中文 · English
面向大规模量化策略群体的实证分析图谱，研究自然语言规则、结构特征、选股行为、持有期与历史回测表现之间的关系。
为什么大量策略回测结果会在 Sharpe–Alpha 空间中呈现明显的结构化分布？这些结构与策略规则、持有周期和实验条件存在怎样的关系，其中又有多少可以由指标定义、回测窗口与执行设置解释？
封面图展示旧版研究档案中经过支持量筛选的匿名聚合单元，用于研究大量回测结果中的结构化几何，而非呈现单个策略定义的排名或 Alpha 类别。线状结构在不同随机种子设置下可以重复观察，但现有证据表明，其相当一部分与累计尺度和回测窗口长度有关。由于冻结规范队列未复现多条稳定轨道，本项目将其视为待解释的诊断性现象，而非定义有效性、规范家族或语义聚类的证据。
**证据边界：**封面图展示旧版非规范队列的匿名聚合几何，仅用于结构诊断；其中的 Sharpe 与 Alpha 指标不参与冻结规范队列的正式推断。
首图把同一批聚合散点依次按拟合条带、回测窗口长度、最大回撤幅度和阶段胜率着色。后两者属于回测后的结果诊断，不能作为形成条带的事前原因。达到公开支持门槛的散点主要来自 20 日回测，因此持有期着色接近单色，当前旧档案不足以检验六个持有期是否形成自然分层。
QuantStrategyAtlas 基于真实历史 A 股日频市场数据，把自然语言描述的量化策略群体作为研究对象：从规则与参数结构出发，分析规范家族、时点选股特征、匿名贡献集中度与历史结果如何随持有期和市场状态共同变化。原始市场数据、策略文本与逐行回测不随仓库分发。
项目定位是量化策略群体的研究与审计图谱，公开层提供经过披露门槛筛选的聚合证据、合成复现夹具和图表重建流程。
本文不把不同层次的分组统称为“策略簇”。后文固定使用以下术语：
| 术语 | 本项目中的固定含义 |
|---|---|
| 策略定义 | 一条经过规范化的自然语言规则；1,669 的计数单位 |
| 回测记录 | 一个策略定义在一个持有期下的实验结果；10,014 的计数单位 |
| 规范家族 | 根据规则语义覆盖全部定义的描述性分类，如动量突破、统计过滤和价值质量；不是聚类结果 |
| 结构单元 | 完全相同子句集、无参数模板或替换关系连通分量，用于表示规则重复与统计依赖 |
| 局部结构岛 | 从子句矩阵无监督识别的语言邻域；不等于规范家族，也不构成唯一全局分类 |
| 路径原型 | 按已经实现的重复选择率分组的匿名历史路径；属于事后诊断，不是事前分类 |
| 几何条带 | 旧版匿名聚合表现空间中的线状分布；属于几何诊断，不是定义、家族或成员簇 |
旧版图中的“策略组”仅是旧档案用于披露门槛的去标识支持量单位，不能与冻结规范队列中的策略定义或规范家族一一映射。
当研究规模扩大到 1,669 个策略定义时，持有期选择、规则重复、解析差异、极端收益和多重检验都会影响表面排名。单看策略收益无法回答三个更重要的问题：
- 规则标签不同的策略定义，是否真的选择了不同的股票？
- 较好的回测结果来自可重复的选择行为，还是一两只历史标的？
- Sharpe–Alpha 散点中的条带，是自然语言定义的语义聚类，还是数学定义与实验设置形成的几何结构？
本仓库把这些问题放在同一个冻结队列中研究，并且只发布无法反推单个策略定义的聚合证据。
| 研究设计 | 冻结规范队列 |
|---|---|
| 自然语言策略定义 | 1,669 |
| 固定持有期 | 2 / 3 / 4 / 5 / 7 / 20 个交易日 |
| 配对固定持有期回测 | 10,014 |
| 在私有层分析的规范成交记录 | 1,028,649 |
| 历史窗口 | 2024-01-01 — 2025-12-31 |
| 规范化规则子句标签 | 691 |
| 完全相同的子句集合 / 无参数模板 | 1,134 / 922 |
| 替换关系连通分量 | 866 |
| 主队列 / 次队列 / 排除定义 | 575 / 866 / 228 |
| 市场数据 | 真实历史 A 股日频数据；仅公开聚合结果 |
| 执行方式 | T+1、单标的轮动、计入交易费用 |
| 实际退出路径 | 止盈 9% / 止损 5% |
- 同一策略定义改变持有期后，胜率、总收益、交易强度和排序如何变化？
- 691 个规范化规则子句如何组成可重复的策略基因组、模板与结构分量？
- 动量突破、统计过滤、价值质量等规范家族是否具有不同的选股行为？
- 规范家族差异来自不同资产集合，还是同一股票池中的不同选择频率？
- 历史表现的贡献是否集中于少数匿名标的、交易或日期？
- 哪些规范家族在上涨、下跌、震荡和高波动状态下表现不同？
- 旧版研究档案中的 Sharpe–Alpha 条带能否由窗口、执行设置、规范家族或规则结构解释？
- 规则子句和参数结论经过解析质量、前视风险、重尾、零交易、依赖结构与多重检验后，还能保留多少？
研究从可见几何反向追踪到语言基因组、规范家族构成、时点一致的股票风格、选股路径、匿名贡献集中度与稳健性筛选。所有正式结论都回到统一的冻结规范队列，而不是从旧图中寻找事后解释。
主分析队列中，动量突破（169 个）、统计过滤（251 个）和价值质量（135 个）三个规范家族达到每类至少 30 个定义的公开比较门槛。趋势跟随（17 个）及其他更小的规范家族仅保留为样本支持说明，不纳入主要比较。
在冻结窗口内，价值质量家族的策略胜率中位数在六个持有期均高于另外两类。3 日持有期下，三类依次为 46.48% / 43.71% / 43.10%。价值质量的总收益中位数为 −5.87%，另外两类为 −27.48% / −42.52%。这是队列层面的描述性差异，不能证明该家族未来表现更好。
选股行为提供了更多解释：价值质量家族 3 日持有期的重复选择率为 34.97%，高于统计过滤的 16.11% 和动量突破的 19.46%，入选股票的换手率中位数也更低。加入次分析队列后，绝对水平明显变化，但三个家族的主要相对顺序仍然保留。因此，该结论在解析敏感性检验中方向较稳健、幅度较敏感。
价值质量家族较好的历史中位结果与更高的贡献集中同时出现。3 日持有期下，最大匿名资产占绝对损益的中位份额为 6.97%，高于统计过滤的 4.62% 和动量突破的 4.94%；20 日持有期下，三类分别升至 13.86% / 11.37% / 11.58%。
20 日持有期下，历史路径中前五个匿名资产的绝对损益占比达到 41%–49%。移除最大绝对损益贡献资产后，约 22%–24% 定义的历史损益符号发生翻转。这里的“前五个”是整个回测路径上的匿名贡献者，不是同时持有五只股票，也不公开任何股票标识。
这使规范家族层面的结论更完整：当前队列中，价值质量家族的中位结果较好，但它同时表现出更高的重复选择与贡献集中，不能只看收益排序。
3 日持有期下，动量突破与统计过滤的入选资产集合 Jaccard 相似度为 0.65，选择频率余弦相似度为 0.66；动量突破与价值质量则只有 0.49 和 0.31。到 20 日持有期，因成交资产减少，集合重叠下降，但两组的频率余弦相似度仍大致保持在 0.65 和 0.30。
因此，规范家族差异主要表现为共享市场范围内的选择权重差异：前两类的选择频率更相似，价值质量则形成了更不同的历史选择分布。
行业层只能作为描述性特征。以 3 日持有期为例，价值质量相对主队列基线对水运和煤炭开采的选择提升倍数约为 2.39× 和 2.05×；但行业标签来自当前静态元数据，不是历史时点分类，不能解释为历史行业暴露的因果证据。
把所有成交标的放回各自买入日的全市场横截面后，三个主要规范家族选中的股票都明显偏小：3 日持有期的市值分位数中位值只有 0.20–0.23，20 日持有期也只有 0.19–0.23。它们还普遍偏向当期动量与换手率较高的股票。
规范家族差异因此是共享市场范围内的相对特征：
- 3 日动量分位数：动量突破 0.65、统计过滤 0.69、价值质量 0.59；
- 3 日换手率分位数：三者分别为 0.66 / 0.64 / 0.54；
- 20 日波动率分位数：三者分别为 0.62 / 0.58 / 0.43；
- 价值质量在 PE/PB 估值取向与 ROE/利润率上相对更高，但多数中位值仍接近全市场中位水平，而不是落在极端价值或质量尾部。
这些分位数使用交易进入日当时可知的因子值计算。它们说明规范家族标签如何映射到实际选股风格，但不能单独证明某种风格导致了较高收益。
在 1,669 × 691 的规则子句出现矩阵上，TF-IDF → SVD50 → HDBSCAN 找到 15 个局部结构岛，已分配样本的轮廓系数为 0.27；约 36.2% 的策略定义没有被分配。局部特征可以识别价值、短期收益、均线、涨停、KDJ、MACD 等语义区域，表明自然语言策略空间存在可观察的局部结构。
但全局分类并不稳定：随机删除 20% 的规则子句特征后，调整兰德指数中位数只有 0.34；保留 80% 策略定义进行行抽样时，ARI 为 0.72。局部结构岛与规范家族之间的标准化互信息只有 0.11。也就是说，局部邻域相对可重复，但“把全部定义切成唯一若干大类”的结果高度依赖所选的规则子句特征。
公开图只发布至少 15 个定义、10 个结构分量的密度格；不发布任何定义坐标或聚类成员关系。因此，本项目把它们称为诊断性局部结构岛，不把 LC01–LC15 包装成真实市场因子或稳定经济类别。
按照每个持有期的重复选择率四分位数，主队列中的“定义 × 持有期”路径被划分为广泛轮动、中等轮动与重复选择三种路径原型。这些原型并非预先定义的规范家族，而是对已经发生的历史选股路径进行匿名聚合剖析。
3 日持有期下，重复选择组的策略胜率中位数为 51.61%，总收益中位数为 +14.09%；广泛轮动组分别为 41.51% 与 −71.79%。然而，前者的前五个匿名资产已占绝对损益的 66.32%，后者只有 15.12%。20 日持有期下，重复选择组的前五个资产占比进一步达到 71.99%。
这些事后路径分组同时受到规范家族构成、可交易机会和历史结果的影响，不能识别重复选择的因果效应。结果显示：较好的历史中位表现与更强的贡献集中可以同时出现。
旧版研究档案中的多条斜带在不同随机种子设置下保持较高一致性，迭代 RANSAC 的调整兰德指数约为 0.86。这表明几何划分在当前分析设置下具有较高可重复性，但不意味着语义类别或经济机制同样稳定。
现有证据需要分层解读：
- 对旧版累计 Alpha，按策略分组的样本外 R² 从仅使用 Sharpe 时的 0.336 升至加入回测窗口长度后的 0.696，表明累计尺度与窗口定义解释了大量结构；
- 改用年化 Alpha 后，仅使用 Sharpe 的 R² 为 0.316；加入窗口与已记录的事前元数据后升至 0.342，其中旧因子类别等元数据的额外增量约为 0.007，解释能力有限；
- 加入最大回撤、阶段胜率与观察期数等事后诊断后，年化 Alpha 的 R² 升至 0.574。这表明几何与已经实现的回测路径高度耦合，但这些变量来自同一次回测，不能倒置为条带成因；
- 旧版条带基本来自 20 日持有期回测，并且属于独立的旧版研究队列，不能并入规范推断；
- 在冻结规范主队列中，以策略胜率 × 总收益进行对应诊断，只得到一个覆盖 97.3% 记录的宽带和 2.7% 残差，没有复现多条稳定轨道；
- 规范总收益的几何模型对重尾极其敏感：原始分组样本外 R² 仅约 0.00–0.01，经 1%/99% 缩尾后为 0.21–0.43，说明模型解释力对极端值处理高度敏感。
封面图已从拟合条带、回测窗口、最大回撤和阶段胜率四个维度呈现同一批聚合散点，本节不再重复展示。
综合来看，旧版几何在当前分析设置下具有较高可重复性，其中累计尺度与窗口长度解释了重要部分；规范队列未复现多条轨道。 已记录的事前元数据对剩余结构的解释增量有限，事后变量虽与几何高度相关，却不能作为生成原因。因此，条带更适合作为结构诊断和候选区域，而非规范家族、语义聚类或完整机制。进一步归因仍需要同一规范生产流程中的基准、时点一致因子暴露、退出规则、交易强度与完整实验元数据。
在 575 个主队列定义中，3 日持有期的策略胜率中位数为 44.37%，20 日为 40.91%；同一策略定义 3 日减 20 日的中位配对差为 +4.22 个百分点，描述性自助法 95% 置信区间为 [+3.12, +5.03]。
总收益方向相反：3 日减 20 日的中位配对差为 −23.73 个百分点，95% 置信区间为 [−26.42, −18.21]。主队列所有持有期的总收益中位数都为负，因此“20 日更常成为总收益相对最优档”通常表示损失较小，而不是普遍盈利。
不存在普遍最优持有期。按策略胜率定义的逐定义最佳档分散在全部六档；短周期之间的排名相关性较高，3 日与 20 日的 Spearman 相关系数则降至 0.58（策略胜率）和 0.44（总收益）。
68 个可做出现性比较的规则子句中，46 个满足主队列公开样本格门槛。加入规范家族分类、连通分量聚类协方差、解析敏感性、前视敏感性、缩尾、零交易与多重检验筛选后，只剩 total_mv>=1000000000 在两个持有期保留为 B 级条件性观察关联；它没有严格的单子句增删配对支持。原来的 board=main 主要结论在规范家族调整后的 BH-FDR 下被降为 C 级。
现有 7,366 个精确基础配对是单原子替换对比，不是增加或删除一个规则子句。严格单子句增删证据为 0。81 组参数扫描中有 5 组强支持、5 组准备就绪，但真实参数值样本格过小，公开层不绘制响应曲线，也不声称存在稳定最优值。
1,669 个定义并不等于 1,669 个独立实验：
| 结构视角 | 数量 | 含义 |
|---|---|---|
| 策略定义 | 1,669 | 完整覆盖六个持有期 |
| 规范化规则子句标签 | 691 | 可公开的规则词汇表 |
| 完全相同的子句集合 | 1,134 | 合并原子集合相同的语言结构 |
| 无参数模板 | 922 | 仅忽略数值的结构模板 |
| 替换关系连通分量 | 866 | 单原子替换图中的连通单元 |
| 最大替换关系分量 | 138 | 高依赖区域，不能按独立定义计数 |
| 孤立分量 | 729 | 当前没有单原子替换边 |
规范家族分类与 1,669 个定义一一匹配，但主队列支持量高度不均衡：
| 规范家族 | 全部定义 | 主队列 | 公开表现状态 |
|---|---|---|---|
| 统计过滤 / 风险约束 | 808 | 251 | 达到门槛 |
| 价值与质量 | 426 | 135 | 达到门槛 |
| 动量突破 | 265 | 169 | 达到门槛 |
| 趋势跟随 | 165 | 17 | 样本不足，不公开比较 |
| 均值回归 | 2 | 1 | 样本不足，不公开比较 |
| 其他 | 3 | 2 | 样本不足，不公开比较 |
旧看板的动量、价值、质量、风险与流动性五类来自“绝对值最大的因子权重”，并使用旧版回测引擎、不同窗口和 Sharpe/Alpha 指标。它们不属于这里的规范家族分类，只作为旧版假设来源保留。
私有只读层将原始语言转换成不会泄露原文的结构统计：字符长度、数字记号、比较符、逻辑连接词、规范化规则子句数与规则子句类别数。任何词语、片段、原句或可逆指纹都不写入公开 CSV。
语句长度与解析保真度的 Spearman 相关系数为 0.29，比较符数量与解析保真度的相关系数为 0.38，但关系并非越长越好。81–100 字符组的保真度中位数为 1.00、主队列占比为 49.5%；131 字符以上组分别回落到 0.88 和 18.0%。这更像“适量明确阈值有助于解析，超长复合描述又增加歧义”，而不是较长的规则定义本身质量更高。
这些关联高度依赖当前语料格式与解析器版本。解析保真度、前视标记和未匹配片段本来就是主队列筛选条件，因此不再对它们报告由筛选机制造成的伪相关。
规则子句图谱区分三个问题：
- 词汇：哪些规范化标签经常出现；
- 组合：哪些标签经常共同出现；
- 证据：这些标签或组合是否与回测结果或选股行为稳健关联。
前两者描述策略语言生态，第三个才涉及统计推断。主队列中共有 67 对规则子句同时出现于至少 30 个定义。共现提升倍数最高的组合包括：
| 重复出现的规则组合 | 同时包含两者的定义数 | 提升倍数 | 含义 |
|---|---|---|---|
float_mv>=3000000000 + total_mv>=3000000000 |
43 | 9.43× | 市值下限的近重复表达 |
float_mv<=30000000000 + total_mv<=30000000000 |
38 | 8.71× | 市值上限的近重复表达 |
is_new_high_5=False + ret_1d<=0.03 |
33 | 6.74× | 避免短期极端上涨的组合语言 |
ret_20d<=0.1 + turnover_rate<=10 |
36 | 4.83× | 中期涨幅与换手共同约束 |
高共现不等于互补收益。现有正式交互检验没有得到 A 级或 B 级的表现协同证据；个别 q 值较低的交互项仍然只有 C 级探索状态。规则组合图回答“人们如何反复描述策略”，不是“组合必然有效”。
规则空间相似性分析使用全部规范标签，而不是预先指定的规范家族标签。公开层只保留：
- 一个全局稳定性摘要；
- 15 个各含至少 32 个定义的局部结构岛汇总；
- 各含至少 15 个定义、10 个结构分量的二维密度格；
- 每个局部结构岛中至少出现 20 次的规范规则特征。
结果支持“存在局部语言邻域”，不支持“存在唯一、稳定、与规范家族一一对应的全局聚类”。因此，README 同时保留规范家族、替换关系连通分量与局部结构岛三个视角，而不把它们混成一个标签。
每个“策略定义 × 持有期”在私有内存层计算：
- 完成交易数与入选资产去重数；
- 重复选择率与选择熵；
- 当前静态宽口径行业分布；
- 入选日市值、换手率、动量与波动率描述；
- 规范家族之间的入选集合 Jaccard 相似度、加权重叠率与选择频率余弦相似度。
公开层只保留“规范家族 × 持有期”聚合。行业结果至少要求 30 个策略定义与 20 笔成交；任何证券代码、单定义资产集合或日期均不落盘。
完整结果：
对每个真实入选事件，私有层先在同一交易日的全市场横截面中计算入选股票的分位数，再聚合到策略定义，最后聚合为“规范家族 × 持有期”。公开的八个维度是：
- 市值；
- 20 日动量；
- 20 日波动率；
- 换手率；
- PE / PB 的价值取向；
- ROE / 利润率的质量取向。
这一设计避免用 2026 年静态公司属性解释 2024 年入选时的估值、动量与波动。结果也显示了规范家族标签的边界：价值质量只是相对于另外两个规范家族更偏价值、质量、低波动与低换手，三个规范家族都处于相似的小市值、高活跃度选股范围。
5 个规范化标签在调整规范家族、复杂度、解析保真度、主要规则子句类别和替换分量内相关性后，仍与重复选择率保持跨持有期关联：
| 规范标签 | 稳定持有期 | 调整后关联中位数 | 方向 |
|---|---|---|---|
is_new_high_5=False |
6 / 6 | −29.35 pp | 较少重复选择 |
ret_1d>=0 |
6 / 6 | −11.02 pp | 较少重复选择 |
ret_5d<=0.08 |
5 / 6 | −6.42 pp | 较少重复选择 |
board=main |
4 / 6 | −8.81 pp | 较少重复选择 |
gap_open_pct<=5 |
4 / 6 | +7.65 pp | 较多重复选择 |
这些结果在缩尾、加入次解析队列、重新加入带前视标记定义的方向检查中保留，且通过本检验族的 BH-FDR。它们仍然只是观察性的行为关联：规则可能与未完全观测的策略结构共同出现，不能称为“规则造成的选股贡献”。
由于回测采用单标的轮动，本项目不把它伪装成传统多资产组合风险分析。贡献层回答的是：整个历史路径中，哪些匿名资产、交易或日期占据了绝对损益，以及移除最大贡献者后，损益符号是否发生描述性变化。
公开失效分类包括：
- 贡献者集中：正贡献或绝对贡献过度集中；
- 正损益依赖最大正贡献资产：移除该匿名资产后，历史损益不再为正；
- 损益符号依赖最大绝对贡献资产：移除该匿名资产后，历史损益符号翻转；
- 低活跃度：历史成交过少；
- 高费用负担：费用相对于绝对毛损益较高；
- 持有期敏感结果、结构重复与参数模板重复。
这些是历史脆弱性诊断，不是未来破产概率或组合风险价值（VaR）。详见持有期失效模式。
为避免规则组合、路径与结果共同指向某个真实策略定义，公开剖析使用每个持有期内至少包含 30 个定义的路径原型作为分析单位：
| 路径原型 | 构造方法 | 3 日历史概况 | 主要脆弱性 |
|---|---|---|---|
| 广泛轮动 | 重复选择率最低四分位 | 胜率 41.51%，总收益 −71.79% | 交易覆盖广，但路径中位结果弱 |
| 中等轮动 | 重复选择率四分位区间 | 胜率 44.07%，总收益 −28.97% | 介于两端 |
| 重复选择 | 重复选择率最高四分位 | 胜率 51.61%，总收益 +14.09% | 前五个资产占绝对损益 66.32% |
这一聚合剖析保留三种相互竞争的解释：
- 重复选择可能捕捉了持续性更强的历史标的；
- 较好的历史路径本身可能提高重复选择率，存在反向关系；
- 少数持续上涨标的同时抬高收益与集中度，使“机制稳定”与“事件集中”难以仅靠这一窗口区分。
因此，本仓库只把这些路径原型作为观察脆弱性的窗口，不把“重复选择”当成可交易规则。
规范日度记录的基准收益全部为空，分析保持该字段缺失，并将旧引擎 Alpha/Beta 与规范结果隔离。市场状态直接由同一只读历史市场库构造：
- 当日全市场横截面收益中位数；
- 按窗口内 20 日复合市场收益三等分：下跌、震荡、上涨；
- 20 日市场收益波动位于窗口内最高四分位：高波动；
- 其余状态：常规波动。
三个规范家族在上涨状态下的日度净收益绝对值为正，在常规波动的下跌状态下为负，说明结果明显与市场方向共变。图中数值不是基准调整后的 Alpha，也不足以识别“某个规范家族在某种市场状态下有效”。公开表见市场状态概况。
规范指标网格完整覆盖 10,014 次回测，但可用日度路径没有覆盖完整队列。按三个公开“规范家族 × 持有期”分组计算，日度路径覆盖率只有 22.2%–31.9%；而且部分样本格中，有路径与无路径定义的总收益中位数差异明显。例如，统计过滤家族 3 日持有期下分别为 −6.62% 与 −40.62%。
因此，2024 / 2025 日历年度拆分与市场状态图只描述已有路径子集，不能代表完整主队列或支持跨市场周期稳定性结论。路径覆盖审计作为公开结果与这些图表同时呈现。
不同规则子句分析不能混称为“效果”：
| 证据层 | 设计 | 当前公开决定 |
|---|---|---|
| 出现性比较 | 主队列中“含有”与“不含有” | 46 个标签；仅观察性关联 |
| 调整后关联 | 控制规范家族分类、复杂度、解析保真度与主要结构 | 1 个 B 级表现关联 |
| 精确替换 | 原子 A 被原子 B 替换 | 7,366 个基础配对；公开结果为 C 级 |
| 精确参数配对 | 同一模板、仅一个数值改变 | 783 个配对；公开结果为 C 级 |
| 参数扫描 | 同一模板中的真实观测值 | 响应曲线因证据不足而不发布 |
规则子句数与交易次数在六个持有期的 Spearman 相关系数约为 −0.49 至 −0.53；它与策略胜率或总收益的关联较小且不一致。更多条件主要对应更严格筛选和更少交易，不能解释为更好的策略。
在“同一模板、仅单个参数改变”的精确配对中，只有两个参数系列拥有相对较多、可用于选股行为比较的配对：
| 参数系列 | 配对数 | 独立模板数 | 公开决定 |
|---|---|---|---|
float_mv:le |
61 | 8 | 独立模板不足 |
week_vol_ratio:gt |
54 | 7 | 独立模板不足 |
虽然某些持有期的“较高参数值减较低参数值”比较，在重复选择率、选择熵、最大资产占比或费用负担上方向一致，但聚类自助法仍主要由 7–8 个模板决定。入选资产集合的 Jaccard 相似度也随持有期改变，说明参数值可能与选择集合变化相关；但当前证据不足以判断是否存在单调响应、内部最优值或随持有期变化的最优值。
参数最优曲线暂不发布，因为公开推断缺少足够的独立模板支持。完整的保守决策表见参数行为摘要。
详细方法与完整表：
- 结构依赖：替换结果按连通分量进行聚类自助法；参数比较按模板聚类。
- 分组验证：表现几何模型按策略定义或结构分量执行 GroupKFold，避免同一结构同时进入训练集与验证集。
- 多重检验：A–G 检验族分别执行 BH-FDR；q 值不单独决定公开等级。
- 重尾分布：并列比较原始值、中位数/分位数、1%/99% 缩尾和非零交易分支；428 个零交易回测不被静默删除。
- 解析器敏感性：主队列结论加入 866 个次队列定义后重新计算；方向改变即降级。
- 前视敏感性：主队列排除 197 个带前视标记的定义；候选结论重新加入后检查方向与量级。
- 选择胜率与策略胜率：两者的差异混合交易费用、止盈止损和实际执行路径，不称为纯成本侵蚀。
- 不作因果声明：规范家族、出现性、替换、参数、选股与贡献者结果都是冻结队列中的描述性证据。
- 指标隔离：旧版 Sharpe/Alpha 只用于明确标注的几何审计，从不进入规范结果比较。
| 数据层 | 内容 | 外部可复现性 |
|---|---|---|
| 真实研究公开聚合层 | 真实历史回测的持有期、基因组、规范家族、选股、脆弱性、市场状态、几何与规则子句聚合 | 所有公开图片均可由 CSV 完整重建 |
| 合成复现夹具 | 300 条固定随机种子的完全合成记录 | 生成器、模式、分析与测试可完整重跑 |
| 私有原始研究数据 | 原始策略文本、逐行回测、股票、持仓、成交、日收益与数据库 | 不公开；外部无法独立重跑“私有原始数据到聚合推断”流程 |
公开聚合禁止包含原始查询文本、策略/登记表/配对/模板成员标识、网址、平台名、股票代码、持仓、成交、日期级收益、私有路径或可逆哈希。公开散点图不使用单定义点；表现几何只发布满足最低支持量的聚合散点或密度格、模型摘要与条带诊断。
要求 Python 3.11 或更高版本：
python3 -m venv .venv
source .venv/bin/activate
python3 -m pip install -e '.[test,figures,notebook]'
python3 scripts/generate_empirical_figures.py笔记本 05_empirical_aggregate_overview.ipynb、06_strategy_intelligence_public_analysis.ipynb 与 07_strategy_mechanism_atlas.ipynb 只读取 results/empirical/，不访问私有数据库、其他仓库或网络。
backtest-analysis-generate --output-dir data
backtest-analysis-analyze \
--input data/synthetic_backtest_results.csv \
--output reports/descriptive_summary.jsonPYTHONPATH=src python3 -m pytest -q
PYTHONPATH=src python3 -m backtest_analysis.release_check .
PYTHONPATH=src python3 -m backtest_analysis.release_check . --public-releaseREADME.md / README_EN.md # 中文首页 / 英文研究展示页
results/empirical/
├── clause/ # 可公开的规则子句与参数聚合
└── intelligence/ # 基因组、规范家族、选股、脆弱性与几何聚合
figures/empirical/ # 只由公开聚合 CSV 重新生成
data/ # 300 条确定性合成测试记录
notebooks/ # 合成数据笔记本与公开实证概览
docs/ # 方法、实证结果、数据卡、限制与证据边界
└── research/ # 七篇公开策略智能研究章节
scripts/ # 仅使用公开数据的确定性图片生成脚本
src/backtest_analysis/ # 合成生成器、分析代码与发布门禁
tests/ # 模式、隐私、来源与可复现性防护
- 历史回测不代表未来表现，本仓库不提供投资建议。
- 策略定义、规则集合与模板彼此相关；名义定义数不等于独立样本量。
- 单标的轮动不是分散化组合；贡献集中度是路径诊断，不是组合风险估计。
- 当前静态行业元数据只具描述意义，可能错置历史行业分类。
- 候选排序事件没有随规范回测成员关系一同冻结，因此项目可以解释实际入选结果，但无法完整解释每个落选候选。
- 规则空间的局部结构岛在定义抽样下尚可复现，但对特征选择敏感，不构成唯一的全局分类。
- 规范队列缺少基准收益；本项目不声称拥有规范口径的 Sharpe、最大回撤、Alpha、Beta、IC 或 IR。
- 日度路径只覆盖公开“规范家族 × 持有期”样本格的约 22%–32%；市场状态与日历年度拆分不是完整主队列的全周期状态研究。
- 规范家族构成不是随机的；解析器敏感性会改变家族层结论的幅度。
- 收益分布具有重尾；原始几何和聚合均值并不稳定。
- 原始研究数据不公开，因此外部无法逐行审计私有提取过程。
更多细节见策略智能研究章节、方法、实证结果、数据卡、局限与策略智能分析。
代码、合成复现夹具与公开聚合采用 MIT 许可证，见 LICENSE。联系、问题与撤下请求统一使用 GitHub Issues。