回测方法论总纲

本项目（FengInvest）52 条投资论断回测的方法准则。 背景：抽查 #1、#4、#33 三个已测论断，发现已有结论存在系统性方法缺陷，README 标注不可直接采信。 本文件定义"一条论断该如何被正确回测"的标准，所有新论断准入与此前结论复核均以此为准。 关联：literature-map.md（权威文献引用表）。

0. 为什么要有这份文档

已测的 36 条结论里，抽检发现三类系统性问题，说明"跑出数字就标 ✅"不可靠：

1. 判据错位：论断说的是"收益"，算法只比"胜率"（#1），导致结论方向可能与论断相悖。
2. 结论误标：代码判定结果与 README 标注冲突（#4：claim_supported=false 却标"✅"）。
3. 数据口径缺陷：收益未复权、基准口径与样本池矛盾、样本过拟合、无交易成本/生存偏差处理（#33）。

因此必须建立统一标准：一条论断只有当其算法正确测了它声称测的那个量、且数据口径无已知缺陷时，结论才可标注 ✅/🟡/❌。

1. 铁律一：论断指标 = 判据指标

论断里声称的是哪个量，算法就必须以那个量作为支持/拒绝的唯一判据。

• 论断说"收益优于" → 判据必须是收益（均值/中位数/年化），不能偷换成胜率。
• 论断说"胜率 > 60%" → 判据才是胜率。
• 论断说"回撤下降 X%" → 判据必须是回撤。
• 禁止：用 A 指标跑数据，却用 B 指标判定支持与否。

落地检查：每条论断在 audit.md 开头一句写明 论断指标:___ ｜ 实际判据:___，若两处不一致即为判据错位，结论降级。

2. 铁律二：效果量要超过"噪音地板"

市场日度波动大，样本极多（百万级）时，极小差也会"显著"。必须区分统计显著与经济显著。

要求三条同时满足才标 ✅：

1. 方向：判据指标方向符合论断。
2. 幅度：差异 > 该量在历史上的合理噪音（例如年化超额 ≥ 1~2%/年，胜率差 ≥ 2~3 个百分点），或效应量 Cohen's d ≥ 0.2（小效应下限）。
3. 显著性检验：给出 p 值 或 置信区间（抽样/自助法），p < 0.05 才可宣称"显著"。当前多数已测论断完全没有显著性检验——复核时一律补上，补不了就标"未检验显著性"。

反例：#1 的 US d20，胜率差仅 +0.12%，却判"支持"——幅度远低于噪音地板，判据又是错位的。

3. 铁律三：数据口径无已知缺陷

回测用到的价格/财务数据必须满足：

每种已知缺陷在 audit.md 中列出「缺陷 → 对结论的影响」，无缺陷写"已核验无此缺陷"。

4. 铁律四：引用权威方法，而非自创

原则：优先采用已有学术论文/金融工程标准方法作为算法的"标尺"，而不是自己发明一套回测套路。

• 每条论断在立项时，须在 literature-map.md 里绑定 1~2 个权威方法来源（作者/年份/方法名），并说明"标准方法应如何测、本实现与其差异"。
• 自创算法仅在"确无学术先例"时允许，且须在文档里写明"无文献先例，自拟方法，结果可证伪性弱"。
• 原因：市场口诀数百上千种，逐一自研算法易过度拟合且不可信；学术文献已沉淀了大量被验证过的方法（动量、均值回归、价值/质量因子、择时日线规则等），直接采用更可靠、可复现、可引证。

5. 准入规则（新论断立项 checklist）

一条新论断要进入"已测"状态，必须全部满足，缺一不可：

• ☐ 论断是可证伪陈述（有零假设 H₀）
• ☐ README 写清「论断指标」
• ☐ 算法判据 = 论断指标（铁律一）
• ☐ 有效果量阈值 + 显著性检验（铁律二）
• ☐ 数据口径含复权/基准/生存偏差/交易成本声明（铁律三）
• ☐ 绑定权威文献方法（铁律四），写入 literature-map
• ☐ 人工复核签名：audit.md 已通过

未满足以上任何一条的，状态只能标 ⏳ / 🟡，不能标 ✅。

6. 复核流程（对已测结论）

对每条已 "✅/🟡/❌" 结论：

1. 写「论断指标 vs 实际判据」比对（铁律一）
2. 核数据口径（铁律三）：复权、基准、生存偏差、交易成本
3. 查显著性：有则引用 p 值，无则明确标"未检验"
4. 找权威文献对照（铁律四）
5. 给出复核后建议结论 ✅/🟡/❌，写入该条目录 audit.md

复核进度在 110-strategy-verification/000-README.md 的「复核进度」表登记。

文档落点