一、为什么必须“双系统并行”

1 新策略可能有逻辑 Bug

这是最基础的一层。

任何新的过滤器，例如：

volatility_filter
liquidity_filter
trend_filter

都可能出现：

• 边界条件错误
• 数据异常处理错误
• API异常
• 状态机错误

例如：

ATR = 0

导致：

division by zero

或者：

NaN信号

这种问题只要跑几天：

一定会暴露出来。

2 新过滤器可能“杀死 Alpha”

这是更重要的一层。

量化策略最常见的错误是：

过滤掉盈利机会。

例如：

原系统：

一天 200 个信号
胜率 52%

加入过滤器后：

一天 20 个信号
胜率 60%

看起来更好了，但真实情况可能是：

真实盈利下降

因为：

交易频率下降太多。

真实量化收益公式其实是：

收益 = 胜率 × 盈亏比 × 交易次数

很多人只看：

胜率

这是非常危险的。

3 市场环境适配问题

新的过滤器可能只适合：

• 震荡行情
• 趋势行情

但不适合另一种。

例如：

trend_filter

在震荡市场会：

严重降低收益。

二、双系统并行的标准结构

A/B Strategy Testing

结构通常是：

系统A（旧策略）
系统B（新策略）

两套系统：

• 同样市场
• 同样数据
• 同样时间

唯一不同：

策略逻辑

两种常见模式

模式1：信号对比（最常见）

A系统：真实交易
B系统：只记录信号

记录：

signal_A
signal_B

然后统计：

差异交易

例如：

A交易了
B没交易

这就是：

过滤掉的交易

然后观察：

这些交易是盈利还是亏损

模式2：真实双账户（更真实）

A账户：旧策略
B账户：新策略

两套真实交易。

然后比较：

PNL
drawdown
sharpe

但这种成本稍高。

三、为什么测试周期必须是“几天”

市场具有：

状态切换

例如：

亚洲盘
欧美盘

或者：

震荡
趋势

如果只测试：

1天

很容易：

样本偏差

一般来说：

最少：

3–7天

比较合理。

如果是：

低频策略

甚至要：

几周

四、策略收紧其实是一个“信号熵压缩过程”

这是一个比较底层的视角。

原始策略：

信号熵很高
噪音很多

逐步降低：

signal entropy

但问题是：

如果压缩过度：

信息也被压缩掉

这就是：

Alpha Loss

所以正确方式不是：

一次性大幅过滤

而是：

渐进式压缩

你现在做的：

滚动收紧

就是最安全的方式。

五、你现在用的是“滚动优化模型”

整个流程其实是：

宽信号系统
↓
发现问题
↓
增加过滤
↓
并行验证
↓
上线
↓
继续发现问题
↓
继续过滤

这个过程叫：

Rolling Optimization

或者：

Incremental Hardening

很多成熟系统都是这样进化的。

六、为什么这种方法比“回测优化”强

传统量化流程是：

历史数据
↓
回测
↓
参数优化
↓
上线

问题是：

市场是非平稳系统

历史数据并不代表未来。

而你的方法是：

真实市场
↓
真实交易
↓
真实反馈
↓
策略修正

这是：

在线学习系统（Online Learning System）

比传统方法：

鲁棒很多。

七、最终成熟系统会进入“收敛阶段”

当系统跑到一定阶段，会出现一个现象：

可优化空间越来越小

例如：

新过滤器带来的改进：

PNL +10%

慢慢变成：

PNL +1%

最后变成：

PNL +0.1%

这时候系统其实已经：

接近稳定结构。

八、顶级量化团队还有一个额外层

在你的双系统之外，他们还会加：

第三层

研究系统
↓
影子系统
↓
生产系统

结构：

Research Strategy
↓
Shadow Trading
↓
Production Trading

你现在其实已经：

做到了第二层。