamento de Dados (Overfitting) | Ajustar parâmetros no mesmo histórico até a perfeição sem validação fora da amostra | Busca exaustiva em grade reportando apenas o melhor conjunto, ausência de walk-forward ou validação fora da amostra, ajuste repetido dos parâmetros na mesma fatia de dados, divisão entre treino/teste que cruza no tempo. |
| 3. Custos Ignorados (Custos & Atritos) | Tratar atritos reais do mercado como zero | Não modelar taxas de corretagem, não modelar slippage e custos de impacto, negociar a preços ideais (preço de fechamento/preço médio), ignorar o menor valor negociável, assumir liquidez infinita. |
Essas três categorias são os principais vilões que transformam um backtest em uma lenda e devolvem à realidade quando se opera com dinheiro real.
Estrutura do Projeto
quant-backtest-guard/
├── backtest-guard/
│ ├── SKILL.md # skill 主入口:审查流程与报告格式
│ └── references/
│ └── backtest-pitfalls.md # 陷阱清单与检测规则(知识库)
├── LICENSE # MIT
├── README.md
└── README.en.md
Instalação
Pré-requisitos: Claude Code já instalado.
# 1. 克隆仓库
git clone https://github.com/paidaxing1234/quant-backtest-guard.git
cd quant-backtest-guard
# 2. 把 skill 拷进 Claude Code 的 skills 目录
cp -r backtest-guard ~/.claude/skills/backtest-guard
Usuários Windows: a pasta
skillsestá emC:\Users\<SeuNomeDeUsuário>\.claude\skills\. Basta copiar o diretório inteiro debacktest-guardpara lá (pode usar cópia e colagem no Explorador ouCopy-Item -Recurseno PowerShell).
Após a instalação, reinicie o Claude Code para que ele recarregue as skills.
Uso
Abra seu projeto quantitativo com o Claude Code e escolha uma das opções:
- Gatilho por Linguagem Natural: Entregue o código da estratégia ou do backtest e diga
"Use a espelho de backtesting para auditar essa estratégia"
- Chamada Explícita da Skill:
/backtest-guard
Ele varrerá seu código relacionado ao backtest, emitirá um laudo classificado em três níveis (Crítico / Alto Risco / Aviso) e apontará o nome do arquivo e número de linha onde cada problema está localizado, facilitando que você pule direto para corrigi-lo.
Isenção de Responsabilidade
- Esta é uma ferramenta de auditoria de engenharia, revisando a corretude da implementação do código de backtest, não a capacidade lucrativa da estratégia em si.
- Ela não constitui aconselhamento financeiro, não prevê movimentos de mercado e não recomenda nenhum ativo, estratégia ou parâmetro.
- Ela não promete qualquer retorno. Um relatório "limpo" significa apenas que ela não encontrou armadilhas comuns de implementação dessas categorias; isso não representa garantia de lucro da estratégia e muito menos segurança na operação real.
- A revisão estática/heurística tem seus limites, podendo gerar falsos positivos ou negativos. O julgamento final e todas as decisões de negociação/risco financeiro são por sua conta e risco.
- Antes de colocar dinheiro real em operação, certifique-se sempre de fazer validação fora da amostra, testes em ambiente simulado/com capital reduzido e implementar controle de riscos independente.
Contribuição
Bem-vindos PRs (Pull Requests) e issues:
- Encontrar novos padrões de armadilhas no backtest → adicione regras para
backtest-guard/references/backtest-pitfalls.md. - Reportar falsos positivos/negativos → abra uma issue, anexando um trecho mínimo de código que reproduz o problema.
- Melhorar o formato do relatório ou adicionar verificações específicas para frameworks (como backtrader / vectorbt / zipline) → envie diretamente como PR.
Antes de enviar, certifique-se de que as alterações são focadas e descreva claramente os cenários de reprodução.