mcpField
M
Monte Carlo Backtest Validator

Monte Carlo Backtest Validator

远程服务
github.com/tylerscomic-lab金融数据013 周前更新
代码仓库

关于 Monte Carlo Backtest Validator

Monte Carlo Backtest Validator 是面向交易者的 MCP 服务，用于评估回测可靠性和自营交易公司挑战赛结果。它通过自助重采样和重新排序估算置信区间、回撤路径及通过概率。

主要功能

  1. 01估算交易期望值的自助法置信区间
  2. 02通过重新排序计算回撤路径百分位数
  3. 03计算单笔交易期望值
  4. 04模拟自营交易公司挑战赛通过概率
  5. 05按模拟通过率比较风险回报组合

适用场景

  1. 01评估回测优势是否可能源于偶然
  2. 02探索不同交易序列下的可能回撤路径
  3. 03估算自营交易公司挑战赛的通过机会
  4. 04比较固定目标挑战赛中的交易方案

MCP 相关

向 MCP 客户端提供回测统计验证、期望值计算、挑战赛通过概率模拟和风险结构比较工具。

配置

远程服务无需本地安装。选择你使用的客户端，复制配置或使用一键安装。

服务地址https://montecarlo-validator-mcp.mcpize.run/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行；JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

详细介绍

montecarlo-validator-mcp

License: MIT Live on MCPize

一个 MCP 服务，使用自助重采样和重排蒙特卡洛方法，对回测的优势是否真实进行统计验证，并模拟特定自营交易公司的通过概率。

解决的问题

单条回测权益曲线只告诉你历史上某一条路径发生了什么，却无法说明这一结果有多大概率是偶然出现的，也无法展示下一组交易可能产生的结果范围。本服务封装了实际的统计验证功能（自助法置信区间、回撤路径百分位数、挑战通过概率模拟），而不是让你只凭一条曲线进行判断。

工具

monte_carlo_validate

计算每笔交易预期值的 90% 自助法置信区间（当区间包含零时发出标记），并通过重排计算回撤路径百分位数。

expected_value_calculator

根据胜率、平均盈利和平均亏损计算每笔交易的 EV。

prop_firm_pass_probability

根据胜率、风险回报比、目标值和回撤限额等输入，模拟挑战通过概率。

risk_geometry_comparator

按模拟通过率为多种胜率／风险回报比组合排序——揭示在固定目标挑战中，紧凑且高胜率的策略往往比高风险回报比／低胜率策略更容易通过，而这与原始预期值无关。

使用方法

托管版（推荐）： MCPize——提供免费层级，以及限制更高的付费 Pro 层级。

自托管：

npm install
node server.js

AlgoForge 套件的一部分

面向算法交易者的自营交易公司和量化验证工具：prop-rules-mcp、trade-journal-mcp、payout-calc-mcp、econ-calendar-mcp、overfitting-audit-mcp、walkforward-validator-mcp、pinescript-audit-mcp、backtest-cost-sensitivity-mcp、pinescript-mcp。

许可证

MIT

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。