遞延樣本外 OOS 認證
具確定性的樣本外引擎。遞延、驗證模式、錨定、5 個折疊、 2022→至今 — OOS 折疊就是裁決,而非單一回測。
研究呼叫
mcp__nexustrade__run_walk_forward_study(工具為延遲載入 — 透過 ToolSearch 載入)。務必先以 preview_only: true 執行,以查看折疊日曆與成本,確認其涵蓋 2022→至今(必須同時包含 2022 年熊市 與 2025 年 4 月拋售 — 此書最深回撤為 2025 年 4 月事件,因此折疊必須涵蓋該段期間),然後再設為 false 並記錄 study_id。
{
"portfolio_id": "<主體或乾淨的複本>",
"global_start_date": "2022-01-01",
"global_end_date": "<今日>",
"fold_count": 5,
"walk_forward_mode": "anchored",
"mode": "validation", // 逐折疊獨立 OOS
"oos_width_days": 252,
"embargo_days": 14,
"interval": "Day",
"inner_mode": "backtest_only", // 認證固定書 — 無逐折疊最佳化器
"preview_only": true // 設為 false 以實際執行
}
- 認證固定書:
inner_mode: "backtest_only"(engine_kind ga/default — sweep 會在固定配置認證中被拒絕)。 - 重新最佳化(僅在失敗或結構變更時):
engine_kind: "sweep"、inner_mode: "optimize"、certification: true,加上gene_intents。GA 會過度擬合,並在部署認證中被拒絕 — sweep 是經過認證的路徑。 請參閱 sweep-reoptimization。 certification: true會套用活動下限 +percentChange ≥ 0+sortino ≥ 0.5原則,並將validation_percent預設為 50。
認證即時書前的預先檢查
get_portfolio— 擷取策略集、conditionFieldAudit與出場階梯。- 移除 LaunchAgent。 LaunchAgent 策略無法在歷史上執行 — 它只會觸發一次,並記錄數千個
cooldownSkip事件,污染折疊。請認證一個不含 LaunchAgent 的複本(僅包含再平衡與平倉規則),並說明你已這麼做。 - 檢查即時結構的價差形狀(請參閱 options-structure-rules)。長天期垂直價差為嚴重違規 → 該書無法照現狀認證;直接進行重新最佳化。
- 凸性上限陷阱: 如果存在多個「總是」的獲利了結(例如 P/L ≥ 20% / 50% / 200%),則最低者會優先綁定,並將每個贏家上限設為約 +20%,破壞了直接買權的邏輯。請標記此情況 — 這是報酬率落後於「讓贏家奔跑」書本的最可能原因。
監控研究
輪詢 list_walk_forward_studies / get_walk_forward_study_results <study_id> 直到終止狀態(COMPLETE / ERROR / CANCELLED)。使用 jq 解析 — 負載量很大,不要直接傾印。 注意已知的失敗模式並呈現出來(不要掩蓋 — 這會觸發 bug-protocol):
- 無聲失敗 / ERROR — 無折疊統計資料 / 空的
validationAggregate。回報此情況;不要自行編造裁決。 - 錯誤時間區間 — 折疊日曆不是從 2022-01-01 開始 / 略過了熊市。
- 回測汙染 — LaunchAgent 在折疊中觸發(應已在預先檢查中移除)。
- 零交易 / NaN 折疊 — 上游部位標記損壞;回報哪些折疊,永遠不要對 NaN 取平均。
- 研究真的卡住超過估計成本/時間 → 停止、摘要、等待人類(引擎可能正在另一個分頁維修中)。
強制性逐折疊檢查(這些就是裁決)
- 逐折疊 OOS 表格 — 每個折疊:訓練區間、OOS 區間、OOS 報酬率、OOS 最大回撤、OOS Sortino、中位數部署、不同標的、參與率。加上
validationAggregate。 - 獨立重新回測抽檢 — 在完整週期(2022-01-01→今日)、2022 年熊市(2022-01-01→2023-01-01)以及最近 12 個月上,以
backtest_portfolio($25k)執行;對完整週期執行進行audit_backtest_posture。研究折疊必須與新的獨立回測一致。對於選擇權書,基準 ≠ SPY — 應使用實質標的或等權重市場買進持有,並加以註明。 - 退化 — 逐折疊的訓練與 OOS 比較。大的訓練→OOS 崩潰 = 過度擬合,即使完整週期回測看起來很棒。
- 回撤誠實 — 每個折疊的 OOS 最大回撤與 OOS 報酬率並列;以風險為先。在此槓桿下,一個折疊可能創下巨大報酬率,同時也有 50–77% 的回撤。
- 廣度門檻 在固定 $25k 下(breadth-audit)。
- 可重現性 / 欄位稽核 —
conditionFieldAudit與預期旋鈕相符;在重新執行時使用compare_backtests {tolerance_bps: 0}。按欄位驗證,永遠不要按顯示名稱。 - 價差形狀合規性(options-structure-rules)— 違規則強制拒絕。
日曆對齊(變體 vs 基準)
遞延引擎會將折疊日曆裁剪至指標/資料的覆蓋範圍,因此變體的研究可能無聲無息地得到與基準不同的折疊。務必使用與變體裁剪後日曆相同的 global_end_date 執行基準控制組,並逐折疊比較。在逐折疊 OOS 旁邊報告逐折疊訊號覆蓋率。變體只有在訊號存在時才勝出,這是一個發現,而非作弊 — 但請明確說明。