部落格

當單次回測很便宜時，簡單的打亂 Sobol 序列在原始吞吐量上碾壓所有"智慧"取樣器——TPE、CMA-ES、ASHA 要繳納 Python ask/tell 稅，導致速度下降 20 倍，在相同牆鍾時間內評估的點數遠遠更少，因而落敗。讓每次評估變得昂貴（多時間框架 + walk-forward 折）之後，交叉點就翻轉了。我們測量了這兩種情形，以及為什麼摺疊排名保真度（ρ@1 從 0.03 升至 0.43）是剪枝能否奏效的前提條件。

並非所有參數的搜尋成本都相同。一個策略的參數會分裂為一條昂貴軸（指標——需要在整個序列上重新計算）和一條廉價軸（決策閾值——對預計算訊號做一次 O(n) 遍歷）。由於指標對閾值不變，你只需計算一次，就能以約 5,600 cfg/s 的速度掃描數千種閾值配置——比每種配置都重新計算大約便宜 1,600 倍。這是對維度災難的一次重新定價。

我們在同一個參數掃描任務上對八個回測引擎進行了基準測試——15萬根K線、80個HMA交叉組合、交易筆數嚴格鎖定在2707筆。兩個最受歡迎的事件驅動框架的速度居然比手寫的 pandas 迴圈還慢，而一個向量化/編譯型引擎完成同樣的工作快了約13000倍。這是一篇關於主流庫從未被設計用來攤銷的逐K線開銷的研究。

Deflated Sharpe Ratio 給獲勝策略定價；PBO 給挑出它的那次搜尋定價。組合對稱交叉驗證（Combinatorially Symmetric Cross-Validation）在一個 1000x200 的表現矩陣上跑 C(16,8) = 12,870 次訓練/測試切分，問的是：樣本內贏家會不會落入樣本外的後一半？幾乎每個人都會看錯的地方——PBO 的零假設值是 0.5，不是 1。在 200 個零優勢策略上，最佳樣本內年化夏普比率 1.98 在樣本外坍縮到 0.06，PBO = 0.476：如同拋硬幣，徹底過擬合。植入一個真實優勢（年化夏普比率 2.38），PBO 降到 0.001，樣本內的 3.73 在樣本外仍保住 2.34。在純隨機遊走上跑移動平均線網格，同樣沒有任何樣本外的技巧——60 個矩陣平均 PBO 0.463，在統計上和零假設無法區分——而在其中一個具有代表性的矩陣上，這場海市蜃樓十分鮮明：最佳樣本內夏普比率 2.33 坍縮到樣本外中位數 -0.22，PBO 0.573，63% 的機率會虧錢。

我們把一個 numba 回測核心逐行移植到 Rust，並以四種方式跨程序邊界呼叫它，用等價性校驗確認到最後一筆交易都完全一致的 PnL。把整條 1.2 MB 的價格序列通過 Unix socket 傳輸一次，成本約 2 毫秒——約佔整個任務耗時的 0.1%。對同一份資料做 JSON 編碼，成本是原始位元組的 1348 倍；健談式的逐組合呼叫把資料重複傳輸了 80 次；逐 bar 呼叫模式會在一個 2.0 秒的任務上白白付出 2.1 秒的純 IPC 開銷。邊界本身很便宜，稅出在你如何跨越它。

參數搜尋是一臺製造運氣的機器。在純噪聲上——1,000 個真實優勢為零的策略——最佳年化夏普比率平均達到 1.63，樸素顯著性檢驗 100% 的時候都會宣佈發現。我們構建受控的真實基準，證明 Deflated Sharpe Ratio、Harvey-Liu 折價法與 White's Reality Check 能夠恢復誠實：假髮現率從 1.000 降到 0.001-0.057，噪聲上限之上的真實優勢仍以接近 1 的功效被保留——還有一個真實的陷阱（相關網格），在那裡原始 DSR 會過度折損，其結論必須放在一整條有效試驗數估計的區間上通讀，而不是隻看一個數字。

要搜尋'最好'的策略，你必須先定義什麼是'最好'——而那個標量，會悄悄替你選出贏家。在帶有已知優勢的合成數據上（600 個種子，T=2000，80 個候選閾值），樸素的逐筆（per-trade）夏普比率會加冕一張彩票：它在 56% 的種子上選出曝光率低於 5% 的贏家，在 57% 的種子上發生退化——在最極端的那個種子上，8 筆交易的樣本內夏普比率高達 21.09，樣本外卻崩塌到 0.13。誠實的修復幾乎平淡無奇：在整條時間線上測量，它從不退化（樣本外 1.71）。交易筆數（conf_k）收縮與曝光率下限可以給逐筆指標打補丁，但即便完全修復，它們也只能追平整條時間線夏普比率（1.70 對 1.71）——永遠無法超過它。古德哈特定律，在回測裡，配上受控的真實基準。