Macro-skills cost-density-net-rr-calculator

displayName: 計算成本密度淨風報比 emoji: "🧮" authorUrl: https://github.com/fatfingererr/macro-skills

tools:

• claude-code

featured: false installCount: 0

testQuestions:

• question: '計算 XAU/USD 在停損 20 pips 時的淨風險報酬比（佣金 $7，點差 1.5 pips）' expectedResult: | 此技能會：
  1. 計算成本密度 = (7/10 + 1.5) = 2.2 pips
  2. 計算負載係數 x = 2.2/20 = 0.11
  3. 計算 RR_net = (3.0 - 0.11)/(1 + 0.11) = 2.60
  4. 計算 WR_min = (1 + 0.11)/(1 + 3.0) = 27.7%
• question: '掃描停損從 5 到 50 pips，找出 RR_net 下降 20% 的臨界點' expectedResult: | 此技能會產生 P vs RR_net 表格，標記：
  • RR_net > 0 的最小 P
  • Loss_RR 達到 20%、40% 的 P 值
  • P_critical（效率減半點）
• question: '分析為何微型時間框架策略難以獲利' expectedResult: | 此技能會解釋：
  • 縮小停損導致成本雙曲線增長
  • 精確度需求與訊號品質的「剪刀效應」
  • 建議在回測中用 RR_net 替代 RR_g

qualityScore: overall: 37 badge: 初級 evaluatedAt: "2026-01-23"

metrics: problemFit: 50 correctness: 40 dataGovernance: 30 robustness: 32 maintainability: 38 usability: 32

metricDetails: problemFit: score: 50 strengths: - 數學公式推導完整 - 理論來源有學術文獻 improvements: - Alpha 階段，功能未完善 - testQuestions 的 expectedResult 過於簡略

correctness:
  score: 40
  strengths:
    - 有完整數學推導
    - 包含實際案例（XAU/USD）
  improvements:
    - expectedResult 缺少實際計算輸出
    - 公式驗證不足

dataGovernance:
  score: 30
  strengths:
    - 純計算無外部數據依賴
    - 參數定義清楚
  improvements:
    - 缺少 data-sources.md
    - 實際交易成本數據來源不明

robustness:
  score: 32
  strengths:
    - pitfalls 詳列單位混淆風險
    - bestPractices 有單位一致性建議
  improvements:
    - 缺少 failure-modes.md
    - Alpha 階段未經測試
    - 輸入驗證不完整

maintainability:
  score: 38
  strengths:
    - 工作流程分離設計
    - 公式參考文件獨立
  improvements:
    - 可增加 manifest.json 版本控制
    - Alpha 階段缺少腳本實作

usability:
  score: 32
  strengths:
    - FAQ 解答核心概念
    - 有理論來源說明
  improvements:
    - expectedResult 需完善
    - 缺少實際使用範例

details: | 任務適配度（50/100） - 數學公式推導完整 - 待改進：Alpha 階段未完善

**正確性（40/100）**
- 有數學推導
- 待改進：缺少計算輸出

**資料治理（30/100）**
- 純計算無依賴
- 待改進：成本數據來源

**穩健性（32/100）**
- pitfalls 詳列風險
- 待改進：Alpha 未測試

**可維護性（38/100）**
- 工作流程分離
- 待改進：缺少腳本

**輸出可用性（32/100）**
- FAQ 解答概念
- 待改進：缺少範例

upgradeNotes: targetBadge: 中級 requirements: - metric: correctness currentScore: 40 targetScore: 55 suggestion: 完善 expectedResult 與計算輸出 - metric: robustness currentScore: 32 targetScore: 50 suggestion: 完成 Alpha 階段測試 - metric: usability currentScore: 32 targetScore: 50 suggestion: 增加實際使用範例

bestPractices:

• title: 確保單位一致性 description: P（停損）和 s（點差）必須使用相同的 pip/point 基準
• title: 使用 RR_net 進行回測 description: 微型時間框架回測應使用 RR_net 而非 RR_g
• title: 監控 P_critical 閾值 description: 停損低於 P_critical 時，策略進入高摩擦區
• title: 考慮滑點影響 description: 此模型假設理想執行，實際交易需額外考慮滑點

pitfalls:

• title: 單位混淆 description: P 使用 pips 但 s 使用 points，或 c 不是 round-turn consequence: 計算結果完全錯誤
• title: 忽略 R 的無關性 description: 誤以為改變固定風險 R 會影響 RR_net consequence: 錯誤的部位規模決策
• title: 線性外推 description: 假設縮小停損會線性降低效率 consequence: 低估微型時間框架的成本衝擊

faq:

• question: 為什麼 RR_net 與 R（固定風險）無關？ answer: | 在固定風險框架中，部位規模 = R / (P × V)。 當推導 RR_net 時，R 在分子分母同時出現並抵消， 證明效率衰減與帳戶規模無關，僅取決於 RR_g、P 和成本密度。

• question: 什麼是「獲利事件視界」？ answer: | 當停損縮小到某個臨界值以下，無論預測準確度多高， 正期望值都變得統計上不可能達成。這個閾值稱為「事件視界」， 類似於黑洞的概念——一旦越過，就無法逃脫負期望值。

• question: P_critical 如何計算？ answer: | P_critical = CostDensity × (RR_g + 2) / RR_g

  這是策略效率減半（RR_net = 0.5 × RR_g）時的停損大小。 低於此值進入高摩擦區，效率急劇下降。

about: repository: https://github.com/fatfingererr/macro-skills branch: main additionalInfo: | ## 理論來源

基於 Sergei Sukhov 的論文：
"Geometry of Advantage Decay: A Quantitative Model for Risk-Reward
Degradation in High-Friction Trading Environments"

## 相關文獻

- Kyle (1985): Continuous Auctions and Insider Trading
- Glosten & Milgrom (1985): Bid-ask spread models
- Easley & O'Hara (1987): Price, trade size, and information