SKILL.md
MNS 逆向投资策略回测 Skill
操作步骤
1. 构建
cargo build --release2. 运行回测
# 默认行为：先输出多资产回测（美股+红利低波+黄金）对比，再输出单资产（纳指）参数对比
mns backtest
# 使用自定义配置文件（仅单资产回测）
mns backtest run --config path/to/config.toml
# 多配置文件对比（仅单资产回测）
mns backtest run --compare config1.toml,config2.toml
# 查看可调参数说明（含当前默认值）
mns backtest params3. 参数调优
查看当前配置：
mns config修改单个参数：
mns config buy_ratio.extreme_fear 70
mns config thresholds.fear 40使用预设配置文件（位于 .agents/skills/mns-backtest/data/）：
| 配置文件 | 特点 |
|---|---|
config_defensive.toml |
防御配置（低回撤，更长持仓，与 AppConfig::defaultconfig() 的 targetweight 曲线一致——是当前默认） |
config_balanced.toml |
均衡配置（三资产等权，风险权重曲线更平缓） |
configcircuitbreaker.toml |
熔断抄底（极度恐慌区间风险权重更高、偏离带更宽） |
config_swing.toml |
波段操作（偏离带更窄，交易更频繁） |
configextremecontrarian.toml |
极致逆向（风险权重区间跨度最大） |
config_value.toml |
价值导向（阈值更极端，只在真正的极端行情动仓） |
confighistoricalaggressive.toml |
历史激进配置（⚠️ 过拟合风险，仅供研究参考） |
mns backtest run --config .agents/skills/mns-backtest/data/config_defensive.toml⚠️ 重要：驱动回测与 mns report 实盘建议的是 [targetweight]（风险资产目标权重曲线， 见 src/config.rs 的 TargetWeight）+ [rebalance]（偏离带）。[buyratio]/[sellratio] 段只 被"旧框架"（Engine::Legacy，回测对比里的"旧框架(现金比例)"一行）和 calculatebuysuggestions/ calculatesellsuggestions 使用，mns report 走的是 calculaterebalanceplan，完全不读这两段。 上述 7 个预设文件都已补齐 [targetweight] 段（历史版本缺失，改 buyratio/sellratio 对 mns report 和默认回测引擎没有任何效果）；若只想对比"旧框架"，才需要关注 buyratio/sellratio。
数据说明
回测使用嵌入式数据（include_str! 编译进二进制，见 src/backtest.rs 顶部）：
monthlytotalreturn.csv— 主序列：多资产月度全收益数据（纳指/红利低波/人民币金价，含分红，2016-2025）monthlytotalreturn_holdout.csv— 独立 holdout 区块，从未参与调参，mns backtest validate用它做最终检验fgi20162020.csv/fgi20202025.csv— 恐贪指数原始数据，经builddataset.py加工进上述月度序列，不会被includestr!直接编译进二进制
注意：数据更新需要修改 CSV 文件（必要时先跑 build_dataset.py 重新生成月度序列）并重新 cargo build --release。
核心逻辑文件
src/backtest.rs— 回测引擎；核心函数是run()（单次回测，按Engine枚举选择目标仓位/旧框架/买入持有等
引擎）、printreport()、printcomparison()；CLI 入口在 src/main.rs 的 cmdbacktest / cmdbacktestvalidate / cmdbacktest_params，对应 mns backtest run|validate|params
src/strategy.rs— 实盘策略核心：calculaterebalanceplan（target_weight驱动，mns report与
Engine::TargetWeight 回测同源）、calculatebuysuggestions/calculatesellsuggestions（buyratio/ sellratio 驱动，仅供"旧框架"对比使用）
src/config.rs— 参数结构定义，AppConfig::defaultconfig()是当前防御配置默认值（targetweight
曲线与 config_defensive.toml 一致）
解读结果
运行后输出对比表（年化收益、总收益率、最大回撤、买卖次数），关注：
- vs 买入持有：策略年化是否接近基准——历史区间内通常是跑输买入持有的，工具的价值主张仅在
Calmar（风险调整后）成立，且该优势在 mns backtest validate 的样本外验证里并不稳健，务必一并看 walk-forward、bootstrap、holdout 三段输出，不要只看 mns backtest 默认展示的样本内数字
- 最大回撤：回撤越低说明策略防御性越强
- 调整
[targetweight]：中性区间权重设低会明显降低仓位波动；buyratio/sell_ratio对默认引擎和
mns report 无效，只影响"旧框架"对比行
策略价值在于纪律性而非超额收益——帮助克服情绪化决策，在极端市场（恐慌/贪婪）时强制执行买卖信号。