从第一篇到第六篇，「量化审计」已经走过了比最初预想更广的研究范围。
起点是一条在社交平台上流传的比特币均线策略。81 条 EMA 全部跑赢比特币，这种说法足够吸引眼球，也足够令人怀疑。随后，我们陆续接触到高 Sharpe 的 VWAP 策略、开源回测项目、标普 500 的经典均线、跨境 ETF 动量轮动，以及一项声称穿越两百年的趋势跟踪研究。
研究对象不断变化，我们关心的问题也逐渐深入。
最初，我们想知道一条漂亮的收益曲线能否复现。后来开始检查指标口径、交易记账、执行时间、策略版本，直到第六篇直接对照学术论文与现代代码实现。
六篇结束后，这个系列已经有了比较清楚的定位：审查量化主张的证据是否充分，以及公开结论究竟能够成立到什么程度。
这次回顾，主要整理第一阶段留下的判断、经验与问题。
一、六篇文章，六种不同的审计问题
001：夸张收益，未必就是假的
第一篇审计的是比特币 81 条 EMA 策略。
原作者声称，在指定历史区间内，81 条不同周期的均线策略全部跑赢比特币买入持有。
这样的结果很容易让人首先怀疑数据或回测方式。但我们按原作者条件重建测试后，确认这组历史结果可以复现。
进一步改变观察窗口，结论开始发生变化。81 条均线全部跑赢的现象明显依赖原始测试区间；在部分较近的历史窗口里，买入持有反而表现更好。
这给系列建立了第一个重要判断标准：夸张的数字可能真实，但数字真实并不意味着由它延伸出来的解释全部成立。
001 成功复现了历史结果，也明确了结果的适用边界。
002：漂亮指标，需要能够追溯
第二篇转向 BTC VWAP 回归策略。
相关材料公布了很高的 Sharpe、年化收益和很低的最大回撤，表面上是一套颇有吸引力的回测结果。
但对照不同时间发布的材料，我们发现，同一策略的指标发生明显变化，公开资料又没有提供足够清楚的参数、测试区间和版本记录。部分统计字段之间还存在难以解释的逻辑矛盾。
这些问题不足以证明原始回测必然错误，却足以阻止外部读者完成独立验证。
002 因此没有给策略判定真假，而是停在证据能够支持的位置：公开资料目前不足以验证这组回测表现。
这类问题在量化内容中相当普遍。读者能够看到结果，却无法确认结果究竟如何产生。
003：公开代码，也可能无法支持公开绩效
第三篇开始深入策略实现。
一个开源 BTC 趋势回测项目公开了大量参数组合、交易记录和绩效统计，报告中的收益与风险指标相当漂亮。
代码检查首先发现了分批退出记账与绩效计算的问题。后续复核又确认，程序使用下一日第一根四小时 K 线的收盘信息判断能否入场，却按同一根 K 线的开盘价成交，存在明确的前视偏差。
分批退出后的保证金返还和最终交易盈亏汇总，同样存在影响账户计算或交易统计的实现缺陷。
这些发现直接削弱了原始绩效指标的可信度。不过，我们尚未完成修正代码后的全量重跑，无法确认各项错误对最终收益的具体影响方向和幅度。
003 让我们看到，代码公开只是核验的起点。交易时间、账户记账和统计指标必须能够彼此对应。
它也成为第一阶段需要继续保留技术修订记录的一篇。
004：经典策略的价值，可能比传说朴素
第四篇研究标普 500 的 200 日均线。
这是一个长期存在于投资讨论中的经典规则。围绕它的争议并不新鲜：均线究竟能够创造超额收益，还是仅仅提供某种风险控制？
独立测试得到的结果比较清楚。
在所研究的历史区间内，200 日均线策略牺牲了一部分牛市收益，但降低了深度回撤。与相邻周期均线比较，也没有发现 200 日这个精确参数拥有明显而稳定的独特优势。
因此，我们接受它在历史样本中的风险控制价值，同时保留对参数特殊性和未来有效性的怀疑。
004 的贡献在于把经典策略的实际作用从长期形成的叙事中分离出来。
一项策略可以具有使用价值，即使它并没有实现人们赋予它的全部功能。
005：回测与模拟盘，可能已经不是同一套策略
第五篇研究跨境 ETF 动量轮动。
原项目报告了相当可观的累计收益和 Sharpe。代码检查发现，回测风控会使用当日最高价、最低价和收盘数据判断风险，却按当日开盘价执行卖出，时间顺序存在问题。
但随后出现了一个反常识结果。
在独立行情数据和独立实现的探索性实验中，将风控执行调整到因果正确的时间顺序后，策略表现反而有所改善。
这个结果提醒我们：发现未来函数，并不能自动判定它一定抬高了收益。
不过，该实验没有使用原作者完整的数据与执行环境，也没有完成逐笔交易对齐。因此，它只能说明这种改善具有可能性，不能当作原项目修正后绩效的精确复现。
进一步检查还发现，回测 B 模式与模拟盘 B 模式在止损规则、触发条件和调仓方式上并不一致。
这才是第五篇更明确的发现：历史回测所验证的策略，与当前模拟运行的策略之间存在实质差异。
即使两者使用相同的名称，也不能直接把历史 Sharpe 当成当前部署版本的已验证表现。
006：复现论文，需要忠实于论文
第六篇面对的是一项更加经典的研究：《Two Centuries of Trend Following》。
论文通过长期历史数据研究趋势跟踪效应，而 QuantConnect 的一个现代商品期货实现却给出了负 Sharpe，并据此讨论趋势信息可能衰减的问题。
两者表面上形成了鲜明冲突。
但检查公开代码后，我们发现，现代实现对原论文的核心波动率定义和仓位公式作出了实质改变。
其中，论文使用月度价格绝对变化的指数移动平均衡量风险；公开实现却将带符号的价格变化输入平滑计算。仓位表达式也与原论文存在差异。
于是，负 Sharpe 所能支持的结论需要重新限定。
它可以反映这个具体实现的历史表现，却不足以直接证明原论文所研究的趋势策略已经失效。
006 为第一阶段补上了一个重要审计维度：研究名称、论文引用与代码注释相同，并不保证实际运行的是同一个模型。
二、六篇之后，我们形成了哪些判断？
回顾这些案例，可以看到几个逐渐稳定下来的认识。
首先，审计需要保持结果开放
001 成功复现了夸张收益，004 承认了经典均线策略的历史风险控制价值，005 的探索性实验则显示，修正代码错误不必然降低绩效。
如果预先假定所有高收益都可疑，或者以发现错误作为文章成功的唯一标准，这些结果很容易被忽略。
研究需要批判能力，也需要承认反方证据的能力。
策略可能有效，可能部分有效，也可能根本无法根据现有材料判断。我们必须允许这些结果自然出现。
其次，复现有不同的证据层级
六篇中，有些结论来自独立历史数据计算，有些来自代码直接检查，有些只能停在公开材料的可验证性判断。
这些证据不能相互替代。
作者报告盈利，不代表我们已经复现盈利；一份源代码存在缺陷，也不能自动推算修正后的收益；独立数据上的控制实验，更不能直接替代原项目的完整交易记录。
第一阶段的重要收获，就是逐渐学会把这些边界说清楚。
一个结论能成立到哪里，就写到哪里。
最后，审计对象已经延伸到完整的策略证据链
最初，我们主要检查收益结果。到了后几篇，审计已经涉及公式、代码、账户计算、风险管理和模拟盘执行。
这说明量化策略的可信度无法单靠某一张收益曲线决定。
从作者描述到策略规则，从原始数据到回测代码，再到具体交易和绩效统计，任何关键环节出现问题，都可能削弱最终结论。
而一项历史策略即使通过了这些检查，仍然需要面对样本外表现和现实执行的进一步验证。
这是未来审计可以持续深入的方向，但没有必要让每一篇文章都承担完整的验证任务。
三、第一阶段，我们也发现了自己的不足
这次回顾并不只检查被审计的项目，也重新检查了我们自己的文章。
最典型的是 003。
最初的审计已经发现交易记账问题，但后来又确认了更直接的入场前视偏差。这说明即使一篇文章完成了，也不能把已有判断永久冻结。新证据足以改变原分析时，就需要重新审视。
005 则暴露了实验表达的问题。
独立数据控制实验具有判断价值，但它与原项目精确复现之间存在明确区别。文章可以保留“修正后反而改善”的意外发现，同时必须交代数据和实现的限制，避免让读者误以为原项目已经得到完整修正验证。
视觉表达也存在类似问题。此前部分封面出现了与策略不符的标的或不准确的公式。它们虽然来自图片制作过程，却可能让读者形成错误理解。
因此，第一阶段回顾以后，我们开始把封面、标题、摘要和图表一并纳入发布前的事实检查。
这些修订并不改变系列最初的目标，却使它的研究要求变得更加明确。
审计别人，也要允许自己的结论接受审计。
四、哪些原则值得保留？
完成六篇以后，很自然会产生制定更详细计划的想法：提前安排选题、规定更新频率、设计固定文章结构，让整个栏目看起来更加规范。
但我们认为，这样做存在明显风险。
001 到 006 的内容价值，恰恰来自研究过程中遇到的具体问题。有的材料适合复现，有的只需要核查指标口径，有的必须深入代码，还有的通过对照论文公式就能形成足够可靠的判断。
如果要求每篇都完成同样的测试、展示相同数量的指标，再安排一段固定的反转与总结，研究就容易变成形式重复。
因此，第一阶段之后，我们决定保留一套相对稳定的工作规则，同时继续开放选题。
选题由具体主张的判断价值决定。发现值得核验的问题就启动，没有足够证据或继续研究的边际价值太低，就暂停。
分析深度同样由问题决定。能够精确复现就精确复现；公开资料不足时，可以进行可验证性审计；代码已足以证明一项实现错误，也不必为了文章长度额外增加大量测试。
文章结构则根据研究过程自然形成，不规定必须有多少条证据、多少项风险或多少段解释。
最终沉淀下来的原则可以概括为：
固定研究标准，保持选题开放；坚持质量约束，不设置产量目标。
这也是《量化审计工作规则 v1.0》希望保留的核心。
五、下一阶段怎么走？
第一阶段已经证明，「量化审计」可以跨越不同资产市场和研究对象，形成具有独立判断价值的内容。
加密资产、股票 ETF、跨境轮动、商品期货、开源代码和学术论文，都可能成为审计对象。
但这并不意味着未来必须轮流覆盖这些领域。
我们没有必要提前制定 007、008 或更远的选题，也没有必要要求下一篇必须比上一篇更复杂、更惊人。
真正值得继续研究的，是那些能提出清楚主张、具有可核验证据，并且可能通过审计改变读者判断的材料。
如果它证明了一项策略确实可靠，我们应该承认。如果它暴露了无法消除的证据缺口，也应该如实停止。
今后的研究还会继续遇到错误和需要修订的判断。允许更新，才有可能让这个系列长期保持可信。
写在最后
六篇文章之后，我们对「量化审计」已经有了比最初清楚得多的理解。
量化世界从来不缺漂亮的回测曲线，也不缺看起来严谨的公式、参数和绩效指标。问题在于，这些内容究竟能够支持多强的结论。
有些惊人的结果可以复现，但离稳定优势仍有距离；有些策略确实具备价值，却没有宣传中那样神奇；有些代码错误足以推翻原有验证，也有些错误的影响必须经过重新计算才能确定。
我们希望做的，就是尽可能把这些区别说清楚。
第一阶段完成了六篇文章，也留下了一套经过实际案例检验的工作规则。它仍然需要在后续研究中不断完善，但已经足够支持下一阶段继续开展。
量化审计的价值，最终取决于我们能否让证据约束结论。
下一篇从哪里开始，等下一个值得审计的问题出现再决定。