1. 为什么“照着论文写完指标”还不够?
在开发 agentic-quant-lab(基于 NumPy + Polars)的过程中,核心代码没有任何 exec() 自动跑 LLM 生成策略的行为,真正决定研究可信度的,是那层用确定性统计门禁拦截过拟合的验证引擎。下面 5 个坑都是我们在单测和复核中真抓出来修掉(或明确写入边界文档)的真实细节。
图 1:CSCV、Purged WFA 与 T+1 隔离门禁及关键边界约束一览
2. 实现中最易写错的 5 个细节
- CSCV 按“天”打乱直接破坏序列自相关(
validation/overfit.py):早期代码直接随机打乱单个交易日索引,打碎了波动率聚集和动量自相关。修正后按时间均分偶数个S连续块(每块至少 5 个交易日),对块重采样后再对下标执行np.sort保留块内顺序。 - 没有方向感的
DSR与 Polars 超额峰度忘加3.0:cscv_pbo()里的_compute_deflated_sharpe()使用了abs(mean_logit),导致稳定过拟合策略(logit = +2.0)和稳定泛化策略拿到同样高的dsr,必须联合pbo判读;另外 Polars 算出来的是超额峰度(正态为 0),在risk/metrics.py必须先加3.0再代入(kurtosis - 1)/4 * SR²,否则会低估 Sharpe 方差。 - 次日入场吃进隔夜跳空收益(
validation/signal_engine.py):Bari收盘价触发的信号如果次日开盘入场,第一天真实收益只可能是(closes[entry] - opens[entry]) / opens[entry],绝不能包括close[i] → open[i+1]这段跳空(我们专门用单测test_t_plus_one_entry_day_return_uses_next_open锁死这一条)。 - 单根 K 线同时击穿止盈止损怎么算?(
validation/labeling.py):无法判断盘内先后顺序时按保守原则统一判止损(-1)。 - 平均夏普掩盖尾部爆仓(
optimization/walk_forward.py):只要任一样本外折出现最大回撤> 30%或收益< -20%,直接触发catastrophic_veto判为 Grade D,哪怕平均夏普是2.0也一票否决。
3. 坦诚保留在 README 里的既有边界(不隐藏的瑕疵)
BacktestEngine出于兼容考量默认execution_timing="close"(网格搜索/自动迭代链路沿用),严格剔除隔夜跳空的 T+1 实现在signal_engine.py;apply_weekly_filter()默认将每周最后一个交易日指标广播到该周周一至周五,实盘化前须显式滞后一周;MarketRegime.classify()使用全样本中位数波动率,仅限事后 WFA 归因;实时因果特征须改用滚动分位数的classify_regime_percentile();- 默认
purge_days=5若套用在比 5 天更短的日内测试窗上会直接跳过该窗口;此外如 VPA 量价检查在实测中也把教科书参数(vol_mult=1.2, wick=0.30)放宽到1.0 / 0.50避免误杀有效突破。