交易策略回测方法论

Stingray 回测只回答一个边界清晰的问题：一条具体、类型化的市场规则，在明确的历史区间内表现如何？ 结果是一份用于评估信号的历史重放 artifact，而不是预测，也不是完整的投资组合模拟。

本文说明重放开始前必须固定哪些内容、历史数据如何被评估、触发与前向收益如何计数，以及哪些限制必须持续可见。当前不少示例来自 crypto 市场，因为交易场所、资金费率、订单簿和链上数据更容易观察。随着可靠数据与结算活动迁移到可编程 rails，同一套方法也适用于其他市场。

方法概览

问题	方法	Artifact 中的证据
测试了什么？	在重放前固定类型化规则、市场、数据源、时间粒度、区间和 cooldown。	规则定义与重放元数据
数据是否可用？	解析每个数据源、保留其时间戳，并披露缺口或被裁剪的区间。	覆盖说明与数据源元数据
规则何时触发？	按时间顺序评估历史样本，并区分原始为真状态、独立事件和 cooldown 后的通知。	触发集合、计数与事件行
触发后发生了什么？	在每个有效触发后，按声明的时间跨度测量价格变化。	带样本量的前向收益
结果能否审计？	保持 artifact 可复现，并公开假设、不支持的输入和缺失观测。	语义版本、诊断信息与限制
审核后做什么？	在任何执行决策前，拒绝、调整或监控规则。	通知、preview-confirm 与 opt-in activation 路径

1. 在重放前固定规则

有用的回测始于一条可以检查的规则。Stingray 会先把自然语言 thesis 解析成类型化定义，再开始历史评估。定义应明确：

• 市场、symbol，以及交易场所或数据源
• 每个条件和阈值
• 评估 interval 与历史区间
• cooldown 或去重策略
• 用于解释结果的方向与前向收益时间跨度

重放不能为了得到更好看的结果而悄悄修改规则。如果请求的数据源不可用、时间参数与历史粒度不兼容，或定义无法被忠实评估，正确的结果应是明确说明限制或直接拒绝执行。

这一分离很重要。看完结果后再改阈值，就已经产生了一条新规则。修改后的规则应生成新的重放，而不是覆盖上一条规则的证据。

2. 正确解析数据源与时间

每个条件都需要可安全重放的数据源 contract。价格、资金费率、open interest、事件和新闻拥有不同的时钟与覆盖范围。重放会记录所用数据源，并按时间戳顺序评估观测值。

对于事件或新闻，关键时间是信息何时对系统可用，而不是事后附加到事件上的更早时间。这样可以避免在历史测试中提前使用当时还无法观察到的信息。

Artifact 应披露：

• 请求的日期区间与实际有效区间
• 原生或选定的 interval
• 内部缺失区段与被裁剪的边界
• 哪些数据源经过采样、聚合或无法获取
• 可用历史是否足以评估该规则

漂亮的汇总数字无法弥补不完整的数据覆盖。如果缺口把重放分成多个有效区段，这些边界应保留下来，而不是用虚构观测值填充。

3. 计数前先完成指标 warmup

指标和有状态条件需要足够历史，数值才有意义。Moving average、RSI、sequence 或 cross 条件都不能从数据集第一行开始公平评估。

当数据源和规则需要时，Stingray 会在可见评估区间前使用 warmup 观测。Warmup 数据用于初始化指标和边沿状态，但 warmup 期间的触发不会被计入用户可见证据。Artifact 会记录 warmup 边界，避免第一个可见触发只是由未初始化指标产生。

评估粒度也必须适配规则。五分钟条件无法从小时级样本中被诚实还原。当历史 interval 粗于规则中最小的时间参数时，重放应明确失败，而不是制造虚假的精度。

4. 区分为真的样本与可行动触发

一个条件可能在连续多个样本中一直为真。把每一行为真的样本都当成独立信号，会夸大证据，也可能让一次市场事件支配整个结果。

当前重放 artifact 区分三种视图：

• Raw： 整条规则为真的每个已评估样本，仅用于诊断。
• Primary： 整条规则从 false 转为 true 的时点，表示进入该条件的独立事件。
• After cooldown： 应用通知 cooldown 后仍保留的 primary 触发，最接近 live alert 的行为。

Cooldown 是运营控制，不代表被抑制的触发在经济上不重要。同时展示三种视图，可以看出规则是在发现独立事件，还是只是在很长时间内保持为真。

对于只展示 raw 与 cooldown-filtered 两组结果的旧版 signal replay，解释原则相同：除非规则另有明确事件定义，否则聚集在一起的多行应视作同一次市场事件。

5. 测量前向收益，但不要把它包装成 P&L

前向收益描述一次有效触发后，在 1 小时、4 小时或 24 小时等声明时间跨度上的价格变化百分比。它回答的是：“这个条件出现后，价格通常发生了什么？”

除非 artifact 明确建模，否则它并不构成完整交易策略。标准 signal replay 不会默认包含：

• 实际成交的入场与退出
• 仓位规模或杠杆
• 手续费、spread、slippage 或 market impact
• 止损或止盈行为
• 投资组合约束与资金分配

每个汇总数字都应显示背后的观测数量。独立事件应获得公平权重，不能让一长串几乎相同的样本压过其他所有事件。平均值、中位数、正收益占比和分布形状结合起来，比单一 headline statistic 更有用。

只有在触发已经确定之后，系统才会读取未来数据。前向数据只是结果测量，绝不会参与历史触发决策。

6. 保持同一份重放 artifact 内部一致

一份重放应能由其已存储输入复现：规则版本、数据源 contract、市场身份、interval、区间、cooldown 和重放语义版本。

在可能的情况下，切换图表区间应读取同一 artifact 的另一个窗口，而不是悄悄再次执行规则并产生不同计数。图表、触发表、汇总指标和选中事件详情，都应使用同一个触发集合与可见窗口。

当数据源历史或重放语义发生实质变化时，结果应获得新版本。可复现并不意味着所有未来数据供应商都会返回完全相同的历史，而是指某份 artifact 的假设足够明确，可以被审计。

7. 把结果当作证据，而不是裁决

应按以下顺序阅读重放：

1. 确认测试的规则就是你原本想测试的规则。
2. 先检查数据覆盖、interval 和 warmup，再看收益。
3. 比较 raw、primary 和 after-cooldown 计数。
4. 检查聚集情况与具体触发行。
5. 结合样本量和市场 regime 阅读前向收益。
6. 把真正修改后的 thesis 作为新规则重新测试。

值得追问的问题包括：

• 大多数触发是否集中在同一个波动或流动性 regime？
• 结果是否被单一事件或很小样本主导？
• 所选时间跨度是否与 thesis 匹配？
• 更换 venue、数据源或 interval 是否会改变解释？
• 规则是在查看区间前选定，还是在同一区间上反复调参？

在同一历史区间上持续优化规则，会提高 overfitting 风险。即使结果看起来有希望，也应在更晚或独立的区间上检查，再把它当作监控证据。

8. 回测后继续遵循 trust ladder

回测通常产生三种决策之一：

• 拒绝： 规则噪声过高、样本太少、过于脆弱、缺乏支持，或依赖单一 regime。
• 调整： 修改一个明确假设，并生成新的重放。
• 监控： 把类型化规则作为 live alert 运行，并将真实行为与历史 artifact 对照。

执行仍然是独立决策。Stingray 的 trust ladder 是先通知，在支持的场景使用 preview-confirm，只有用户明确启用时才 opt in execution。正的历史平均值不能跳过这一级级控制。

已知限制

• 历史表现不能预测未来结果。
• 可用历史会随数据源、venue、asset 和事件类型而变化。
• Candle 或采样数据无法证明 intrabar 事件的精确先后顺序。
• 前向收益衡量信号后的结果，不等于可实现的交易收益。
• 回测可能忽略结构变化、退市、流动性限制和未来市场规则。
• 在同一区间做多次测试，会提高偶然找到“好结果”的概率。
• 不支持或覆盖不足的输入应被拒绝，而不是静默近似。

发布检查清单

在 Stingray 重放被用于指南、示例或 benchmark 前，发布内容应包含：

• 精确的 thesis 或 prompt
• 类型化规则，或忠实且可读的摘要
• 市场、venue、数据源、interval 与日期区间
• 数据覆盖与 warmup 说明
• 可用时提供 raw、primary 和 after-cooldown 计数
• 前向收益时间跨度与样本量
• 明确排除 fees、slippage、position sizing 和 execution
• 声明结果只是历史证据，不是交易建议或业绩承诺

字段级阅读方法请参阅如何阅读回测卡片。已发布的完整流程请参阅策略示例。从 thesis 到监控的完整工作流请参阅 Stingray 如何工作。