Login
Sign Up
Discover
Following
News
Stocks
Notification
Profile
Bookmarks
Chats
History
Creator Center
Copy Trading
Live
Settings
Post
空杯之心
13 Posts
空杯之心
Report
Block User
Follow
分享心得
Open Trade
High-Frequency Trader
9 Years
10
Following
9
Followers
2
Liked
Posts
Portfolio
PINNED
空杯之心
·
--
大钱都是顺应趋势赚的。这轮牛市我只做三件事: 1.确认新的牛市周期开启(通过多指标已经确认熊转牛)。 2.找到叙事可持续,能随着牛市行情一路水涨船高的标的。 3.日线级别滚仓:2-3倍杠杆买入,在日线级别回调的时候加仓,保持住2-3倍杠杆。#BTC #HYPE
大钱都是顺应趋势赚的。这轮牛市我只做三件事:
1.确认新的牛市周期开启(通过多指标已经确认熊转牛)。
2.找到叙事可持续,能随着牛市行情一路水涨船高的标的。
3.日线级别滚仓:2-3倍杠杆买入,在日线级别回调的时候加仓,保持住2-3倍杠杆。
#BTC
#HYPE
BTC
-1.00%
空杯之心
·
--
Article
九个加密策略砍到三个:回撤过不了,收益再高也不留上一期结尾我写,下一期做三件事:给融合信号接上 buffer 和止损,跑验证期,再做 walk-forward。 这期没按这个顺序走。 数据补到 10 月 21 日之后,我先把九条策略一起拉到新的前向窗口上跑了一遍,同时把测试期的回撤结构重新排了一次。跑完的决定是:九条只留三条,另外六条连同策略文件、回测结果一起删掉。 被删的六条不是不赚钱。五条测试期收益超过 +115%,最高一条 +152.67%。但它们的最深回撤在 -21.8% 到 -54.8% 之间,水下时间最长 232 个交易日。这种曲线放在回测里能看,放进实盘账户,大部分人扛不到回本那天。 所以这期先做减法。下面讲清楚四件事:为什么改计划、按什么标准砍、砍完剩下什么、以及一个还没解决的问题。 一、上一期的计划,为什么先改了 上一期交付的是“能一键复现的九策略目录”:九个策略文件、六份信号、一个 notebook,9/9 逐项对账通过。那期的目标是让数字可信,不是判断哪个策略该上。 问题也出在这里。目录把九条策略并排放在一起,读者很容易理解成九个都是候选。实际上其中几条的回撤在 -50% 上下,资金曲线中间有半年不创新高。它们能留在目录里,是因为当时的任务是复现,不是筛选。 如果在这个状态下继续给融合加止损、做 walk-forward,等于在一堆不能用的策略上继续加功能。功能叠得越多,后面越难分清问题出在信号、风控还是执行。 另一个变化是数据。10 月 1 日到 21 日的数据到了。这是测试期之后第一段没有参与过任何选择的时间,虽然只有 21 天,但足够做一次体检。 顺序于是改成:先按测试期的风险结构筛一遍,砍到三条;再用 10 月做前向验证;最后才回到融合加止损和 walk-forward。维护的策略从九条变成三条,后面的工作反而更快。 验证期这次也没跑。VALID 参与了模型早停,只能算半样本内;论干净程度,它不如 10 月这 21 天。等 stop10 的成交问题解决,再把验证期和 walk-forward 一起补上。 二、Calmar 的两个算法,先对齐 上一期给融合写的 Calmar 是 7.49,这一期的筛选表里写的是 9.38。同一个策略两个数,先说清楚。 两个都对,算法不同。7.49 是年化口径:把 457 天的总收益按 365/457 折成年化,再除以最大回撤。9.38 是区间口径:457 天的总收益直接除以最大回撤。测试期比一年长,折年之后分子变小,所以 7.49 比 9.38 低。 这一期的门槛用的是区间口径,所以 9.38 对的是门槛 7。三条保留策略按年化口径分别是 7.49、6.43、6.33。 以后看到 Calmar,先问一句是哪种算法。混着比,策略会排错。 三、四条门槛:先看回撤,再看收益 筛选只看测试期,2025 年 7 月 1 日到 2026 年 9 月 30 日,457 天,1000 万本金。四条门槛: - 最大回撤不超过 20% - Calmar(区间总收益除以最大回撤)不低于 7 - Ulcer 指数不超过 8 - 最长水下天数不超过 110 个交易日 为什么是这四条。回撤决定这条策略能不能被拿住;Calmar 把收益和回撤放在一起看;Ulcer 不只看最深的那一次,还看回撤持续多久、反复多少次;水下天数最直观,就是账户从高点跌下去之后,多少天没回来。四个指标都在回答同一个问题:这条曲线,人能不能坐得住。 收益排名不在门槛里。原因很简单:收益高但回撤 -50% 的策略,实盘里通常活不到收益兑现。 10 月的数据不参与筛选。只有 21 天,拿它挑策略等于让裁判兼选手。10 月只用来验证,不用来选。 需要诚实说明一点:这四条门槛是我看完九条结果之后定的,属于事后标准,不是事先写好的规则。它能帮我做出一致的取舍,但不构成统计意义上的证明。 四、九条策略的成绩单 按 Calmar 从高到低排: | 策略 | 收益 | 最大回撤 | Calmar | 夏普 | Ulcer | 水下天数 | 结论 | |---|---:|---:|---:|---:|---:|---:|---| | 融合 top5 | +172.93% | -18.44% | 9.38 | 2.076 | 7.59 | 107 | 保留 | | 模型 buf4 止损10 | +130.86% | -16.25% | 8.05 | 1.906 | 6.10 | 96 | 保留 | | 模型 多头buf5 止损10 | +114.01% | -14.39% | 7.92 | 1.846 | 4.84 | 75 | 保留 | | mom10 top5 多头buf5 | +152.67% | -30.13% | 5.07 | 1.577 | 13.48 | 171 | 淘汰 | | 模型 buf4 止损35 | +151.47% | -31.42% | 4.82 | 1.635 | 11.90 | 123 | 淘汰 | | mom10 top5 | +134.22% | -39.03% | 3.44 | 1.385 | 13.93 | 171 | 淘汰 | | mom10 top20 多头buf5 | +68.98% | -21.81% | 3.16 | 1.563 | 6.92 | 109 | 淘汰 | | 模型 buf4 | +137.55% | -54.80% | 2.51 | 1.368 | 22.31 | 219 | 淘汰 | | 模型 多头buf5 | +115.08% | -51.89% | 2.22 | 1.174 | 25.96 | 232 | 淘汰 | 图 1:左边是收益,中间是最大回撤,右边是 Calmar,绿色保留,灰色淘汰。虚线是回撤 20% 和 Calmar 7 的门槛。 分界线很清楚。保留的三条 Calmar 都在 7.9 以上,Ulcer 不超过 7.6,水下天数不超过 107。淘汰的六条 Calmar 最高 5.07,Ulcer 最低 6.92。 注意 mom10 top20 这一条。它的回撤 -21.81%,只超门槛 1.8 个百分点;Ulcer 6.92,在 8 以内;水下 109 天,刚好在 110 以内。单看这三个指标,它离合格不远。但 Calmar 只有 3.16,收益被稀释得太厉害,还是过不了。 五、六条为什么被删 一条一条说。 模型 buf4,+137.55%,回撤 -54.80%。这是模型信号加双边 buffer4 的版本。buffer 把收益从负的做到 +137%,但回撤仍在 -54.80%;再调 buffer 档位,回撤几乎不动。这条最能说明 buffer 单独当不了风控:它改善的是换手和排名稳定性,压不住尾部。 模型多头 buf5,+115.08%,回撤 -51.89%。把多头 buffer 设成 5、空头不加 buffer,回撤只从 -54.80% 变到 -51.89%。Ulcer 25.96、水下 232 天,两项都是九条里最差。 模型 buf4 止损35,+151.47%,回撤 -31.42%。收益排第三,听起来应该留下。但回撤超过 30%,Calmar 4.82,水下 123 天。35% 的单币止损,对加密这种波动来说太松了,触发的时候已经亏了很多。 mom10 top5 多头 buf5,+152.67%,回撤 -30.13%。这是九条里收益第二高的策略,也是被删的六条里收益最高的。问题一样:回撤 30%,水下 171 天。收益排第二,照样过不了回撤这一关。 mom10 top5,+134.22%,回撤 -39.03%。纯动量 top5,没有 buffer,没有止损。动量因子的尾部本来就重,单日最差 -13.10%。 mom10 top20 多头 buf5,+68.98%,回撤 -21.81%。这是被删的六条里回撤最浅的一条。但 Calmar 只有 3.16,收益被分散稀释了一半。它证明的是另一件事:把仓位摊薄,不会让策略变好,只会让它变小。 六、三个能带走的结论 第一,止损是控回撤的第一杠杆,buffer 不是。 同一族模型信号,先固定对称 buffer4,做三组对照。什么都不加:+137.55%,回撤 -54.80%。加 35% 单币止损:+151.47%,回撤 -31.42%。加 10% 单币止损:+130.86%,回撤 -16.25%。再把 buffer 换成多头 5、空头 0,不加止损:回撤 -51.89%,几乎没变。 四条曲线放在一起,结论没有歧义。想压回撤,先上止损;buffer 主要管换手和排名稳定性,压不住尾部。 第二,触发次数少,不等于风险小。 35% 止损在测试期触发 121 次,10% 止损触发 646 次。看起来 35% 更省心,但回撤是 -31.42% 对 -16.25%。原因不复杂:触发少,是因为每次要亏到 35% 才砍,单次损失大;触发多,是因为亏 10% 就砍,单次损失小。评估止损不能只看触发次数,要看单次损失乘上压力窗口里可能连续触发几次。 先估压力窗口里会连续触发几次,再定阈值。10% 是在小损失时就切断,35% 更像心理止损,告诉自己“我已经设了止损”,但真到触发时,账户已经伤得不轻。 第三,分散只是等比例缩小,不提高风险调整后的效率。 mom10 top5 换成 top20,再加多头 buffer5:年化波动从 63.1% 降到 29.6%,回撤从 -39.03% 降到 -21.81%。看起来风险降了一半。但收益从 134.22% 掉到 68.98%,Calmar 从 3.44 降到 3.16。收益和风险一起缩小,效率反而更差。 如果目标是降风险,直接降杠杆更干净。分散适合解决“单币仓位太重”,不适合当成提高夏普的工具。 还有一条更朴素的:收益排名会骗人。按收益排,stop35 第三、mom10 多头 buf5 第二,都该留下;按 Calmar 和回撤排,它们连门槛都过不了。选策略先看能不能拿住,再看能赚多少。 七、留下的三条,是三个风险档位 | 策略 | 定位 | 收益 | 最大回撤 | Calmar | 夏普 | Ulcer | 水下天数 | |---|---|---:|---:|---:|---:|---:|---:| | 融合 top5 | 收益最高,无止损 | +172.93% | -18.44% | 9.38 | 2.076 | 7.59 | 107 | | 模型 buf4 止损10 | 收益回撤均衡 | +130.86% | -16.25% | 8.05 | 1.906 | 6.10 | 96 | | 模型 多头buf5 止损10 | 回撤最小,曲线最平滑 | +114.01% | -14.39% | 7.92 | 1.846 | 4.84 | 75 | 图 2:三条策略从 2025 年 7 月跑到 2026 年 10 月 21 日,1000 万本金。虚线右边是 10 月前向段。 这三条不是“同类里挑三个最好的”,是三种风险档位。 融合 top5 收益最高,风险调整后也最好,但它没有止损。10 月下跌月,它的回撤是三条里最深的,原因就在这里。上一期说好要给融合加止损,这期没做,后面会讲为什么。 模型 buf4 止损10 是中间档。双边 buffer4,加上 10% 单币止损,收益和回撤比较均衡。 模型多头 buf5 止损10 是防守档。多头 buffer5、空头不加 buffer,再加 10% 止损。回撤最小,Ulcer 4.84,水下只有 75 天,曲线最平滑,收益也最低。 如果只能选一条,要看资金属性和回撤容忍度。能扛 -20% 回撤、追求收益,选融合;要平滑,选多头 buf5 止损10;两者之间选 buf4 止损10。这是取舍,不是排名。 ## 八、10 月前向:止损第一次在前向数据上起了作用 模型是冻结的。重训后 `best_iteration` 仍是 290,测试段预测和上一期发布的文件最大差 0.0,10 月的信号没有重新调参。 10 月 1 日到 21 日,信号池 122 个合约等权下跌 8.57%,中位数下跌 9.82%。$BTC 涨 0.57%,$ETH 跌 7.89%,$SOL 跌 9.45%。山寨普跌、BTC 横盘。 三条策略的结果: | 策略 | 10 月盈亏 | 对 9/30 权益 | 对 1000 万 | 最大回撤 | 止损次数 | 多头/空头 | |---|---:|---:|---:|---:|---:|---:| | 模型 多头buf5 止损10 | +27.1 万 | +1.26% | +2.71% | -2.63% | 24 | +25.5 / +1.5 万 | | 模型 buf4 止损10 | +6.1 万 | +0.27% | +0.61% | -3.11% | 22 | +6.1 / +0.1 万 | | 融合 top5 | -43.9 万 | -1.61% | -4.39% | -4.39% | 0 | -53.7 / +9.8 万 | 收益口径有两个,都列出来。对 9/30 权益,是因为测试期已经复利,三条策略的权益在 2140 万到 2729 万之间;对 1000 万,是因为策略下单规模一直按 1000 万算,不随权益复利。前者是账户实际收益率,后者更接近策略本身的赚钱能力。21 天的数字不要按比例年化。 下跌月里,两条 stop10 都保住了正收益。融合没有止损,多头腿亏了 53.7 万,最差一天 -71.2 万,亏损直接落到净值上。这是三条策略分化的直接原因,也是止损第一次在前向数据上证明自己。 但 21 天太短,不能说明长期。而且这个正收益有几处水分,要挤掉。 第一,收益很集中。两条 stop10 持仓高度重合,GTC 一只赚 60.3 万,MAGMA 赚 22.9 万,AKE 赚 20.1 万。buf4 最好的一天赚 37.9 万,占全部正收益的 21.9%,最好三天占 56.9%。日胜率只有 38.1%,中位日亏 1.1 万。也就是说,正收益靠少数大阳日和少数合约,不能按“平均每天赚多少”去外推。 第二,仓位没有打满。每条策略 10 个仓位里有 1 个死仓:两条 stop10 是 OMNI 的空头,融合是 VANRY 的空头,合约退市后一直没平掉,占着 100 万名义敞口但不产生盈亏。两条模型策略 10 月的平均活跃名义敞口只有 647 到 657 万,融合是 997 万。stop10 的正收益是在大约六成半仓位下拿到的。这是回测引擎的已知问题,不是这次数据更新造成的,已经列进待修清单。 第三,资金费没有算进主回测。事后按日末持仓估算,融合收 7.2 万,两条 stop10 各付 8.8 到 8.9 万,对 1000 万都在 1 个百分点以内。方向清楚,但这不是精确成本。 第四,IC 强,不等于尾部能赚钱。前向 20 日 IC 均值 0.0760,90% 的交易日为正,位于测试期滚动窗口的 91.1 分位。但把同一个分数换成原始 2 日收益来排序,10 月的截面并不单调:按策略实际选币口径,p5 多头前五平均 -3.59%/2 日,p0 空头后五 -0.49%/2 日,多空价差 -3.10%,t 值 -2.07。模型排的是按波动归一后的 2 日收益标签,不等于原始收益的尾部预测。10 月的 p5 多头尾部主要被 10 月 4 日和 10 月 19 日两个暴跌日拖累,策略靠 buffer、止损、空头腿和少数赢家把结果拉回来。尾部诊断只有 19 个信号日,样本太短,只能得出“继续观察”,不能据此判断模型失效,更不能加杠杆。 ## 九、最不舒服的一段:2% 止损滑点 回测假设止损能在止损价附近成交。把止损滑点加到 2% 重跑: | 策略 | 基准盈亏 | 2% 滑点盈亏 | 基准权益收益 | 2% 滑点权益收益 | 基准回撤 | 2% 滑点回撤 | |---|---:|---:|---:|---:|---:|---:| | 模型 buf4 止损10 | +6.1 万 | -38.5 万 | +0.27% | -3.80% | -3.11% | -8.85% | | 模型 多头buf5 止损10 | +27.1 万 | -21.9 万 | +1.26% | -2.65% | -2.63% | -7.93% | 正收益直接没了。 这个结果可以用算术解释。每触发一次止损,对应一个 100 万的仓位,2% 滑点就是 2 万。10 月触发 22 到 24 次,合计四五十万,足以把 +6 万和 +27 万打成负数。 反过来看,这也说明 stop10 的收益来源不是“选币更准”,而是“亏损截断得早”。一旦止损成交质量变差,这个优势会迅速消失。 2% 是压力测试,不是预测。真实滑点可能更小,也可能更大,取决于币的流动性、止损单类型和当时的行情。但在用真实盘口和成交量验证之前,两条 stop10 策略的正收益只能算纸面上的。 这也是为什么这期没给融合加止损。上一期说过,带止损的策略只支持 p5/p0 选币,融合选币要先把分数接口抽出来。更要紧的是,如果 stop10 的成交质量还没验证,就给融合套一个同样依赖成交的止损,等于把同一个问题复制一份。先解决成交,再加功能。 十、清理、边界和下一期 六条策略的文件和回测结果已经删掉:6 个策略 py、6 份测试期回测、6 份 10 月回测、6 份根目录回测结果,一共 24 个文件。删之前备份到了临时目录 `/tmp/eliminated_strategies_2026-10-22/`,机器重启会没,长期记录以仓库里的 `策略筛选记录.md` 为准。逐日净值 parquet 没有单独备份。 为什么不留着?因为留下来的文件会继续以“候选策略”的身份存在。过两周回来,看到九条策略,很容易在一条已经证明回撤过大的策略上继续调参。删除是治理动作,不是洁癖。 同步做的清理:notebook 从九条改成三条,重跑通过;测试期和前向汇总各 3 行;10 月明细 CSV 也是 3 行;报告重写成三策略版本;筛选记录里写清每一条的淘汰数字和理由。 边界也要说清楚。筛选标准是事后定的;测试期已经用于选参,457 天不是干净样本外;10 月只有 21 天;主回测是日线,不含资金费、强平、保证金和真实滑点;止损是日线事后近似。这些限制不会因为结果好看就消失。 下一期按顺序做三件事。第一,解决 stop10 的成交质量:真实盘口、分层滑点、止损单类型,至少要给出一个可信的滑点区间。第二,修死仓问题,重跑 10 月,看有效敞口补齐后结果怎么变。第三,再回到融合加止损和 walk-forward。如果 stop10 的成交质量过不了关,两条模型的保留策略要重新设计,不能靠回测里的止损价活着。另外还有一个名单误杀要复核:GRAM 被静态非加密名单排除,但它其实是加密永续。 本文是回测研究记录,不是交易信号,也不构成投资建议。这个量化实验室会继续公开记录,从数据、因子到风控。觉得有用可以收藏,下一期见。 #量化交易 #因子研究 #Alpha策略 #Beta中性 #加密货币
九个加密策略砍到三个:回撤过不了,收益再高也不留
上一期结尾我写,下一期做三件事:给融合信号接上 buffer 和止损,跑验证期,再做 walk-forward。
这期没按这个顺序走。
数据补到 10 月 21 日之后,我先把九条策略一起拉到新的前向窗口上跑了一遍,同时把测试期的回撤结构重新排了一次。跑完的决定是:九条只留三条,另外六条连同策略文件、回测结果一起删掉。
被删的六条不是不赚钱。五条测试期收益超过 +115%,最高一条 +152.67%。但它们的最深回撤在 -21.8% 到 -54.8% 之间,水下时间最长 232 个交易日。这种曲线放在回测里能看,放进实盘账户,大部分人扛不到回本那天。
所以这期先做减法。下面讲清楚四件事:为什么改计划、按什么标准砍、砍完剩下什么、以及一个还没解决的问题。
一、上一期的计划,为什么先改了
上一期交付的是“能一键复现的九策略目录”:九个策略文件、六份信号、一个 notebook,9/9 逐项对账通过。那期的目标是让数字可信,不是判断哪个策略该上。
问题也出在这里。目录把九条策略并排放在一起,读者很容易理解成九个都是候选。实际上其中几条的回撤在 -50% 上下,资金曲线中间有半年不创新高。它们能留在目录里,是因为当时的任务是复现,不是筛选。
如果在这个状态下继续给融合加止损、做 walk-forward,等于在一堆不能用的策略上继续加功能。功能叠得越多,后面越难分清问题出在信号、风控还是执行。
另一个变化是数据。10 月 1 日到 21 日的数据到了。这是测试期之后第一段没有参与过任何选择的时间,虽然只有 21 天,但足够做一次体检。
顺序于是改成:先按测试期的风险结构筛一遍,砍到三条;再用 10 月做前向验证;最后才回到融合加止损和 walk-forward。维护的策略从九条变成三条,后面的工作反而更快。
验证期这次也没跑。VALID 参与了模型早停,只能算半样本内;论干净程度,它不如 10 月这 21 天。等 stop10 的成交问题解决,再把验证期和 walk-forward 一起补上。
二、Calmar 的两个算法,先对齐
上一期给融合写的 Calmar 是 7.49,这一期的筛选表里写的是 9.38。同一个策略两个数,先说清楚。
两个都对,算法不同。7.49 是年化口径:把 457 天的总收益按 365/457 折成年化,再除以最大回撤。9.38 是区间口径:457 天的总收益直接除以最大回撤。测试期比一年长,折年之后分子变小,所以 7.49 比 9.38 低。
这一期的门槛用的是区间口径,所以 9.38 对的是门槛 7。三条保留策略按年化口径分别是 7.49、6.43、6.33。
以后看到 Calmar,先问一句是哪种算法。混着比,策略会排错。
三、四条门槛:先看回撤,再看收益
筛选只看测试期,2025 年 7 月 1 日到 2026 年 9 月 30 日,457 天,1000 万本金。四条门槛:
- 最大回撤不超过 20%
- Calmar(区间总收益除以最大回撤)不低于 7
- Ulcer 指数不超过 8
- 最长水下天数不超过 110 个交易日
为什么是这四条。回撤决定这条策略能不能被拿住;Calmar 把收益和回撤放在一起看;Ulcer 不只看最深的那一次,还看回撤持续多久、反复多少次;水下天数最直观,就是账户从高点跌下去之后,多少天没回来。四个指标都在回答同一个问题:这条曲线,人能不能坐得住。
收益排名不在门槛里。原因很简单:收益高但回撤 -50% 的策略,实盘里通常活不到收益兑现。
10 月的数据不参与筛选。只有 21 天,拿它挑策略等于让裁判兼选手。10 月只用来验证,不用来选。
需要诚实说明一点:这四条门槛是我看完九条结果之后定的,属于事后标准,不是事先写好的规则。它能帮我做出一致的取舍,但不构成统计意义上的证明。
四、九条策略的成绩单
按 Calmar 从高到低排:
| 策略 | 收益 | 最大回撤 | Calmar | 夏普 | Ulcer | 水下天数 | 结论 |
|---|---:|---:|---:|---:|---:|---:|---|
| 融合 top5 | +172.93% | -18.44% | 9.38 | 2.076 | 7.59 | 107 | 保留 |
| 模型 buf4 止损10 | +130.86% | -16.25% | 8.05 | 1.906 | 6.10 | 96 | 保留 |
| 模型 多头buf5 止损10 | +114.01% | -14.39% | 7.92 | 1.846 | 4.84 | 75 | 保留 |
| mom10 top5 多头buf5 | +152.67% | -30.13% | 5.07 | 1.577 | 13.48 | 171 | 淘汰 |
| 模型 buf4 止损35 | +151.47% | -31.42% | 4.82 | 1.635 | 11.90 | 123 | 淘汰 |
| mom10 top5 | +134.22% | -39.03% | 3.44 | 1.385 | 13.93 | 171 | 淘汰 |
| mom10 top20 多头buf5 | +68.98% | -21.81% | 3.16 | 1.563 | 6.92 | 109 | 淘汰 |
| 模型 buf4 | +137.55% | -54.80% | 2.51 | 1.368 | 22.31 | 219 | 淘汰 |
| 模型 多头buf5 | +115.08% | -51.89% | 2.22 | 1.174 | 25.96 | 232 | 淘汰 |
图 1:左边是收益,中间是最大回撤,右边是 Calmar,绿色保留,灰色淘汰。虚线是回撤 20% 和 Calmar 7 的门槛。
分界线很清楚。保留的三条 Calmar 都在 7.9 以上,Ulcer 不超过 7.6,水下天数不超过 107。淘汰的六条 Calmar 最高 5.07,Ulcer 最低 6.92。
注意 mom10 top20 这一条。它的回撤 -21.81%,只超门槛 1.8 个百分点;Ulcer 6.92,在 8 以内;水下 109 天,刚好在 110 以内。单看这三个指标,它离合格不远。但 Calmar 只有 3.16,收益被稀释得太厉害,还是过不了。
五、六条为什么被删
一条一条说。
模型 buf4,+137.55%,回撤 -54.80%。这是模型信号加双边 buffer4 的版本。buffer 把收益从负的做到 +137%,但回撤仍在 -54.80%;再调 buffer 档位,回撤几乎不动。这条最能说明 buffer 单独当不了风控:它改善的是换手和排名稳定性,压不住尾部。
模型多头 buf5,+115.08%,回撤 -51.89%。把多头 buffer 设成 5、空头不加 buffer,回撤只从 -54.80% 变到 -51.89%。Ulcer 25.96、水下 232 天,两项都是九条里最差。
模型 buf4 止损35,+151.47%,回撤 -31.42%。收益排第三,听起来应该留下。但回撤超过 30%,Calmar 4.82,水下 123 天。35% 的单币止损,对加密这种波动来说太松了,触发的时候已经亏了很多。
mom10 top5 多头 buf5,+152.67%,回撤 -30.13%。这是九条里收益第二高的策略,也是被删的六条里收益最高的。问题一样:回撤 30%,水下 171 天。收益排第二,照样过不了回撤这一关。
mom10 top5,+134.22%,回撤 -39.03%。纯动量 top5,没有 buffer,没有止损。动量因子的尾部本来就重,单日最差 -13.10%。
mom10 top20 多头 buf5,+68.98%,回撤 -21.81%。这是被删的六条里回撤最浅的一条。但 Calmar 只有 3.16,收益被分散稀释了一半。它证明的是另一件事:把仓位摊薄,不会让策略变好,只会让它变小。
六、三个能带走的结论
第一,止损是控回撤的第一杠杆,buffer 不是。
同一族模型信号,先固定对称 buffer4,做三组对照。什么都不加:+137.55%,回撤 -54.80%。加 35% 单币止损:+151.47%,回撤 -31.42%。加 10% 单币止损:+130.86%,回撤 -16.25%。再把 buffer 换成多头 5、空头 0,不加止损:回撤 -51.89%,几乎没变。
四条曲线放在一起,结论没有歧义。想压回撤,先上止损;buffer 主要管换手和排名稳定性,压不住尾部。
第二,触发次数少,不等于风险小。
35% 止损在测试期触发 121 次,10% 止损触发 646 次。看起来 35% 更省心,但回撤是 -31.42% 对 -16.25%。原因不复杂:触发少,是因为每次要亏到 35% 才砍,单次损失大;触发多,是因为亏 10% 就砍,单次损失小。评估止损不能只看触发次数,要看单次损失乘上压力窗口里可能连续触发几次。
先估压力窗口里会连续触发几次,再定阈值。10% 是在小损失时就切断,35% 更像心理止损,告诉自己“我已经设了止损”,但真到触发时,账户已经伤得不轻。
第三,分散只是等比例缩小,不提高风险调整后的效率。
mom10 top5 换成 top20,再加多头 buffer5:年化波动从 63.1% 降到 29.6%,回撤从 -39.03% 降到 -21.81%。看起来风险降了一半。但收益从 134.22% 掉到 68.98%,Calmar 从 3.44 降到 3.16。收益和风险一起缩小,效率反而更差。
如果目标是降风险,直接降杠杆更干净。分散适合解决“单币仓位太重”,不适合当成提高夏普的工具。
还有一条更朴素的:收益排名会骗人。按收益排,stop35 第三、mom10 多头 buf5 第二,都该留下;按 Calmar 和回撤排,它们连门槛都过不了。选策略先看能不能拿住,再看能赚多少。
七、留下的三条,是三个风险档位
| 策略 | 定位 | 收益 | 最大回撤 | Calmar | 夏普 | Ulcer | 水下天数 |
|---|---|---:|---:|---:|---:|---:|---:|
| 融合 top5 | 收益最高,无止损 | +172.93% | -18.44% | 9.38 | 2.076 | 7.59 | 107 |
| 模型 buf4 止损10 | 收益回撤均衡 | +130.86% | -16.25% | 8.05 | 1.906 | 6.10 | 96 |
| 模型 多头buf5 止损10 | 回撤最小,曲线最平滑 | +114.01% | -14.39% | 7.92 | 1.846 | 4.84 | 75 |
图 2:三条策略从 2025 年 7 月跑到 2026 年 10 月 21 日,1000 万本金。虚线右边是 10 月前向段。
这三条不是“同类里挑三个最好的”,是三种风险档位。
融合 top5 收益最高,风险调整后也最好,但它没有止损。10 月下跌月,它的回撤是三条里最深的,原因就在这里。上一期说好要给融合加止损,这期没做,后面会讲为什么。
模型 buf4 止损10 是中间档。双边 buffer4,加上 10% 单币止损,收益和回撤比较均衡。
模型多头 buf5 止损10 是防守档。多头 buffer5、空头不加 buffer,再加 10% 止损。回撤最小,Ulcer 4.84,水下只有 75 天,曲线最平滑,收益也最低。
如果只能选一条,要看资金属性和回撤容忍度。能扛 -20% 回撤、追求收益,选融合;要平滑,选多头 buf5 止损10;两者之间选 buf4 止损10。这是取舍,不是排名。
## 八、10 月前向:止损第一次在前向数据上起了作用
模型是冻结的。重训后 `best_iteration` 仍是 290,测试段预测和上一期发布的文件最大差 0.0,10 月的信号没有重新调参。
10 月 1 日到 21 日,信号池 122 个合约等权下跌 8.57%,中位数下跌 9.82%。$BTC 涨 0.57%,$ETH 跌 7.89%,$SOL 跌 9.45%。山寨普跌、BTC 横盘。
三条策略的结果:
| 策略 | 10 月盈亏 | 对 9/30 权益 | 对 1000 万 | 最大回撤 | 止损次数 | 多头/空头 |
|---|---:|---:|---:|---:|---:|---:|
| 模型 多头buf5 止损10 | +27.1 万 | +1.26% | +2.71% | -2.63% | 24 | +25.5 / +1.5 万 |
| 模型 buf4 止损10 | +6.1 万 | +0.27% | +0.61% | -3.11% | 22 | +6.1 / +0.1 万 |
| 融合 top5 | -43.9 万 | -1.61% | -4.39% | -4.39% | 0 | -53.7 / +9.8 万 |
收益口径有两个,都列出来。对 9/30 权益,是因为测试期已经复利,三条策略的权益在 2140 万到 2729 万之间;对 1000 万,是因为策略下单规模一直按 1000 万算,不随权益复利。前者是账户实际收益率,后者更接近策略本身的赚钱能力。21 天的数字不要按比例年化。
下跌月里,两条 stop10 都保住了正收益。融合没有止损,多头腿亏了 53.7 万,最差一天 -71.2 万,亏损直接落到净值上。这是三条策略分化的直接原因,也是止损第一次在前向数据上证明自己。
但 21 天太短,不能说明长期。而且这个正收益有几处水分,要挤掉。
第一,收益很集中。两条 stop10 持仓高度重合,GTC 一只赚 60.3 万,MAGMA 赚 22.9 万,AKE 赚 20.1 万。buf4 最好的一天赚 37.9 万,占全部正收益的 21.9%,最好三天占 56.9%。日胜率只有 38.1%,中位日亏 1.1 万。也就是说,正收益靠少数大阳日和少数合约,不能按“平均每天赚多少”去外推。
第二,仓位没有打满。每条策略 10 个仓位里有 1 个死仓:两条 stop10 是 OMNI 的空头,融合是 VANRY 的空头,合约退市后一直没平掉,占着 100 万名义敞口但不产生盈亏。两条模型策略 10 月的平均活跃名义敞口只有 647 到 657 万,融合是 997 万。stop10 的正收益是在大约六成半仓位下拿到的。这是回测引擎的已知问题,不是这次数据更新造成的,已经列进待修清单。
第三,资金费没有算进主回测。事后按日末持仓估算,融合收 7.2 万,两条 stop10 各付 8.8 到 8.9 万,对 1000 万都在 1 个百分点以内。方向清楚,但这不是精确成本。
第四,IC 强,不等于尾部能赚钱。前向 20 日 IC 均值 0.0760,90% 的交易日为正,位于测试期滚动窗口的 91.1 分位。但把同一个分数换成原始 2 日收益来排序,10 月的截面并不单调:按策略实际选币口径,p5 多头前五平均 -3.59%/2 日,p0 空头后五 -0.49%/2 日,多空价差 -3.10%,t 值 -2.07。模型排的是按波动归一后的 2 日收益标签,不等于原始收益的尾部预测。10 月的 p5 多头尾部主要被 10 月 4 日和 10 月 19 日两个暴跌日拖累,策略靠 buffer、止损、空头腿和少数赢家把结果拉回来。尾部诊断只有 19 个信号日,样本太短,只能得出“继续观察”,不能据此判断模型失效,更不能加杠杆。
## 九、最不舒服的一段:2% 止损滑点
回测假设止损能在止损价附近成交。把止损滑点加到 2% 重跑:
| 策略 | 基准盈亏 | 2% 滑点盈亏 | 基准权益收益 | 2% 滑点权益收益 | 基准回撤 | 2% 滑点回撤 |
|---|---:|---:|---:|---:|---:|---:|
| 模型 buf4 止损10 | +6.1 万 | -38.5 万 | +0.27% | -3.80% | -3.11% | -8.85% |
| 模型 多头buf5 止损10 | +27.1 万 | -21.9 万 | +1.26% | -2.65% | -2.63% | -7.93% |
正收益直接没了。
这个结果可以用算术解释。每触发一次止损,对应一个 100 万的仓位,2% 滑点就是 2 万。10 月触发 22 到 24 次,合计四五十万,足以把 +6 万和 +27 万打成负数。
反过来看,这也说明 stop10 的收益来源不是“选币更准”,而是“亏损截断得早”。一旦止损成交质量变差,这个优势会迅速消失。
2% 是压力测试,不是预测。真实滑点可能更小,也可能更大,取决于币的流动性、止损单类型和当时的行情。但在用真实盘口和成交量验证之前,两条 stop10 策略的正收益只能算纸面上的。
这也是为什么这期没给融合加止损。上一期说过,带止损的策略只支持 p5/p0 选币,融合选币要先把分数接口抽出来。更要紧的是,如果 stop10 的成交质量还没验证,就给融合套一个同样依赖成交的止损,等于把同一个问题复制一份。先解决成交,再加功能。
十、清理、边界和下一期
六条策略的文件和回测结果已经删掉:6 个策略 py、6 份测试期回测、6 份 10 月回测、6 份根目录回测结果,一共 24 个文件。删之前备份到了临时目录 `/tmp/eliminated_strategies_2026-10-22/`,机器重启会没,长期记录以仓库里的 `策略筛选记录.md` 为准。逐日净值 parquet 没有单独备份。
为什么不留着?因为留下来的文件会继续以“候选策略”的身份存在。过两周回来,看到九条策略,很容易在一条已经证明回撤过大的策略上继续调参。删除是治理动作,不是洁癖。
同步做的清理:notebook 从九条改成三条,重跑通过;测试期和前向汇总各 3 行;10 月明细 CSV 也是 3 行;报告重写成三策略版本;筛选记录里写清每一条的淘汰数字和理由。
边界也要说清楚。筛选标准是事后定的;测试期已经用于选参,457 天不是干净样本外;10 月只有 21 天;主回测是日线,不含资金费、强平、保证金和真实滑点;止损是日线事后近似。这些限制不会因为结果好看就消失。
下一期按顺序做三件事。第一,解决 stop10 的成交质量:真实盘口、分层滑点、止损单类型,至少要给出一个可信的滑点区间。第二,修死仓问题,重跑 10 月,看有效敞口补齐后结果怎么变。第三,再回到融合加止损和 walk-forward。如果 stop10 的成交质量过不了关,两条模型的保留策略要重新设计,不能靠回测里的止损价活着。另外还有一个名单误杀要复核:GRAM 被静态非加密名单排除,但它其实是加密永续。
本文是回测研究记录,不是交易信号,也不构成投资建议。这个量化实验室会继续公开记录,从数据、因子到风控。觉得有用可以收藏,下一期见。
#量化交易
#因子研究
#Alpha策略
#Beta中性
#加密货币
BTC
-1.00%
ETH
-1.33%
SOL
+1.86%
空杯之心
·
--
# 九个策略,一个 notebook:+172.93% 的回测必须能一键复现上一期把模型分数和动量各取一半,测试期做到 +172.93% 收益、-18.44% 回撤、夏普 2.076。结尾我说,下一期把融合接上 buffer 和止损,再跑验证期。 真开始做之前,我先停了一下。九个表现较好的策略,结果散在不同的消融脚本和缓存目录里,参数写在配置字典,信号文件命名不统一。如果换一台机器,或者过两周再回来,这九个数字还能不能原样跑出来?答案是不能。 所以这一期不继续追收益,先把九个策略固化成能一键复现的目录。一个不能复现的回测,和编故事没有区别。 这次交付三样东西:九个策略文件、六份信号文件、一个统一 notebook。九个策略全部跑通,9/9 与预期值逐项对上。 一、为什么先做复现,而不是继续调参 这个系列前两期,一期在清洗币池,一期在修选币接口。到这一期,策略数量已经有九个,继续加参数很容易,但每加一个,复现难度就高一分。 之前的九个策略来自 `robust_ablation.py` 和 `risk_guard_ablation.py` 的配置字典。同样的选币逻辑抄在不同配置里,参数写死。改一个信号,你分不清是信号变了,还是代码路径变了。更麻烦的是,别人看到一个数字,没有办法判断它是哪版代码、哪份信号、哪套参数跑出来的。 复现不是形式主义。它把策略从一次性的脚本输出,变成可以引用、可以对比、可以传给别人检查的文件。后面不管加资金费、加滑点,还是做 walk-forward,都需要一个稳定的起点。 二、九个策略文件:只固定参数,不复制逻辑 新建目录 `alpha/crypto/strategy_catalog/`,九个策略文件放在里面。每个文件对应一个策略: - 融合 top5 - 模型 buf4 止损35 - mom10 top5 多头 buf5 - 模型 buf4 止损10 - 模型 多头 buf5 止损10 - mom10 top5 - 模型 buf4 - 模型 多头 buf5 - mom10 top20 多头 buf5 九个文件都是薄子类,不复制基类逻辑。选币、排名缓冲区、止损状态机仍然在 `CryptoRobustStrategy` 和 `CryptoRobustGuardedStrategy` 里,子类只固定参数。 每个文件统一导出六个对象:策略名、信号族、策略类、回测参数、测试期预期指标、验证期对照值。验证期对照值只有三个 mom10 策略有,模型和融合暂时留空。notebook 靠这些对象自动组装,不需要手写九段回测代码。 为什么不做成九个独立实现?因为九个文件如果各抄一份选币逻辑,就是九个潜在的 bug。改基类只改一处,九个策略同时受益;改参数只改一个文件,不会影响其他八个。 文件头的中文说明写清楚四件事:多空两端怎么选、需要哪族信号和哪些列、固定参数是什么意思、什么情况下这个策略会失效。最后一条很重要。一个策略文件如果只写怎么赚钱,不写什么时候会亏,下次很容易在一个已经坏掉的策略上继续调参。 这里有一个具体的坑。三个止损策略的 `stop_pct` 和 `stop_cooldown` 必须同时写进 `BACKTEST_SETTING`。因为回测 runner 读的是 `setting.get("stop_pct")`,不是类属性。只写在类上,策略自己仍会判止损,但 runner 不会做事后盈亏校正,回测照常出结果,止损日的账却是错的。notebook 里加了断言,类属性和 setting 必须一致,不一致直接报错。 另一个限制是,`CryptoRobustGuardedStrategy` 的 `on_bars` 硬编码了 p5 和 p0,只支持 level 选币,不支持融合选币。九个策略里没有融合加止损,所以这次不改基类,只在三个止损文件的说明里写清楚。以后要做融合加止损,得先把基类的选币接口抽出来。 三、六份信号:三族信号,测试和验证各一份 九个策略共用三族信号,不需要复制九份: - 模型信号:p5、p0、score,来自 LightGBM 五分类模型 - mom10 信号:过去 10 个交易日的动量 - 融合信号:模型分数排名和动量排名各取一半 每族信号有测试段和验证段两份,一共六份文件。 为什么不给每个策略复制一份信号?因为信号是输入,策略是消费方式。同一份模型信号,top5、buffer4、止损10 都是不同的消费方式。复制九份会让 hash 校验失去意义,也容易改了一处忘了另一处。 所有信号共用一套 schema,融合文件多三列诊断列: | 列 | 类型 | 含义 | |---|---|---| | datetime | Datetime("us") | 交易日午夜,naive 时间 | | vt_symbol | String | 合约代码 | | signal | Array(Float64, 6) | 五分类概率 | | p5 | Float64 | signal[5],进入最高一档的概率 | | p0 | Float64 | signal[0],进入最低一档的概率 | | score | Float64 | p5 减 p0 | | mom_return_10 | Float64 | 10 日动量 | | score_rank_pct | Float64 | 模型分数的截面排名分位,仅融合文件 | | mom_rank_pct | Float64 | 动量的截面排名分位,仅融合文件 | | blend_score | Float64 | 两列各半,仅融合文件 | 写入前检查四件事:主键日期加合约唯一;合约与纯加密排除名单交集为空;`signal` 仍然是 `Array(Float64, 6)`,不能变成 `List`;p5、p0、score 三者自洽。 还有一个容易被忽略的点:行序不能动。 选币时如果排名在边界上并列,稳定排序会按原始行序决定谁进谁出。把信号文件按日期或合约排一次序,持仓就可能变,收益也跟着变。所以所有投影和补列都保留源文件行序,禁止排序。这不是代码风格问题,是结果能不能复现的问题。 图 1:测试段每份 8.4 万行,验证段的模型和融合是 8.6 万行,mom10 验证段是 12.0 万行。mom10 验证段行数多,不是币更多,是编码口径不同。 四、mom10 的测试段和验证段,不能互换 这是这次最容易踩的坑。 mom10 测试段用的是数据集裁剪过的 `mom_return_10`,范围压在正负 3 之间。mom10 验证段用的是 risk table 里未裁剪的 `mom10`。两个文件看起来是同一个信号,其实编码不一样。 不能互换,也不能拿其中一个重算另一个。跨段比较之前必须先看口径。把两段结果直接拼在一起,看起来都是 mom10,实际上衡量的不是同一件事。 模型验证段还有另一层限制。VALID 参与了每日 IC 早停,所以 `model_valid` 只能算半样本内。这次模型 `best_iteration` 是 290,验证段每日 IC 是 0.0373。这个数字不能当成干净样本外,后面做验证期结论时要打折。 为了保证训练和投影没有漂移,notebook 里加了一道 test parity 闸门:重新预测测试段,和已经保存的 `model_test` 逐行比较,最大绝对差必须小于 `1e-6`。这次实际差值是 0.0。 五、一个 notebook:校验、加载、回测、对账 统一入口是 `strategy_catalog_backtest.ipynb`。四个开关控制运行方式: - `RUN_SEGMENTS=["test"]`:先只跑测试段 - `FORCE_REBUILD_SIGNALS=False`:信号缺了才重建 - `RETRAIN_MODEL=False`:默认不重训,直接用缓存模型 - `ALLOW_MODEL_MISMATCH=False`:模型对不上就中止,不静默继续 流程分六步: 1. 加载 AlphaLab、CRYPTO.LOCAL 成分和纯加密过滤 2. 校验或生成六份信号 3. 动态导入九个策略模块,组装策略目录 4. 每段加载三族信号和 OHLC,逐个调用回测 runner 5. 写出每个策略的 JSON 指标和逐日净值 parquet 6. 生成对账表,实际值、预期值、差值、通过与否放在一起 回测复用 `risk_guard_ablation.run_config`,不新写 runner。它已经包含止损触发日盈亏替换、次日残余清零、手续费保留和指标重算。如果为了这次目录再写一套回测,两套引擎迟早会跑出两套数字。 对账标准是固定的: - 收益和最大回撤误差不超过 0.01 个百分点 - 夏普误差不超过 0.001 - Calmar 误差不超过 0.01 - 成交数和止损次数精确相等 这次 9/9 全部通过。每个策略的逐日净值都是 457 行,期末权益等于 1000 万乘以 1 加收益率。三个止损策略的止损次数分别是 121、646、652,和策略端记录的止损次数完全一致。 不是差不多,是逐项对上。 六、九个策略的成绩单 把九个策略放在同一张表里,按收益从高到低: | 策略 | 信号 | 收益 | 最大回撤 | 夏普 | 成交数 | 止损次数 | |---|---|---:|---:|---:|---:|---:| | 融合 top5 | 融合 | +172.93% | -18.44% | 2.076 | 7251 | 0 | | mom10 top5 多头 buf5 | mom10 | +152.67% | -30.13% | 1.577 | 5879 | 0 | | 模型 buf4 止损35 | 模型 | +151.47% | -31.42% | 1.635 | 4787 | 121 | | 模型 buf4 | 模型 | +137.55% | -54.80% | 1.368 | 4745 | 0 | | mom10 top5 | mom10 | +134.22% | -39.03% | 1.385 | 6201 | 0 | | 模型 buf4 止损10 | 模型 | +130.86% | -16.25% | 1.906 | 4719 | 646 | | 模型 多头 buf5 | 模型 | +115.08% | -51.89% | 1.174 | 4855 | 0 | | 模型 多头 buf5 止损10 | 模型 | +114.01% | -14.39% | 1.846 | 4743 | 652 | | mom10 top20 多头 buf5 | mom10 | +68.98% | -21.81% | 1.563 | 22474 | 0 | 图 2:左边是收益,右边是回撤绝对值,同一个顺序。橙色是带止损的模型策略,灰色是不带止损的模型策略,蓝色是 mom10,紫色是融合。 图 3:九个策略在同一段测试期、同样 1000 万本金下的净值曲线,共用纵轴。标题里的两个数字是总收益和最大回撤。 几个观察: 第一,融合仍然是第一。收益 +172.93%、回撤 -18.44%、夏普 2.076,三项都是九个策略里最好的。Calmar 7.49,也是唯一一个收益、回撤、夏普同时跑赢 mom10 最好变体的配置。只和 mom10 top5 比的话,模型 buf4 止损35 也能三项都赢,但它跑不过 mom10 多头 buffer5 的 +152.67%。 第二,止损能压回撤,但不能免费。两个 stop10 变体把回撤压到 -14.39% 和 -16.25%,夏普做到 1.846 和 1.906,但上一期已经验证过,stop10 对滑点极敏感,2% 滑点下收益几乎归零。stop35 收益 +151.47%、回撤 -31.42%,更稳,适合滑点不确定的场景。 第三,模型基线变体的回撤还在 -52% 到 -55%。buffer 把收益从负的做到 +115% 到 +137%,但没有解决尾部风险。收益改善和风险改善是两件事,不能因为收益变正就忽略回撤。 第四,mom10 top20 的收益最低,只有 +68.98%,成交 22474 次,是九个策略里交易最频繁的。持仓放宽不等于更好,交易成本会吃掉一部分收益。这也是后面必须把成本算进去的原因。 这个目录展示的是取舍,不是只有一个赢家。选哪个,取决于资金规模、滑点水平、回撤容忍度和调仓成本。 七、复现记录:commit、版本、hash 每次运行都会在 notebook 里生成一份复现记录,这次的内容是: - 运行时间:2026-10-20T09:39:45 - git commit:`261a7147ed6810bd4e7a76397a9149f7353a6470` - 工作区状态:有未提交改动 - Python 3.13.13,polars 1.41.2,lightgbm 4.6.0,vnpy 4.4.0 - 模型 `best_iteration`:290 - 验证段每日 IC:0.03727 - 测试段 parity 最大绝对差:0.0 六份信号的 SHA256 也全部记录: | 信号文件 | SHA256 前 12 位 | |---|---| | model_test | c8e9e5642a78 | | model_valid | 77e53a0a794b | | mom10_test | d59cf2be7a10 | | mom10_valid | 70e25941c252 | | blend_mom10_test | 1d5b40457ab2 | | blend_mom10_valid | c379b7b1bab9 | 工作区状态是有未提交改动,这一点要诚实写出来。它意味着这次结果对应的代码不是干净的 commit,严格来说,别人拿到 commit 号还不一定能完全还原。下次跑之前应该先提交,或者把 diff 一起存下来。复现记录的价值不在于好看,而在于把差异留在可追踪的地方。 下次有人问这个数字怎么来的,不用解释,把运行记录、信号 hash 和 notebook 一起给他。 八、边界和下一期 先把水分挤掉。 九个结果全部是测试期单段,2025 年 7 月到 2026 年 9 月,457 天。参数也是在这段测试期里反复选的,不是干净样本外。9/9 复现只证明代码和信号能复现这个数字,不证明这个数字能复现到未来。 模型验证段是半样本内,因为 VALID 参与了早停。mom10 验证段的币池和模型验证段不一样,跨族结果不能直接比较。资金费、强平、真实滑点、新币和低流动性过滤,这次都还没算。 下一期做三件事:把融合信号接上 buffer 和止损,跑验证期,再做 walk-forward。如果验证期站不住,+172.93% 就只是一个好看的测试期数字,得回来改。 复现不是终点,是起点。先把地基打完,再盖楼。 这个量化实验室会继续公开记录,从数据、因子到风控。觉得有用可以收藏,下一期见。 #量化交易 #因子研究 #Alpha策略 #Beta中性 #加密货币
# 九个策略,一个 notebook:+172.93% 的回测必须能一键复现
上一期把模型分数和动量各取一半,测试期做到 +172.93% 收益、-18.44% 回撤、夏普 2.076。结尾我说,下一期把融合接上 buffer 和止损,再跑验证期。
真开始做之前,我先停了一下。九个表现较好的策略,结果散在不同的消融脚本和缓存目录里,参数写在配置字典,信号文件命名不统一。如果换一台机器,或者过两周再回来,这九个数字还能不能原样跑出来?答案是不能。
所以这一期不继续追收益,先把九个策略固化成能一键复现的目录。一个不能复现的回测,和编故事没有区别。
这次交付三样东西:九个策略文件、六份信号文件、一个统一 notebook。九个策略全部跑通,9/9 与预期值逐项对上。
一、为什么先做复现,而不是继续调参
这个系列前两期,一期在清洗币池,一期在修选币接口。到这一期,策略数量已经有九个,继续加参数很容易,但每加一个,复现难度就高一分。
之前的九个策略来自 `robust_ablation.py` 和 `risk_guard_ablation.py` 的配置字典。同样的选币逻辑抄在不同配置里,参数写死。改一个信号,你分不清是信号变了,还是代码路径变了。更麻烦的是,别人看到一个数字,没有办法判断它是哪版代码、哪份信号、哪套参数跑出来的。
复现不是形式主义。它把策略从一次性的脚本输出,变成可以引用、可以对比、可以传给别人检查的文件。后面不管加资金费、加滑点,还是做 walk-forward,都需要一个稳定的起点。
二、九个策略文件:只固定参数,不复制逻辑
新建目录 `alpha/crypto/strategy_catalog/`,九个策略文件放在里面。每个文件对应一个策略:
- 融合 top5
- 模型 buf4 止损35
- mom10 top5 多头 buf5
- 模型 buf4 止损10
- 模型 多头 buf5 止损10
- mom10 top5
- 模型 buf4
- 模型 多头 buf5
- mom10 top20 多头 buf5
九个文件都是薄子类,不复制基类逻辑。选币、排名缓冲区、止损状态机仍然在 `CryptoRobustStrategy` 和 `CryptoRobustGuardedStrategy` 里,子类只固定参数。
每个文件统一导出六个对象:策略名、信号族、策略类、回测参数、测试期预期指标、验证期对照值。验证期对照值只有三个 mom10 策略有,模型和融合暂时留空。notebook 靠这些对象自动组装,不需要手写九段回测代码。
为什么不做成九个独立实现?因为九个文件如果各抄一份选币逻辑,就是九个潜在的 bug。改基类只改一处,九个策略同时受益;改参数只改一个文件,不会影响其他八个。
文件头的中文说明写清楚四件事:多空两端怎么选、需要哪族信号和哪些列、固定参数是什么意思、什么情况下这个策略会失效。最后一条很重要。一个策略文件如果只写怎么赚钱,不写什么时候会亏,下次很容易在一个已经坏掉的策略上继续调参。
这里有一个具体的坑。三个止损策略的 `stop_pct` 和 `stop_cooldown` 必须同时写进 `BACKTEST_SETTING`。因为回测 runner 读的是 `setting.get("stop_pct")`,不是类属性。只写在类上,策略自己仍会判止损,但 runner 不会做事后盈亏校正,回测照常出结果,止损日的账却是错的。notebook 里加了断言,类属性和 setting 必须一致,不一致直接报错。
另一个限制是,`CryptoRobustGuardedStrategy` 的 `on_bars` 硬编码了 p5 和 p0,只支持 level 选币,不支持融合选币。九个策略里没有融合加止损,所以这次不改基类,只在三个止损文件的说明里写清楚。以后要做融合加止损,得先把基类的选币接口抽出来。
三、六份信号:三族信号,测试和验证各一份
九个策略共用三族信号,不需要复制九份:
- 模型信号:p5、p0、score,来自 LightGBM 五分类模型
- mom10 信号:过去 10 个交易日的动量
- 融合信号:模型分数排名和动量排名各取一半
每族信号有测试段和验证段两份,一共六份文件。
为什么不给每个策略复制一份信号?因为信号是输入,策略是消费方式。同一份模型信号,top5、buffer4、止损10 都是不同的消费方式。复制九份会让 hash 校验失去意义,也容易改了一处忘了另一处。
所有信号共用一套 schema,融合文件多三列诊断列:
| 列 | 类型 | 含义 |
|---|---|---|
| datetime | Datetime("us") | 交易日午夜,naive 时间 |
| vt_symbol | String | 合约代码 |
| signal | Array(Float64, 6) | 五分类概率 |
| p5 | Float64 | signal[5],进入最高一档的概率 |
| p0 | Float64 | signal[0],进入最低一档的概率 |
| score | Float64 | p5 减 p0 |
| mom_return_10 | Float64 | 10 日动量 |
| score_rank_pct | Float64 | 模型分数的截面排名分位,仅融合文件 |
| mom_rank_pct | Float64 | 动量的截面排名分位,仅融合文件 |
| blend_score | Float64 | 两列各半,仅融合文件 |
写入前检查四件事:主键日期加合约唯一;合约与纯加密排除名单交集为空;`signal` 仍然是 `Array(Float64, 6)`,不能变成 `List`;p5、p0、score 三者自洽。
还有一个容易被忽略的点:行序不能动。
选币时如果排名在边界上并列,稳定排序会按原始行序决定谁进谁出。把信号文件按日期或合约排一次序,持仓就可能变,收益也跟着变。所以所有投影和补列都保留源文件行序,禁止排序。这不是代码风格问题,是结果能不能复现的问题。
图 1:测试段每份 8.4 万行,验证段的模型和融合是 8.6 万行,mom10 验证段是 12.0 万行。mom10 验证段行数多,不是币更多,是编码口径不同。
四、mom10 的测试段和验证段,不能互换
这是这次最容易踩的坑。
mom10 测试段用的是数据集裁剪过的 `mom_return_10`,范围压在正负 3 之间。mom10 验证段用的是 risk table 里未裁剪的 `mom10`。两个文件看起来是同一个信号,其实编码不一样。
不能互换,也不能拿其中一个重算另一个。跨段比较之前必须先看口径。把两段结果直接拼在一起,看起来都是 mom10,实际上衡量的不是同一件事。
模型验证段还有另一层限制。VALID 参与了每日 IC 早停,所以 `model_valid` 只能算半样本内。这次模型 `best_iteration` 是 290,验证段每日 IC 是 0.0373。这个数字不能当成干净样本外,后面做验证期结论时要打折。
为了保证训练和投影没有漂移,notebook 里加了一道 test parity 闸门:重新预测测试段,和已经保存的 `model_test` 逐行比较,最大绝对差必须小于 `1e-6`。这次实际差值是 0.0。
五、一个 notebook:校验、加载、回测、对账
统一入口是 `strategy_catalog_backtest.ipynb`。四个开关控制运行方式:
- `RUN_SEGMENTS=["test"]`:先只跑测试段
- `FORCE_REBUILD_SIGNALS=False`:信号缺了才重建
- `RETRAIN_MODEL=False`:默认不重训,直接用缓存模型
- `ALLOW_MODEL_MISMATCH=False`:模型对不上就中止,不静默继续
流程分六步:
1. 加载 AlphaLab、CRYPTO.LOCAL 成分和纯加密过滤
2. 校验或生成六份信号
3. 动态导入九个策略模块,组装策略目录
4. 每段加载三族信号和 OHLC,逐个调用回测 runner
5. 写出每个策略的 JSON 指标和逐日净值 parquet
6. 生成对账表,实际值、预期值、差值、通过与否放在一起
回测复用 `risk_guard_ablation.run_config`,不新写 runner。它已经包含止损触发日盈亏替换、次日残余清零、手续费保留和指标重算。如果为了这次目录再写一套回测,两套引擎迟早会跑出两套数字。
对账标准是固定的:
- 收益和最大回撤误差不超过 0.01 个百分点
- 夏普误差不超过 0.001
- Calmar 误差不超过 0.01
- 成交数和止损次数精确相等
这次 9/9 全部通过。每个策略的逐日净值都是 457 行,期末权益等于 1000 万乘以 1 加收益率。三个止损策略的止损次数分别是 121、646、652,和策略端记录的止损次数完全一致。
不是差不多,是逐项对上。
六、九个策略的成绩单
把九个策略放在同一张表里,按收益从高到低:
| 策略 | 信号 | 收益 | 最大回撤 | 夏普 | 成交数 | 止损次数 |
|---|---|---:|---:|---:|---:|---:|
| 融合 top5 | 融合 | +172.93% | -18.44% | 2.076 | 7251 | 0 |
| mom10 top5 多头 buf5 | mom10 | +152.67% | -30.13% | 1.577 | 5879 | 0 |
| 模型 buf4 止损35 | 模型 | +151.47% | -31.42% | 1.635 | 4787 | 121 |
| 模型 buf4 | 模型 | +137.55% | -54.80% | 1.368 | 4745 | 0 |
| mom10 top5 | mom10 | +134.22% | -39.03% | 1.385 | 6201 | 0 |
| 模型 buf4 止损10 | 模型 | +130.86% | -16.25% | 1.906 | 4719 | 646 |
| 模型 多头 buf5 | 模型 | +115.08% | -51.89% | 1.174 | 4855 | 0 |
| 模型 多头 buf5 止损10 | 模型 | +114.01% | -14.39% | 1.846 | 4743 | 652 |
| mom10 top20 多头 buf5 | mom10 | +68.98% | -21.81% | 1.563 | 22474 | 0 |
图 2:左边是收益,右边是回撤绝对值,同一个顺序。橙色是带止损的模型策略,灰色是不带止损的模型策略,蓝色是 mom10,紫色是融合。
图 3:九个策略在同一段测试期、同样 1000 万本金下的净值曲线,共用纵轴。标题里的两个数字是总收益和最大回撤。
几个观察:
第一,融合仍然是第一。收益 +172.93%、回撤 -18.44%、夏普 2.076,三项都是九个策略里最好的。Calmar 7.49,也是唯一一个收益、回撤、夏普同时跑赢 mom10 最好变体的配置。只和 mom10 top5 比的话,模型 buf4 止损35 也能三项都赢,但它跑不过 mom10 多头 buffer5 的 +152.67%。
第二,止损能压回撤,但不能免费。两个 stop10 变体把回撤压到 -14.39% 和 -16.25%,夏普做到 1.846 和 1.906,但上一期已经验证过,stop10 对滑点极敏感,2% 滑点下收益几乎归零。stop35 收益 +151.47%、回撤 -31.42%,更稳,适合滑点不确定的场景。
第三,模型基线变体的回撤还在 -52% 到 -55%。buffer 把收益从负的做到 +115% 到 +137%,但没有解决尾部风险。收益改善和风险改善是两件事,不能因为收益变正就忽略回撤。
第四,mom10 top20 的收益最低,只有 +68.98%,成交 22474 次,是九个策略里交易最频繁的。持仓放宽不等于更好,交易成本会吃掉一部分收益。这也是后面必须把成本算进去的原因。
这个目录展示的是取舍,不是只有一个赢家。选哪个,取决于资金规模、滑点水平、回撤容忍度和调仓成本。
七、复现记录:commit、版本、hash
每次运行都会在 notebook 里生成一份复现记录,这次的内容是:
- 运行时间:2026-10-20T09:39:45
- git commit:`261a7147ed6810bd4e7a76397a9149f7353a6470`
- 工作区状态:有未提交改动
- Python 3.13.13,polars 1.41.2,lightgbm 4.6.0,vnpy 4.4.0
- 模型 `best_iteration`:290
- 验证段每日 IC:0.03727
- 测试段 parity 最大绝对差:0.0
六份信号的 SHA256 也全部记录:
| 信号文件 | SHA256 前 12 位 |
|---|---|
| model_test | c8e9e5642a78 |
| model_valid | 77e53a0a794b |
| mom10_test | d59cf2be7a10 |
| mom10_valid | 70e25941c252 |
| blend_mom10_test | 1d5b40457ab2 |
| blend_mom10_valid | c379b7b1bab9 |
工作区状态是有未提交改动,这一点要诚实写出来。它意味着这次结果对应的代码不是干净的 commit,严格来说,别人拿到 commit 号还不一定能完全还原。下次跑之前应该先提交,或者把 diff 一起存下来。复现记录的价值不在于好看,而在于把差异留在可追踪的地方。
下次有人问这个数字怎么来的,不用解释,把运行记录、信号 hash 和 notebook 一起给他。
八、边界和下一期
先把水分挤掉。
九个结果全部是测试期单段,2025 年 7 月到 2026 年 9 月,457 天。参数也是在这段测试期里反复选的,不是干净样本外。9/9 复现只证明代码和信号能复现这个数字,不证明这个数字能复现到未来。
模型验证段是半样本内,因为 VALID 参与了早停。mom10 验证段的币池和模型验证段不一样,跨族结果不能直接比较。资金费、强平、真实滑点、新币和低流动性过滤,这次都还没算。
下一期做三件事:把融合信号接上 buffer 和止损,跑验证期,再做 walk-forward。如果验证期站不住,+172.93% 就只是一个好看的测试期数字,得回来改。
复现不是终点,是起点。先把地基打完,再盖楼。
这个量化实验室会继续公开记录,从数据、因子到风控。觉得有用可以收藏,下一期见。
#量化交易
#因子研究
#Alpha策略
#Beta中性
#加密货币
空杯之心
·
--
上一期基线还是 -5.5%,这一期我让模型和动量各取一半,做到 +172.93%上一期基线还是 -5.5%,这一期我让模型和动量各取一半,做到 +172.93% 上一期结尾我说,下一集补资金费和滑点。写完那篇之后我先停了一下,因为有一个更基本的问题没解决:模型的每日 IC 是正的,为什么按它选币还是亏。这个问题不解决,补资金费只是在给一个错误的策略算成本。 这一期先回答这个问题。答案不在模型,在选币规则。把规则改对之后,模型和动量各取一半,测试期做到 +172.93% 收益、-18.44% 回撤、夏普 2.076。先别急着高兴,后面会讲这个数字有多少水分。 一、一个矛盾:IC 正,策略亏 上一期全链路重建之后,干净基线是 -5.52% 收益、-91.61% 回撤。但同一版模型在测试集的每日 IC 是 +0.0336,ICIR 5.91。IC 为正,说明预测分数和未来收益的排序是有关系的。策略却亏钱,说明我把分数变成持仓的那一步出了问题。 这不是模型不行,是接口错了。 二、根因:训练用 score,选币用 p5 和 p0 模型是五分类,p5 是未来收益进入最高一档的概率,p0 是进入最低一档的概率。训练和 IC 评估用的是 score = p5 − p0。 但策略做多按 p5 从高到低选,做空按 p0 从高到低选。 问题在于,p5 和 p0 的逐日截面相关高达 +0.82。一个币完全可以同时 p5 很高、p0 也很高。它表达的不是这个币会涨,而是这个币会剧烈波动。按 p5 绝对值选多,选出来的是极端币,不是看涨币。 所以模型在预测方向,策略在选波动。IC 为正和策略亏钱,在这里并不矛盾。 图 1:左边是全部 8.4 万个样本的 p5 和 p0,点云明显贴着对角线;右边是模型分数和动量的排名相关,一个正一个负。 三、score 单独排序,权益穿零 第一反应很直接,既然训练用 score,那选币也按 score 排。多头选 score 最高的 5 个,空头选最低的 5 个。 结果更糟: - 多空都按 score:-110.67% 收益,-154.83% 回撤 - 只改多头:-75.08% 收益,-114.98% 回撤 - 只改空头:-43.20% 收益,-109.29% 回撤 三组权益都穿零,指标已经失真,实盘就是爆仓。放宽到 top10 稍微好一点,但仍然亏,-18.77% 收益、-53.34% 回撤。给 score 多头加 buffer5,也是 -83.11%,权益穿零。 score 单独排序不是解药。score 和 mom10 的截面排名相关是 -0.41,它本质上偏反转,在测试期这种动量占优的行情里,单独用就是逆势。 四、组合构建:topN 没用,buffer 有用 既然选币方向不是唯一问题,就把组合构建也扫一遍。 放宽持仓数没有用。模型 top10 是 -27.85% 收益、-54.89% 回撤,top20 是 -4.48% 收益、-38.06% 回撤。放宽只是稀释,不能把负 alpha 变正。 排名缓冲区有效。buffer4 是 +137.55% 收益、-54.80% 回撤、夏普 1.368。buffer3 到 buffer15 是一段宽正平台,buffer3 +72.36%,buffer5 +119.82%,buffer6 +103.74%,buffer7 +94.12%,buffer8 +99.20%,buffer10 +86.25%,buffer15 +86.38%。 原因在方向拆解里。模型 top5 的多头腿是 -87.7 万,空头腿是 +32.5 万,多头在慢性失血。缓冲区让已经持有的赢家多拿一段,不因为排名在边界附近来回换手。对称 buffer5 的多头腿做到 +1240.7 万。 但缓冲区只能用在多头。空头单边 buffer5 的权益穿零,2026 年 3 月最低 -70.9 万,实盘已经爆仓。空头端不能靠缓冲区。 安慰剂测试也做了。打乱信号之后,top5 是 -33.25%,buffer4 是 -47.65%,说明缓冲区不是从噪声里造 alpha。但随机分数也能跑出 +33.41% 和 +45.79%,所以单期正收益的方差很大,不能看到一个好看的数字就下结论。 五、泼一盆冷水:mom10 单因子跑赢模型 在继续调模型之前,先用同口径跑了一个单因子基准,mom10,也就是过去 10 个交易日的动量。 mom10 top5 是 +134.22% 收益、-39.03% 回撤、夏普 1.385。再加多头 buffer5 是 +152.67% 收益、-30.13% 回撤、夏普 1.577。 模型基线是 -5.52%。模型 p5 和 mom10 的截面排名相关只有 +0.31,top5 日重合 23.3%。 也就是说,模型和动量有一部分重合,但重合不多,单独用还不如动量。模型的正 IC 可能主要来自中间档,极端多空两端没有可交易的 alpha。模型还没有证明自己有增量价值。 把前面这些配置放到一张收益回撤图上,位置很清楚。越往左上越好:score 多空在右下角,融合在左上角。 图 2:每个点是一个配置,横轴是最大回撤,纵轴是总收益。score 多空权益穿零,指标已经失真。 六、融合:两个几乎相反的信号各取一半 真正有意思的是两者的关系。score 和 mom10 的截面排名相关是 -0.41,一个偏反转,一个偏动量,几乎在打架。 既然单独用都不够好,那就各取一半。每天把 score 的截面排名分位和 mom10 的截面排名分位各乘 0.5,相加得到融合分,多头选融合分最高的 5 个,空头选最低的 5 个。其余口径不变。 结果: - 收益 +172.93% - 最大回撤 -18.44% - 夏普 2.076 - Calmar 7.49 - 五个季度全部为正,分别是 +53.9 万、+373.4 万、+535.8 万、+97.2 万、+669.0 万 多空腿拆开看,融合多头 +704.0 万,空头 +1025.3 万。mom10 自己的多头腿是 -184.9 万,融合把这条亏损的多头腿翻正了,空头端仍然靠动量。 融合多头和 mom10 多头的持仓重合只有 7.0%,和 score 多头重合 19.3%。融合空头和 mom10 空头重合 25.2%,和 score 空头只重合 5.8%。它不是动量策略的变体,是把两条不同的腿拼在一起。 收益、回撤、夏普三项都跑赢 mom10,这是目前唯一做到的配置。 图 3:左边是融合的季度净盈亏,五个季度全部为正;右边是三条策略的多空腿对比,融合把 mom10 亏损的多头腿翻正了。 图 4:同一段测试期,1000 万本金。融合的终值是 2729 万,回撤明显比模型 buffer4 和 mom10 更浅。 七、加上 buffer 和止损 在模型信号上,buffer 和止损的组合也跑了一轮。 - buffer4 加 stop10:+130.86% 收益、-16.25% 回撤、夏普 1.906、Calmar 6.43,646 次止损 - buffer4 加 stop35:+151.47% 收益、-31.42% 回撤、夏普 1.635、Calmar 3.85,121 次止损 止损对滑点很敏感。buffer4 加 stop10 在 1% 滑点下是 +66.10% 收益、-22.76% 回撤,2% 滑点只剩 +1.35% 收益、-48.76% 回撤。buffer4 加 stop35 在 2% 滑点下还有 +126.40% 收益、-37.00% 回撤。 所以低滑点用 stop10,滑点不确定用 stop35。 还有一个反直觉的点。止损触发日多数是亏钱的,收益改善主要来自触发后的换仓路径,不是当天少亏。这一点和上一期的结论一致,止损的价值在于截断之后的路径,不在触发那一刻的账。 注意,这一层是在模型信号上做的,不是融合信号。融合加 buffer、止损还没跑。 图 5:stop10 的收益从 131% 掉到 1%,stop35 从 151% 只掉到 126%。触发次数越多,滑点侵蚀越重。 八、边界和下一期 先把水分挤掉。 全部是测试期单段结果,2025 年 7 月到 2026 年 9 月,457 天。参数也是在这段测试期里反复选的,不是干净样本外。融合的 50/50 权重和 mom10 窗口没做敏感性。融合还没和 buffer、止损组合。重复止损没量化。新币和低流动性过滤没做。资金费、强平、真实滑点都没算。 融合的收益也很集中,前 10 个交易日贡献 65.7% 的净盈亏。这个集中度意味着,换一段样本,结果可能差很多。 下一集把融合信号接上 buffer 和止损,跑验证期和 walk-forward。验证期站不住,+172.93% 就只是一个好看的测试期数字。 如果你也在做 $BTC、$ETH 这类永续策略,可以先检查一件事:训练用的分数和选币用的分数是不是同一个。如果不是,先别调参,先把接口对齐。 这个量化实验室会继续公开记录,从数据、因子到风控。觉得有用可以收藏,下一期见。 #量化交易 #因子研究 #Alpha策略 #Beta中性
上一期基线还是 -5.5%,这一期我让模型和动量各取一半,做到 +172.93%
上一期基线还是 -5.5%,这一期我让模型和动量各取一半,做到 +172.93%
上一期结尾我说,下一集补资金费和滑点。写完那篇之后我先停了一下,因为有一个更基本的问题没解决:模型的每日 IC 是正的,为什么按它选币还是亏。这个问题不解决,补资金费只是在给一个错误的策略算成本。
这一期先回答这个问题。答案不在模型,在选币规则。把规则改对之后,模型和动量各取一半,测试期做到 +172.93% 收益、-18.44% 回撤、夏普 2.076。先别急着高兴,后面会讲这个数字有多少水分。
一、一个矛盾:IC 正,策略亏
上一期全链路重建之后,干净基线是 -5.52% 收益、-91.61% 回撤。但同一版模型在测试集的每日 IC 是 +0.0336,ICIR 5.91。IC 为正,说明预测分数和未来收益的排序是有关系的。策略却亏钱,说明我把分数变成持仓的那一步出了问题。
这不是模型不行,是接口错了。
二、根因:训练用 score,选币用 p5 和 p0
模型是五分类,p5 是未来收益进入最高一档的概率,p0 是进入最低一档的概率。训练和 IC 评估用的是 score = p5 − p0。
但策略做多按 p5 从高到低选,做空按 p0 从高到低选。
问题在于,p5 和 p0 的逐日截面相关高达 +0.82。一个币完全可以同时 p5 很高、p0 也很高。它表达的不是这个币会涨,而是这个币会剧烈波动。按 p5 绝对值选多,选出来的是极端币,不是看涨币。
所以模型在预测方向,策略在选波动。IC 为正和策略亏钱,在这里并不矛盾。
图 1:左边是全部 8.4 万个样本的 p5 和 p0,点云明显贴着对角线;右边是模型分数和动量的排名相关,一个正一个负。
三、score 单独排序,权益穿零
第一反应很直接,既然训练用 score,那选币也按 score 排。多头选 score 最高的 5 个,空头选最低的 5 个。
结果更糟:
- 多空都按 score:-110.67% 收益,-154.83% 回撤
- 只改多头:-75.08% 收益,-114.98% 回撤
- 只改空头:-43.20% 收益,-109.29% 回撤
三组权益都穿零,指标已经失真,实盘就是爆仓。放宽到 top10 稍微好一点,但仍然亏,-18.77% 收益、-53.34% 回撤。给 score 多头加 buffer5,也是 -83.11%,权益穿零。
score 单独排序不是解药。score 和 mom10 的截面排名相关是 -0.41,它本质上偏反转,在测试期这种动量占优的行情里,单独用就是逆势。
四、组合构建:topN 没用,buffer 有用
既然选币方向不是唯一问题,就把组合构建也扫一遍。
放宽持仓数没有用。模型 top10 是 -27.85% 收益、-54.89% 回撤,top20 是 -4.48% 收益、-38.06% 回撤。放宽只是稀释,不能把负 alpha 变正。
排名缓冲区有效。buffer4 是 +137.55% 收益、-54.80% 回撤、夏普 1.368。buffer3 到 buffer15 是一段宽正平台,buffer3 +72.36%,buffer5 +119.82%,buffer6 +103.74%,buffer7 +94.12%,buffer8 +99.20%,buffer10 +86.25%,buffer15 +86.38%。
原因在方向拆解里。模型 top5 的多头腿是 -87.7 万,空头腿是 +32.5 万,多头在慢性失血。缓冲区让已经持有的赢家多拿一段,不因为排名在边界附近来回换手。对称 buffer5 的多头腿做到 +1240.7 万。
但缓冲区只能用在多头。空头单边 buffer5 的权益穿零,2026 年 3 月最低 -70.9 万,实盘已经爆仓。空头端不能靠缓冲区。
安慰剂测试也做了。打乱信号之后,top5 是 -33.25%,buffer4 是 -47.65%,说明缓冲区不是从噪声里造 alpha。但随机分数也能跑出 +33.41% 和 +45.79%,所以单期正收益的方差很大,不能看到一个好看的数字就下结论。
五、泼一盆冷水:mom10 单因子跑赢模型
在继续调模型之前,先用同口径跑了一个单因子基准,mom10,也就是过去 10 个交易日的动量。
mom10 top5 是 +134.22% 收益、-39.03% 回撤、夏普 1.385。再加多头 buffer5 是 +152.67% 收益、-30.13% 回撤、夏普 1.577。
模型基线是 -5.52%。模型 p5 和 mom10 的截面排名相关只有 +0.31,top5 日重合 23.3%。
也就是说,模型和动量有一部分重合,但重合不多,单独用还不如动量。模型的正 IC 可能主要来自中间档,极端多空两端没有可交易的 alpha。模型还没有证明自己有增量价值。
把前面这些配置放到一张收益回撤图上,位置很清楚。越往左上越好:score 多空在右下角,融合在左上角。
图 2:每个点是一个配置,横轴是最大回撤,纵轴是总收益。score 多空权益穿零,指标已经失真。
六、融合:两个几乎相反的信号各取一半
真正有意思的是两者的关系。score 和 mom10 的截面排名相关是 -0.41,一个偏反转,一个偏动量,几乎在打架。
既然单独用都不够好,那就各取一半。每天把 score 的截面排名分位和 mom10 的截面排名分位各乘 0.5,相加得到融合分,多头选融合分最高的 5 个,空头选最低的 5 个。其余口径不变。
结果:
- 收益 +172.93%
- 最大回撤 -18.44%
- 夏普 2.076
- Calmar 7.49
- 五个季度全部为正,分别是 +53.9 万、+373.4 万、+535.8 万、+97.2 万、+669.0 万
多空腿拆开看,融合多头 +704.0 万,空头 +1025.3 万。mom10 自己的多头腿是 -184.9 万,融合把这条亏损的多头腿翻正了,空头端仍然靠动量。
融合多头和 mom10 多头的持仓重合只有 7.0%,和 score 多头重合 19.3%。融合空头和 mom10 空头重合 25.2%,和 score 空头只重合 5.8%。它不是动量策略的变体,是把两条不同的腿拼在一起。
收益、回撤、夏普三项都跑赢 mom10,这是目前唯一做到的配置。
图 3:左边是融合的季度净盈亏,五个季度全部为正;右边是三条策略的多空腿对比,融合把 mom10 亏损的多头腿翻正了。
图 4:同一段测试期,1000 万本金。融合的终值是 2729 万,回撤明显比模型 buffer4 和 mom10 更浅。
七、加上 buffer 和止损
在模型信号上,buffer 和止损的组合也跑了一轮。
- buffer4 加 stop10:+130.86% 收益、-16.25% 回撤、夏普 1.906、Calmar 6.43,646 次止损
- buffer4 加 stop35:+151.47% 收益、-31.42% 回撤、夏普 1.635、Calmar 3.85,121 次止损
止损对滑点很敏感。buffer4 加 stop10 在 1% 滑点下是 +66.10% 收益、-22.76% 回撤,2% 滑点只剩 +1.35% 收益、-48.76% 回撤。buffer4 加 stop35 在 2% 滑点下还有 +126.40% 收益、-37.00% 回撤。
所以低滑点用 stop10,滑点不确定用 stop35。
还有一个反直觉的点。止损触发日多数是亏钱的,收益改善主要来自触发后的换仓路径,不是当天少亏。这一点和上一期的结论一致,止损的价值在于截断之后的路径,不在触发那一刻的账。
注意,这一层是在模型信号上做的,不是融合信号。融合加 buffer、止损还没跑。
图 5:stop10 的收益从 131% 掉到 1%,stop35 从 151% 只掉到 126%。触发次数越多,滑点侵蚀越重。
八、边界和下一期
先把水分挤掉。
全部是测试期单段结果,2025 年 7 月到 2026 年 9 月,457 天。参数也是在这段测试期里反复选的,不是干净样本外。融合的 50/50 权重和 mom10 窗口没做敏感性。融合还没和 buffer、止损组合。重复止损没量化。新币和低流动性过滤没做。资金费、强平、真实滑点都没算。
融合的收益也很集中,前 10 个交易日贡献 65.7% 的净盈亏。这个集中度意味着,换一段样本,结果可能差很多。
下一集把融合信号接上 buffer 和止损,跑验证期和 walk-forward。验证期站不住,+172.93% 就只是一个好看的测试期数字。
如果你也在做 $BTC、$ETH 这类永续策略,可以先检查一件事:训练用的分数和选币用的分数是不是同一个。如果不是,先别调参,先把接口对齐。
这个量化实验室会继续公开记录,从数据、因子到风控。觉得有用可以收藏,下一期见。
#量化交易
#因子研究
#Alpha策略
#Beta中性
BTC
-1.00%
ETH
-1.33%
空杯之心
·
--
上一期我说 25% 是止损甜点,这一期要收回:加密池里混着 AAPL、TSLA 和黄金上一期我写了一版加密永续风控的复盘。一个收益 62% 的策略,最大回撤 73%,加了一条 25% 的单币止损后,收益做到 109%,回撤压到 27%。当时的结论是,25% 是止损宽度的甜点,少即是多。 发完之后我没有马上写下一期,而是回头查了一件事,这些合约到底是什么。结果发现,币安的加密永续池里混着代币化美股、ETF、黄金、原油和稳定币。AAPL、TSLA、NVDA、SPY、XAU、USDC 都在里面,7×24 交易,日线结构和永续没有任何区别。 这一期要把上一期的结论收回。把池子和截面全部洗干净之后,同一套流程、同一套参数,模型在干净数据上重新训练,基线是 -5.52% 收益、-91.61% 回撤。25% 的甜点不成立了。 一、上一期我们停在哪里 先给没看过上一期的朋友补一下背景。 策略做币安 USDT-M 永续,日线,多空各取 5 个币等权,每天调仓,手续费按 5bp 算,资金费成本还没进回测。1000 万模拟资金,2025 年 7 月到 2026 年 9 月,457 个交易日。 基线是 62% 收益、73% 回撤。把每天每个币的盈亏拉出来归因,回撤不是慢慢磨出来的,是九笔单币单日突袭,八笔加起来亏掉 873 万,比整段利润还多。 加了一条 25% 的单币止损后,收益 109%,回撤 27%,夏普从 0.88 到 1.50,Calmar 从 0.68 到 3.2,一共触发 192 次。1% 和 2% 滑点下收益还有 89.6% 和 69.9%。15% 触发太频繁,383 次,1% 滑点下只剩 66.9%。30% 和 35% 太松,回撤反弹到 34% 和 40%。所以我当时说,25% 是甜点。 这一期要在这个结论上打一个问号。如果池子本身不干净,止损宽度的排序还有意义吗。 二、池子里混进了什么 币安 895 个日线合约里,217 个不是加密货币。 包括代币化美股 AAPL、TSLA、NVDA,代币化 ETF SPY、QQQ、SOXL,还有黄金 XAU、原油 CL、外汇、pre-IPO 股权和稳定币 USDC。它们和永续合约共用一套撮合,7×24 交易,日线结构完全一样。建池脚本只按成交额筛选,没有做资产类型过滤,所以根本分不出来。 其中 73 个真的进了候选池,31 个被选进过持仓,占了 295 个持仓日。总共 3208 个持仓日,比例 9.2%。 这些合约不是利润来源,合计还亏了 29.6 万。但它们占了近一成槽位,改变了选币路径、止损触发和冷静期。参数排序是路径依赖的,路径被改写,25% 这个甜点就可能是假的。 三、第一轮清洗,我差点就发了 第一轮的做法很直接,只在信号层按行删掉这些合约,标的从 734 个降到 661 个,重跑。 结果是基线 +62.86% / -68.32%,止损 15% +96.31% / -25.43%,止损 35% +120.89% / -36.31%。 25% 不再是甜点,15% 和 35% 两端都更好。我写好了一版发布稿,准备说池子洗干净后结论变了。 但发之前我又逐日核对了一遍,发现不对。 四、为什么只删行不够 非加密合约不只在 2026 年的测试段: - TRAIN 段有 USDC,50 个符号日 - VALID 段有 PAXG 77 个符号日,加 USDC 31 个,共 108 个 - TEST 段有 73 个非加密符号,7847 个符号日 TRAIN 加 VALID 一共 158 个符号日,看起来像噪声。但我的标签是每日截面分位,特征也做了每日截面 robust 归一化,用的是当天全市场的中位数和 MAD。 多一个低波动的稳定币或者黄金合约,当天的中位数和 MAD 就变了,所有币的标签分位和归一化后的特征值也跟着变。一个合约就能把当天所有币的分数重排。 所以污染的不是那 158 行,是这些符号日里所有币的截面。只按行删数据,行删干净了,数值还是脏的。等于把用混合截面算出来的数,留在了干净的行上。 这也解释了为什么第一轮的 +62.9% 不能信。它不是策略真变好了,而是数据集里还留着脏数值。 五、全链路重建做了什么 这次没有只改信号层,而是从原始数据一路重建。 清掉的层包括: - daily 895 个 parquet 降到 678 - contract.json 895 个键降到 678 - component/CRYPTO.LOCAL 从 735 个符号降到 662 个,2473 个交易日 - parsed klines 从 610916 行降到 586158 行 - parsed funding 和 funding_df 从 625566 行降到 602221 行 - signal 从 92235 行、582 个符号降到 84388 行、509 个符号 - risk table 从 610916 行降到 586158 行 - symbols 从 895 降到 678,pool_union 从 735 降到 662 - 数据集各表只剩 661 个纯加密符号 然后重算 r/σ 标签,重置 learn_df 和 infer_df,重跑 process_replace_inf、process_fill_na、process_cs_norm,最后原子替换 pickle。只删行不重算截面,等于没洗。 重训后的模型: - 训练集 191138 行 - 验证集 85954 行 - 测试集 84388 行 - 661 个纯加密符号 - 早停 290 轮 - 验证集每日 IC +0.0373 - 测试集每日 IC +0.0336,ICIR +5.91 干净口径的回测: - 基线 -5.52% / -91.61% - 止损 10% +37.84% / -24.10% - 止损 35% +36.12% / -47.38% 同一套流程,同一套参数,只换了数据,收益从 +62.9% 变成 -5.5%。 六、这一期推翻了上一期的什么 上一期的 62% 到 109%、回撤 73% 到 27%、25% 是止损甜点、192 次触发、滑点测试的结论,全部作废。上一期那篇长文也一起作废。 这不是模型突然变差了,是之前的数据不干净。上一期看到的是混合池的回测,这一期看到的是纯加密池加干净截面的回测。两版差了一位数,差的不是策略,是数据。 参数排序对交易路径极其敏感。数据口径一变,25% 的甜点直接消失。所以不要在一个脏口径上反复调参,调出来的甜点可能只是路径依赖。 这也是这个系列第一次自己推翻自己。上一期以为的答案,这一期只是中间站。把每一次打脸公开记录下来,比守住一个漂亮数字更有用。 七、三条教训 第一,做加密策略,先检查池子里有没有代币化股票。它们和永续合约长得一样,7×24 交易,日线结构也一样。只看成交额和代码后缀,很容易漏。 第二,只要 pipeline 里有截面归一化或者截面分位标签,按行删数据不够。必须重算标签、重做归一化、重建整个截面。一个脏合约可以通过中位数和 MAD 影响当天所有币。 第三,洗干净后的数字再丑也要报。+62.9% 看起来像能力,其实只是池子没洗干净。把 -5.5% 说出来,才知道下一步该修什么。 还有一条附带的,不要在脏数据上做参数选择。参数曲面不平滑,脏口径上的甜点,换个池子就没了。 八、边界和下一期 以上全部是回测,不是实盘业绩。资金费成本还没算,强平规则没建模,日线看不到盘中路径,滑点也需要实盘校准。457 天只有一段测试期,而且参数是在这段测试期里反复选的,不是干净样本外。 下一期我会补资金费成本、实盘滑点校准和 walk-forward,再决定止损参数要不要保留。如果你也在做 $BTC、$ETH 这类永续合约策略,先花十分钟检查一下池子里有没有 AAPL、TSLA、XAU 和 USDC,可能比继续调参更值。 这个量化实验室会继续公开记录,从数据、因子到风控。觉得有用可以收藏,下一期见。 #量化交易 #风险管理 #加密货币 #回测 #数据质量
上一期我说 25% 是止损甜点,这一期要收回:加密池里混着 AAPL、TSLA 和黄金
上一期我写了一版加密永续风控的复盘。一个收益 62% 的策略,最大回撤 73%,加了一条 25% 的单币止损后,收益做到 109%,回撤压到 27%。当时的结论是,25% 是止损宽度的甜点,少即是多。
发完之后我没有马上写下一期,而是回头查了一件事,这些合约到底是什么。结果发现,币安的加密永续池里混着代币化美股、ETF、黄金、原油和稳定币。AAPL、TSLA、NVDA、SPY、XAU、USDC 都在里面,7×24 交易,日线结构和永续没有任何区别。
这一期要把上一期的结论收回。把池子和截面全部洗干净之后,同一套流程、同一套参数,模型在干净数据上重新训练,基线是 -5.52% 收益、-91.61% 回撤。25% 的甜点不成立了。
一、上一期我们停在哪里
先给没看过上一期的朋友补一下背景。
策略做币安 USDT-M 永续,日线,多空各取 5 个币等权,每天调仓,手续费按 5bp 算,资金费成本还没进回测。1000 万模拟资金,2025 年 7 月到 2026 年 9 月,457 个交易日。
基线是 62% 收益、73% 回撤。把每天每个币的盈亏拉出来归因,回撤不是慢慢磨出来的,是九笔单币单日突袭,八笔加起来亏掉 873 万,比整段利润还多。
加了一条 25% 的单币止损后,收益 109%,回撤 27%,夏普从 0.88 到 1.50,Calmar 从 0.68 到 3.2,一共触发 192 次。1% 和 2% 滑点下收益还有 89.6% 和 69.9%。15% 触发太频繁,383 次,1% 滑点下只剩 66.9%。30% 和 35% 太松,回撤反弹到 34% 和 40%。所以我当时说,25% 是甜点。
这一期要在这个结论上打一个问号。如果池子本身不干净,止损宽度的排序还有意义吗。
二、池子里混进了什么
币安 895 个日线合约里,217 个不是加密货币。
包括代币化美股 AAPL、TSLA、NVDA,代币化 ETF SPY、QQQ、SOXL,还有黄金 XAU、原油 CL、外汇、pre-IPO 股权和稳定币 USDC。它们和永续合约共用一套撮合,7×24 交易,日线结构完全一样。建池脚本只按成交额筛选,没有做资产类型过滤,所以根本分不出来。
其中 73 个真的进了候选池,31 个被选进过持仓,占了 295 个持仓日。总共 3208 个持仓日,比例 9.2%。
这些合约不是利润来源,合计还亏了 29.6 万。但它们占了近一成槽位,改变了选币路径、止损触发和冷静期。参数排序是路径依赖的,路径被改写,25% 这个甜点就可能是假的。
三、第一轮清洗,我差点就发了
第一轮的做法很直接,只在信号层按行删掉这些合约,标的从 734 个降到 661 个,重跑。
结果是基线 +62.86% / -68.32%,止损 15% +96.31% / -25.43%,止损 35% +120.89% / -36.31%。
25% 不再是甜点,15% 和 35% 两端都更好。我写好了一版发布稿,准备说池子洗干净后结论变了。
但发之前我又逐日核对了一遍,发现不对。
四、为什么只删行不够
非加密合约不只在 2026 年的测试段:
- TRAIN 段有 USDC,50 个符号日
- VALID 段有 PAXG 77 个符号日,加 USDC 31 个,共 108 个
- TEST 段有 73 个非加密符号,7847 个符号日
TRAIN 加 VALID 一共 158 个符号日,看起来像噪声。但我的标签是每日截面分位,特征也做了每日截面 robust 归一化,用的是当天全市场的中位数和 MAD。
多一个低波动的稳定币或者黄金合约,当天的中位数和 MAD 就变了,所有币的标签分位和归一化后的特征值也跟着变。一个合约就能把当天所有币的分数重排。
所以污染的不是那 158 行,是这些符号日里所有币的截面。只按行删数据,行删干净了,数值还是脏的。等于把用混合截面算出来的数,留在了干净的行上。
这也解释了为什么第一轮的 +62.9% 不能信。它不是策略真变好了,而是数据集里还留着脏数值。
五、全链路重建做了什么
这次没有只改信号层,而是从原始数据一路重建。
清掉的层包括:
- daily 895 个 parquet 降到 678
- contract.json 895 个键降到 678
- component/CRYPTO.LOCAL 从 735 个符号降到 662 个,2473 个交易日
- parsed klines 从 610916 行降到 586158 行
- parsed funding 和 funding_df 从 625566 行降到 602221 行
- signal 从 92235 行、582 个符号降到 84388 行、509 个符号
- risk table 从 610916 行降到 586158 行
- symbols 从 895 降到 678,pool_union 从 735 降到 662
- 数据集各表只剩 661 个纯加密符号
然后重算 r/σ 标签,重置 learn_df 和 infer_df,重跑 process_replace_inf、process_fill_na、process_cs_norm,最后原子替换 pickle。只删行不重算截面,等于没洗。
重训后的模型:
- 训练集 191138 行
- 验证集 85954 行
- 测试集 84388 行
- 661 个纯加密符号
- 早停 290 轮
- 验证集每日 IC +0.0373
- 测试集每日 IC +0.0336,ICIR +5.91
干净口径的回测:
- 基线 -5.52% / -91.61%
- 止损 10% +37.84% / -24.10%
- 止损 35% +36.12% / -47.38%
同一套流程,同一套参数,只换了数据,收益从 +62.9% 变成 -5.5%。
六、这一期推翻了上一期的什么
上一期的 62% 到 109%、回撤 73% 到 27%、25% 是止损甜点、192 次触发、滑点测试的结论,全部作废。上一期那篇长文也一起作废。
这不是模型突然变差了,是之前的数据不干净。上一期看到的是混合池的回测,这一期看到的是纯加密池加干净截面的回测。两版差了一位数,差的不是策略,是数据。
参数排序对交易路径极其敏感。数据口径一变,25% 的甜点直接消失。所以不要在一个脏口径上反复调参,调出来的甜点可能只是路径依赖。
这也是这个系列第一次自己推翻自己。上一期以为的答案,这一期只是中间站。把每一次打脸公开记录下来,比守住一个漂亮数字更有用。
七、三条教训
第一,做加密策略,先检查池子里有没有代币化股票。它们和永续合约长得一样,7×24 交易,日线结构也一样。只看成交额和代码后缀,很容易漏。
第二,只要 pipeline 里有截面归一化或者截面分位标签,按行删数据不够。必须重算标签、重做归一化、重建整个截面。一个脏合约可以通过中位数和 MAD 影响当天所有币。
第三,洗干净后的数字再丑也要报。+62.9% 看起来像能力,其实只是池子没洗干净。把 -5.5% 说出来,才知道下一步该修什么。
还有一条附带的,不要在脏数据上做参数选择。参数曲面不平滑,脏口径上的甜点,换个池子就没了。
八、边界和下一期
以上全部是回测,不是实盘业绩。资金费成本还没算,强平规则没建模,日线看不到盘中路径,滑点也需要实盘校准。457 天只有一段测试期,而且参数是在这段测试期里反复选的,不是干净样本外。
下一期我会补资金费成本、实盘滑点校准和 walk-forward,再决定止损参数要不要保留。如果你也在做 $BTC、$ETH 这类永续合约策略,先花十分钟检查一下池子里有没有 AAPL、TSLA、XAU 和 USDC,可能比继续调参更值。
这个量化实验室会继续公开记录,从数据、因子到风控。觉得有用可以收藏,下一期见。
#量化交易 #风险管理 #加密货币 #回测 #数据质量
NVDAB
-1.07%
TSLAB
+1.28%
AAPLB
+0.81%
空杯之心
·
--
Article
回测收益 62% 回撤 73%,我只加了一条止损,回撤砍到 27% 收益翻倍一、先看清楚钱是怎么亏掉的 过去两周我在搭一个加密永续的多空策略,1000 万模拟资金,457 天样本外测试。净值曲线像过山车,赚和亏都大得离谱。 把每天每个币的盈亏拉出来归因,真相很集中。回撤不是慢慢磨出来的,是九笔单币单日突袭,八笔亏损合计 873 万,比整段利润还多。五笔是做空撞上垂直拉升,三笔是做多追进抛物线。集中在 2025 年 9 到 11 月,但 2026 年同款事件还在反复出现,AKE、KAT、PLAY、DEXE、ZKJ 都是一样的模式,不是一次性事故。 二、第一层尝试,波动率缩放,失败 第一个想法很自然,波动大的币仓位小一点。按过去 20 日波动率相对市场中位数缩放仓位。 结果总收益从 62% 砍到 8.5%,回撤只从 73% 降到 56%。原因很扎心,出事前这些币的波动率并不高,BAS 和 ALPINE 甚至低于市场中位数,缩放比例 1.0,一分钱都没减,第二天单日爆掉。波动率缩放只能压已经处于高波动的币,对安静币突然爆没有识别力。 归一化版本更糟,把省下来的仓位移给安静币,ALPINE 从亏 121 万恶化到亏 154 万。这一层直接弃用。 三、第二层尝试,禁止开空暴涨币,被数据证伪 第二个想法更直接,刚暴涨的币不许开空。五笔空头事故的币看起来都是刚涨过一大截。 数据打脸。出事币在入场前五天的涨幅只有 6% 到 55%,而正常空头候选的中位数就有 20%,两者根本没有区分度。之前看到的暴涨 130% 到 270% 是出事当天的行情,属于事后视角,不是入场前的状态。 更要命的是,这个策略的 alpha 本来就来自做空刚被拉过的币,均值回归逻辑。禁止做空暴涨币等于把赚钱逻辑掐死。实测总收益负 18.8%,回撤 63%,直接淘汰。我原本以为这条会是最终答案。 四、真正的解药,25% 单币止损 最后回到最朴素的做法。按持仓均价设线,做多跌 25% 平仓,做空涨 25% 平仓,触发后冷静 3 天不碰这个币。用日线最低最高价判定,第二天开盘平仓。 全窗口一共触发 192 次。持仓均价用逐笔成交维护,加仓摊薄、减仓不变,策略端和回测端用同一个函数复算,保证不会有两套账。 结果 - 总收益从 62% 到 109% - 最大回撤从 73% 到 27% - 夏普从 0.88 到 1.50 - Calmar 从 0.68 到 3.2 八笔事故的合计亏损从 873 万压到 153 万,全部封在单币 25 万上下。最惨的一笔 TA 从亏 159 万变成亏 28 万。唯一没被误伤的是那笔赚 63 万的盈利仓,原样保留。2026 年的 AKE 等一串事件同样被封顶,说明止损在测试期全程有效,不是只救了那九笔。 五、为什么收益反而变高了 这里有个反直觉的点。止损当天其实是亏钱的,192 次触发合计还多认了 179 万亏损,因为有些币盘中插针触线,收盘又拉回去。 它真正赚钱的地方在触发之后。原来会扛着单一路亏下去,截断后不再流血,同时把仓位腾给新信号。这部分贡献约 290 万,比触发日当天的账更值钱,也更稳定。 六、滑点和参数稳健性 止损市价单不可能刚好成交在止损价。我按 1% 和 2% 滑点各重跑一遍,总收益还有 89.6% 和 69.9%,回撤压缩基本不受影响。防突袭不依赖理想成交,这是最关键的稳健性。 止损宽度也扫了一遍 - 15% 触发太频繁,383 次,1% 滑点下总收益掉到 66.9% - 30% 回撤反弹到 34% - 35% 回撤反弹到 40% - 25% 是甜点,收益和回撤同时最优 触发频率是滑点敏感度的乘数,触发越多,实盘磨损越大。 七、一个反常识的发现 禁止追高做多的规则,单独用能精确挡掉 HIFI 和 AIA 两笔事故,总收益 65.6%,略好于基线。但叠加在止损之上,收益反而从 109% 掉到 76%。 原因是止损已经把事故兜住了,额外规则只剩下换仓成本,被拦的候选里还混着后来真正大涨的币。少即是多,风控规则不是越多越好。 八、结论和边界 这个策略最大的敌人不是选币不准,是单币单日爆仓式回撤。一条按持仓均价触发的 25% 单币止损,把回撤压掉三分之二,收益还翻倍。 但必须说清楚边界。以上全部是回测数字,1000 万模拟资金跑 457 天样本外,资金费成本还没算进去,滑点也需要实盘校准。策略仍在验证阶段,不是实盘业绩,别照抄。 下一步我会补资金费成本测试和实盘滑点校准,继续公开记录这个量化实验室的搭建过程,从数据、因子到风控。感兴趣可以关注,后面会持续更新。 #量化交易 #合约交易 #回测 #加密货币
回测收益 62% 回撤 73%,我只加了一条止损,回撤砍到 27% 收益翻倍
一、先看清楚钱是怎么亏掉的
过去两周我在搭一个加密永续的多空策略,1000 万模拟资金,457 天样本外测试。净值曲线像过山车,赚和亏都大得离谱。
把每天每个币的盈亏拉出来归因,真相很集中。回撤不是慢慢磨出来的,是九笔单币单日突袭,八笔亏损合计 873 万,比整段利润还多。五笔是做空撞上垂直拉升,三笔是做多追进抛物线。集中在 2025 年 9 到 11 月,但 2026 年同款事件还在反复出现,AKE、KAT、PLAY、DEXE、ZKJ 都是一样的模式,不是一次性事故。
二、第一层尝试,波动率缩放,失败
第一个想法很自然,波动大的币仓位小一点。按过去 20 日波动率相对市场中位数缩放仓位。
结果总收益从 62% 砍到 8.5%,回撤只从 73% 降到 56%。原因很扎心,出事前这些币的波动率并不高,BAS 和 ALPINE 甚至低于市场中位数,缩放比例 1.0,一分钱都没减,第二天单日爆掉。波动率缩放只能压已经处于高波动的币,对安静币突然爆没有识别力。
归一化版本更糟,把省下来的仓位移给安静币,ALPINE 从亏 121 万恶化到亏 154 万。这一层直接弃用。
三、第二层尝试,禁止开空暴涨币,被数据证伪
第二个想法更直接,刚暴涨的币不许开空。五笔空头事故的币看起来都是刚涨过一大截。
数据打脸。出事币在入场前五天的涨幅只有 6% 到 55%,而正常空头候选的中位数就有 20%,两者根本没有区分度。之前看到的暴涨 130% 到 270% 是出事当天的行情,属于事后视角,不是入场前的状态。
更要命的是,这个策略的 alpha 本来就来自做空刚被拉过的币,均值回归逻辑。禁止做空暴涨币等于把赚钱逻辑掐死。实测总收益负 18.8%,回撤 63%,直接淘汰。我原本以为这条会是最终答案。
四、真正的解药,25% 单币止损
最后回到最朴素的做法。按持仓均价设线,做多跌 25% 平仓,做空涨 25% 平仓,触发后冷静 3 天不碰这个币。用日线最低最高价判定,第二天开盘平仓。
全窗口一共触发 192 次。持仓均价用逐笔成交维护,加仓摊薄、减仓不变,策略端和回测端用同一个函数复算,保证不会有两套账。
结果
- 总收益从 62% 到 109%
- 最大回撤从 73% 到 27%
- 夏普从 0.88 到 1.50
- Calmar 从 0.68 到 3.2
八笔事故的合计亏损从 873 万压到 153 万,全部封在单币 25 万上下。最惨的一笔 TA 从亏 159 万变成亏 28 万。唯一没被误伤的是那笔赚 63 万的盈利仓,原样保留。2026 年的 AKE 等一串事件同样被封顶,说明止损在测试期全程有效,不是只救了那九笔。
五、为什么收益反而变高了
这里有个反直觉的点。止损当天其实是亏钱的,192 次触发合计还多认了 179 万亏损,因为有些币盘中插针触线,收盘又拉回去。
它真正赚钱的地方在触发之后。原来会扛着单一路亏下去,截断后不再流血,同时把仓位腾给新信号。这部分贡献约 290 万,比触发日当天的账更值钱,也更稳定。
六、滑点和参数稳健性
止损市价单不可能刚好成交在止损价。我按 1% 和 2% 滑点各重跑一遍,总收益还有 89.6% 和 69.9%,回撤压缩基本不受影响。防突袭不依赖理想成交,这是最关键的稳健性。
止损宽度也扫了一遍
- 15% 触发太频繁,383 次,1% 滑点下总收益掉到 66.9%
- 30% 回撤反弹到 34%
- 35% 回撤反弹到 40%
- 25% 是甜点,收益和回撤同时最优
触发频率是滑点敏感度的乘数,触发越多,实盘磨损越大。
七、一个反常识的发现
禁止追高做多的规则,单独用能精确挡掉 HIFI 和 AIA 两笔事故,总收益 65.6%,略好于基线。但叠加在止损之上,收益反而从 109% 掉到 76%。
原因是止损已经把事故兜住了,额外规则只剩下换仓成本,被拦的候选里还混着后来真正大涨的币。少即是多,风控规则不是越多越好。
八、结论和边界
这个策略最大的敌人不是选币不准,是单币单日爆仓式回撤。一条按持仓均价触发的 25% 单币止损,把回撤压掉三分之二,收益还翻倍。
但必须说清楚边界。以上全部是回测数字,1000 万模拟资金跑 457 天样本外,资金费成本还没算进去,滑点也需要实盘校准。策略仍在验证阶段,不是实盘业绩,别照抄。
下一步我会补资金费成本测试和实盘滑点校准,继续公开记录这个量化实验室的搭建过程,从数据、因子到风控。感兴趣可以关注,后面会持续更新。
#量化交易
#合约交易
#回测
#加密货币
ZEC
-0.24%
ALPINE
-0.38%
AIA
+1.77%
空杯之心
·
--
$BTC {spot}(BTCUSDT) 破了一下8万又被迅速拉回,昨日日线收阳,8万支撑还是很坚挺,这里是非常好的加仓点位。 $HYPE {spot}(HYPEUSDT) 80刀支撑也非常强,在76-80加仓是不错的选择。 牛市中日线回调加仓,三倍杠杆贯穿牛市!
$BTC
破了一下8万又被迅速拉回,昨日日线收阳,8万支撑还是很坚挺,这里是非常好的加仓点位。
$HYPE
80刀支撑也非常强,在76-80加仓是不错的选择。
牛市中日线回调加仓,三倍杠杆贯穿牛市!
BTC
-1.00%
HYPE
-1.09%
空杯之心
·
--
翻完 4936 笔回测成交,策略 -73% 回撤的真凶找到了。不是 BTC,日收益相关性只有 -0.02,是 7 个交易日、7 个小币。7 天亏掉 714 万,其余 80 多天净赚 227 万。病根就一句话,固定 100 万仓位加上最野的币,单币单日打掉 15% 本金。完整复盘已发长文,跑合约的兄弟都该检查一下自己策略的后路。#量化选币 #中性策略 #量化交易
翻完 4936 笔回测成交,策略 -73% 回撤的真凶找到了。不是 BTC,日收益相关性只有 -0.02,是 7 个交易日、7 个小币。7 天亏掉 714 万,其余 80 多天净赚 227 万。病根就一句话,固定 100 万仓位加上最野的币,单币单日打掉 15% 本金。完整复盘已发长文,跑合约的兄弟都该检查一下自己策略的后路。
#量化选币
#中性策略
#量化交易
空杯之心
·
--
翻了 4936 笔成交记录,我的选币中性策略 -73% 回撤,真凶不是大盘下跌15 个月总收益 +62% 的加密合约策略,中途有一段 -73% 的最大回撤,权益从 1221 万峰值跌到 325 万。 我原以为是被 BTC 见顶带崩的。把 4936 笔成交逐笔拆完,结论出乎意料。组合和 BTC 的日收益相关性只有 -0.02。从策略见顶的 9/6 到回撤最深的 10/27,BTC 同期甚至还涨了 4%。 真正打崩账户的,是 7 个交易日,和 7 个没人听过的小币。这篇把每个数字都摊开。 发布时此处附交易晒单卡片或实盘主页链接。本文是回测复盘,数据全部来自币安公开历史存档,可复现。 一、回撤全貌 策略设定,日线频率,多空各持 5 个币,每天调仓,单币固定仓位 100 万,总资金 1000 万。 9/6,权益冲到 1221 万。10/27,只剩 325 万,跌掉 73.41%。其中 81% 的伤害来自仅 3 个交易周。 二、把亏损按单币单日排序,画面瞬间清晰 9-11 月只有 7 天出现单币单日亏损超 50 万,这 7 天合计亏掉 714 万。刨掉这 7 天,其余 80 多个交易日合计净赚约 227 万。 回撤不是慢性失血,是几次重击。 三、三种死法,全部来自极端波动 一是空单被暴力拉升,共 4 天。XPIN 当日涨 150%,NAORIS 涨 145%,BAS 涨 134%。策略把走势最弱的币排进做空名单,第二天开盘 100 万空单刚成交,币价当天翻倍级跳涨,单笔亏 130 到 150 万,约本金的 15%。 二是翻仓自残。ALPINE 当天涨 121%。9/26 早上策略按信号卖出多单 474,226 枚,约 100 万,反手再开空 471,209 枚,约 100 万,当天收盘 4.69,前一日约 2.12。做多本来是对的,翻仓后变成双倍做空,单日净亏 121 万。 三是多头接飞刀,共 3 天。HIFI 单日跌 60%,B2 跌 52%,AIA 跌 52%,全是策略当时选中的最强标的。 共同点是,这些币爆发前一天走势平平,日线走完时损失已经全部打完,日线策略连止损的机会都没有。 四、反直觉发现,这次和 大盘无关 亏损最狠的 7 天里,BTC 几乎走平,组合持有的币平均却动了 9% 到 13%。这不是大盘风险,是小币的尾部风险。你的合约策略可能没暴露给 BTC,却暴露给了极端行情。 五、为什么偏偏是那两个月 全市场统计显示,2025 年 10 月,单日涨跌超 30% 的行情占比 2.5%,平时只有 0.2%,整整 10 倍。11 月出现 17 次单日翻倍,是我样本里最多的一个月。极端波动月,撞上了毫无保护、满仓暴露的策略。 六、病根不是看错行情,是结构没有保护 单币固定 100 万,没有波动缩放。币一天翻倍,仓位原样吃满。 没有单币上限,没有尾部风控。多空两头选中的,恰好都是波动最野的币。 日线频率,极端行情下没有盘中止损的机会。 7 次这样的日子,账户没了七成。 七、结论 -73% 不是行情判断错误,是极端行情下没有保护。同一套逻辑,12 月把钱赚了回来,回撤从 -73% 修复到 -15%。要补的是风控,不是猜行情。正在做三件事,按波动缩放仓位,给单币设上限,加极端行情检测。 如果你也在跑合约策略,翻一下自己的回测,把亏损按单币单日排个序。如果你的伤害也集中在少数几天,那你要解决的不是信号,是仓位。 建议标签 $BTC $ALPINE #量化交易 #风控 #Write2Earn
翻了 4936 笔成交记录,我的选币中性策略 -73% 回撤,真凶不是大盘下跌
15 个月总收益 +62% 的加密合约策略,中途有一段 -73% 的最大回撤,权益从 1221 万峰值跌到 325 万。
我原以为是被 BTC 见顶带崩的。把 4936 笔成交逐笔拆完,结论出乎意料。组合和 BTC 的日收益相关性只有 -0.02。从策略见顶的 9/6 到回撤最深的 10/27,BTC 同期甚至还涨了 4%。
真正打崩账户的,是 7 个交易日,和 7 个没人听过的小币。这篇把每个数字都摊开。
发布时此处附交易晒单卡片或实盘主页链接。本文是回测复盘,数据全部来自币安公开历史存档,可复现。
一、回撤全貌
策略设定,日线频率,多空各持 5 个币,每天调仓,单币固定仓位 100 万,总资金 1000 万。
9/6,权益冲到 1221 万。10/27,只剩 325 万,跌掉 73.41%。其中 81% 的伤害来自仅 3 个交易周。
二、把亏损按单币单日排序,画面瞬间清晰
9-11 月只有 7 天出现单币单日亏损超 50 万,这 7 天合计亏掉 714 万。刨掉这 7 天,其余 80 多个交易日合计净赚约 227 万。
回撤不是慢性失血,是几次重击。
三、三种死法,全部来自极端波动
一是空单被暴力拉升,共 4 天。XPIN 当日涨 150%,NAORIS 涨 145%,BAS 涨 134%。策略把走势最弱的币排进做空名单,第二天开盘 100 万空单刚成交,币价当天翻倍级跳涨,单笔亏 130 到 150 万,约本金的 15%。
二是翻仓自残。ALPINE 当天涨 121%。9/26 早上策略按信号卖出多单 474,226 枚,约 100 万,反手再开空 471,209 枚,约 100 万,当天收盘 4.69,前一日约 2.12。做多本来是对的,翻仓后变成双倍做空,单日净亏 121 万。
三是多头接飞刀,共 3 天。HIFI 单日跌 60%,B2 跌 52%,AIA 跌 52%,全是策略当时选中的最强标的。
共同点是,这些币爆发前一天走势平平,日线走完时损失已经全部打完,日线策略连止损的机会都没有。
四、反直觉发现,这次和 大盘无关
亏损最狠的 7 天里,BTC 几乎走平,组合持有的币平均却动了 9% 到 13%。这不是大盘风险,是小币的尾部风险。你的合约策略可能没暴露给 BTC,却暴露给了极端行情。
五、为什么偏偏是那两个月
全市场统计显示,2025 年 10 月,单日涨跌超 30% 的行情占比 2.5%,平时只有 0.2%,整整 10 倍。11 月出现 17 次单日翻倍,是我样本里最多的一个月。极端波动月,撞上了毫无保护、满仓暴露的策略。
六、病根不是看错行情,是结构没有保护
单币固定 100 万,没有波动缩放。币一天翻倍,仓位原样吃满。
没有单币上限,没有尾部风控。多空两头选中的,恰好都是波动最野的币。
日线频率,极端行情下没有盘中止损的机会。
7 次这样的日子,账户没了七成。
七、结论
-73% 不是行情判断错误,是极端行情下没有保护。同一套逻辑,12 月把钱赚了回来,回撤从 -73% 修复到 -15%。要补的是风控,不是猜行情。正在做三件事,按波动缩放仓位,给单币设上限,加极端行情检测。
如果你也在跑合约策略,翻一下自己的回测,把亏损按单币单日排个序。如果你的伤害也集中在少数几天,那你要解决的不是信号,是仓位。
建议标签 $BTC $ALPINE #量化交易 #风控 #Write2Earn
BTC
-1.00%
ALPINE
-0.38%
空杯之心
·
--
BTC8万这里非常坚挺,刚刚1小时K线放量下跌后又迅速拉回,收了一个下阴线,8万跌不穿就要V返。 {future}(BTCUSDT)
BTC8万这里非常坚挺,刚刚1小时K线放量下跌后又迅速拉回,收了一个下阴线,8万跌不穿就要V返。
BTC
-1.00%
空杯之心
·
--
9月CPI比预期高了0.1%,加息预期又增加了,BTC短线应声下跌,结合coinbase最近BTC持续负溢价、几大ETF连续多日净流出,说明美国市场最近一直在卖出,消化加息预期,但目前BTC价格依然在82000-84000震荡,并没走出下跌趋势,待加息预期消化的差不多了,自然会上涨。#BTC走势分析
9月CPI比预期高了0.1%,加息预期又增加了,BTC短线应声下跌,结合coinbase最近BTC持续负溢价、几大ETF连续多日净流出,说明美国市场最近一直在卖出,消化加息预期,但目前BTC价格依然在82000-84000震荡,并没走出下跌趋势,待加息预期消化的差不多了,自然会上涨。
#BTC走势分析
BTC
-1.00%
空杯之心
·
--
昨天在调截面多因子选币策略的回测,跑完一看:收益率 0,夏普 0,最大回撤 0。 第一反应是策略根本没交易。 结果查出来是引擎在装死:457 天里有 178 天账户资金是负的,触发了爆仓保护,所有指标拒绝计算。 顺着这条线挖出两个 bug。 Bug 一号:最小报价单位,被设成了 0.01。 下单价格要按它取整。 池子里很多币不到 0.005 美元,挂单价(收盘价+1%)取整后直接变成 0。 后果:报 0 的买单永远不成交,卖单反而必成交。多头买不进、空头平不掉,账上从五五开变成 3.7 个多头对 9.7 个空头,等于天天裸空。 修之前先查了数据:池子里 829 个币,价格最多用到 8 位小数,最便宜的一笔是 0.0000034 美元。 于是把报价单位定成 1e-9(小数点后 9 位),留一个数量级的余量。 改完订单成交率回到 100%,报价归零的订单清零。 Bug 二号:杠杆。 策略参数是照抄期货示例的,默认 3 倍名义敞口。 加密波动大,3 倍下资金天天在零附近晃,随时触发爆仓保护。 降到 1 倍,再没爆过。 修完两个坑,回测终于出数了: 15 个月总收益 +62%,年化约 50%,夏普 0.88。 先别激动:最大回撤 -73%,光手续费就交了 180 万。 而且资金费、强平都还没建模,所以这只能说明管道通了,离"策略能用"还差得远。 还升级了模型:选股标签从"纯涨幅排名"换成"涨幅÷波动率再排名",训练早停也改成盯每日预测相关性。 昨天最大的体会:最花时间的不是写策略,是发现自己被自己的回测骗了。 今天把资金费成本补进去,再跑一轮。等我结果😤 #AIHarness投研工程 #量化交易员 #选币策略
昨天在调截面多因子选币策略的回测,跑完一看:收益率 0,夏普 0,最大回撤 0。
第一反应是策略根本没交易。
结果查出来是引擎在装死:457 天里有 178 天账户资金是负的,触发了爆仓保护,所有指标拒绝计算。
顺着这条线挖出两个 bug。
Bug 一号:最小报价单位,被设成了 0.01。
下单价格要按它取整。
池子里很多币不到 0.005 美元,挂单价(收盘价+1%)取整后直接变成 0。
后果:报 0 的买单永远不成交,卖单反而必成交。多头买不进、空头平不掉,账上从五五开变成 3.7 个多头对 9.7 个空头,等于天天裸空。
修之前先查了数据:池子里 829 个币,价格最多用到 8 位小数,最便宜的一笔是 0.0000034 美元。
于是把报价单位定成 1e-9(小数点后 9 位),留一个数量级的余量。
改完订单成交率回到 100%,报价归零的订单清零。
Bug 二号:杠杆。
策略参数是照抄期货示例的,默认 3 倍名义敞口。
加密波动大,3 倍下资金天天在零附近晃,随时触发爆仓保护。
降到 1 倍,再没爆过。
修完两个坑,回测终于出数了:
15 个月总收益 +62%,年化约 50%,夏普 0.88。
先别激动:最大回撤 -73%,光手续费就交了 180 万。
而且资金费、强平都还没建模,所以这只能说明管道通了,离"策略能用"还差得远。
还升级了模型:选股标签从"纯涨幅排名"换成"涨幅÷波动率再排名",训练早停也改成盯每日预测相关性。
昨天最大的体会:最花时间的不是写策略,是发现自己被自己的回测骗了。
今天把资金费成本补进去,再跑一轮。等我结果😤
#AIHarness投研工程
#量化交易员
#选币策略
空杯之心
·
--
折腾挺久,把之前做商品期货的一套研究流程搬到了币安永续上,搞了个选币策略。 做法很简单:每天让模型给几百个币的涨跌排个序,做多前 5 个、做空后 5 个。模型吃 96 个量价指标加资金费率,预测未来两天谁涨谁跌。币的名单是从交易所官方存档里重建的,下架的币也算进去,不然只统计活到今天的币,纯属骗自己。 前几天第一次完整回测跑完了。 爆仓。 缓了缓,去翻了下明细,发现爆得还挺有道理。 币圈涨起来是没有上限的。回测那一年多里,好几次做空的币当天直接翻倍,最猛的一次涨了 3 倍多。做空最多赚 100%,亏起来没底,我的空头正好全埋在里面。 另外,模型特别爱空新币。它觉得要跌的币里,快一半是上线不到两个月的新币。可新币上市后经常先涨一波,模型拿老币的规律去套新币,被反复教育。 有意思的是,模型的排序本身是有用的,有点预测力,不是瞎猜。但排得准跟能赚到钱是两码事,尤其在暴涨容易、跌也就跌到零的市场里。 下一版先给空头加风控,至少别专门去空新币了。 还早,慢慢来。记录一下,别跟单。#选币策略 #AI #量化交易员
折腾挺久,把之前做商品期货的一套研究流程搬到了币安永续上,搞了个选币策略。
做法很简单:每天让模型给几百个币的涨跌排个序,做多前 5 个、做空后 5 个。模型吃 96 个量价指标加资金费率,预测未来两天谁涨谁跌。币的名单是从交易所官方存档里重建的,下架的币也算进去,不然只统计活到今天的币,纯属骗自己。
前几天第一次完整回测跑完了。
爆仓。
缓了缓,去翻了下明细,发现爆得还挺有道理。
币圈涨起来是没有上限的。回测那一年多里,好几次做空的币当天直接翻倍,最猛的一次涨了 3 倍多。做空最多赚 100%,亏起来没底,我的空头正好全埋在里面。
另外,模型特别爱空新币。它觉得要跌的币里,快一半是上线不到两个月的新币。可新币上市后经常先涨一波,模型拿老币的规律去套新币,被反复教育。
有意思的是,模型的排序本身是有用的,有点预测力,不是瞎猜。但排得准跟能赚到钱是两码事,尤其在暴涨容易、跌也就跌到零的市场里。
下一版先给空头加风控,至少别专门去空新币了。
还早,慢慢来。记录一下,别跟单。
#选币策略
#AI
#量化交易员
Log in to explore more content
Sign up / Log in
Join global crypto users on Binance Square
⚡️ Get latest and useful information about crypto.
💬 Trusted by the world’s largest crypto exchange.
👍 Discover real insights from verified creators.
Email / Phone number
Sign up to earn rewards
Login
Trending Topics
NvidiaBeatsEstimatesWith$130BQ4Outlook
52,752 views
273 Discussing
Nvidia Beats With $115.8 Billion in Revenue, Guides to $130 Billion and Adds $150 Billion Buyback
Binance News
·
73 Likes
·
48.4k views
AnthropicIPOPriceCouldExceed$80
53,785 views
233 Discussing
RussiaCentralBankAddsAlfaBankToCryptoExchangeRegister
3,034 views
43 Discussing
View More
Sitemap
Cookie Preferences
Platform T&Cs