博客

Deflated Sharpe Ratio 给获胜策略定价；PBO 给挑出它的那次搜索定价。组合对称交叉验证（Combinatorially Symmetric Cross-Validation）在一个 1000x200 的表现矩阵上跑 C(16,8) = 12,870 次训练/测试切分，问的是：样本内赢家会不会落入样本外的后一半？几乎每个人都会看错的地方——PBO 的零假设值是 0.5，不是 1。在 200 个零优势策略上，最佳样本内年化夏普比率 1.98 在样本外坍缩到 0.06，PBO = 0.476：如同抛硬币，彻底过拟合。植入一个真实优势（年化夏普比率 2.38），PBO 降到 0.001，样本内的 3.73 在样本外仍保住 2.34。在纯随机游走上跑移动平均线网格，同样没有任何样本外的技巧——60 个矩阵平均 PBO 0.463，在统计上和零假设无法区分——而在其中一个具有代表性的矩阵上，这场海市蜃楼十分鲜明：最佳样本内夏普比率 2.33 坍缩到样本外中位数 -0.22，PBO 0.573，63% 的概率会亏钱。

我们把一个 numba 回测内核逐行移植到 Rust，并以四种方式跨进程边界调用它，用等价性校验确认到最后一笔交易都完全一致的 PnL。把整条 1.2 MB 的价格序列通过 Unix socket 传输一次，成本约 2 毫秒——约占整个任务耗时的 0.1%。对同一份数据做 JSON 编码，成本是原始字节的 1348 倍；健谈式的逐组合调用把数据重复传输了 80 次；逐 bar 调用模式会在一个 2.0 秒的任务上白白付出 2.1 秒的纯 IPC 开销。边界本身很便宜，税出在你如何跨越它。

参数搜索是一台制造运气的机器。在纯噪声上——1,000 个真实优势为零的策略——最佳年化夏普比率平均达到 1.63，朴素显著性检验 100% 的时候都会宣布发现。我们构建受控的真实基准，证明 Deflated Sharpe Ratio、Harvey-Liu 折价法与 White's Reality Check 能够恢复诚实：假发现率从 1.000 降到 0.001-0.057，噪声上限之上的真实优势仍以接近 1 的功效被保留——还有一个真实的陷阱（相关网格），在那里原始 DSR 会过度折损，其结论必须放在一整条有效试验数估计的区间上通读，而不是只看一个数字。

要搜索'最好'的策略，你必须先定义什么是'最好'——而那个标量，会悄悄替你选出赢家。在带有已知优势的合成数据上（600 个种子，T=2000，80 个候选阈值），朴素的逐笔（per-trade）夏普比率会加冕一张彩票：它在 56% 的种子上选出曝光率低于 5% 的赢家，在 57% 的种子上发生退化——在最极端的那个种子上，8 笔交易的样本内夏普比率高达 21.09，样本外却崩塌到 0.13。诚实的修复几乎平淡无奇：在整条时间线上测量，它从不退化（样本外 1.71）。交易笔数（conf_k）收缩与曝光率下限可以给逐笔指标打补丁，但即便完全修复，它们也只能追平整条时间线夏普比率（1.70 对 1.71）——永远无法超过它。古德哈特定律，在回测里，配上受控的真实基准。

一项对细微前视泄漏如何悄然抬高回测表现的受控研究。在完全没有真实优势的情况下，同 K 线成交从纯噪声中制造出 +14.8 的年化夏普比率；提前一根 K 线窥视指标则制造出 +4.8。本文给出完整分类、实测量级，以及在它耗费你真金白银之前如何检测每一种泄漏。

对同一个 80 组合参数扫描的五种实现，全部验证产出完全相同的 PnL：pandas 的 rolling.apply 耗时 69.9 秒，numpy 3.1 秒，numba 2.0 秒，并行 numba 0.23 秒——在一台 Apple M2 Max 上、硬件零改动，实测提速 298 倍，即便相对一个称职的向量化基准也仍快约 13 倍。每一级阶梯到底带来了什么、为什么 GPU 不是那块缺失的拼图，以及海量参数搜索中真正的瓶颈藏在哪里。

我们如何构建 researcher.marketmaker.cc —— 一个统一的、支持全文搜索的量化研究档案库（arXiv 论文、GitHub 仓库、量化博客、TradingView Pine 脚本），人类可以浏览，AI 智能体可以通过 MCP 查询。