策略研究进度总结
日期: 2026-08-28
阶段: 信号变体网格搜索完成 + 严格测试方案设计完成
已完成工作
1. 信号变体网格搜索（320标的池）
测试范围:
◦39套策略（8套命名基线 + 31套信号变体）
◦320只标的（265个股 + 55ETF）
◦回测口径: 信号当天收盘价结算
核心发现:
去尾均值排名 Top5
1. V-B1&xih5+gs_pch0 (Calmar去尾 1.33)
◦买入: B1 & xih5
◦卖出: GS & pch>0
◦收益/回撤: 56.5% / 44.7%
◦轮次: 3（⚠️ 统计不足）
◦胜率: 65.8%
2. BASE-乘势低吸 (Calmar去尾 1.32)
◦生产ETF席位，去尾后从第8→第2
◦收益/回撤: 38.9% / 33.1%
◦轮次: 19 ✅
◦失效率: 52.8%
3. V-B1&xih5+zhong (Calmar去尾 1.29)
◦轮次11，比gs_pch0更充分
◦收益/回撤: 21.7% / 22.1%
4. V-MX3&CTA1 (Calmar去尾 1.28)
◦轮次24，统计最充分
5. V-B1&xih5+gs_raw (Calmar去尾 1.26)
关键洞察
1. 出场信号精细化是优化核心: gs_pch0 > zhong，Calmar提升10%
2. 乘势低吸在ETF上稳健: 去尾后排名大幅提升，说明"差标的"占比低
3. 轮次<10的策略统计置信度不足: V-B1&xih5+gs_pch0虽然Calmar最高，但仅3轮中位数，可能是偶然性
4. CTA因子在ETF上是负向: lahgao单独表现优于lahgao+CTA组合
2. 报告交付
Markdown版本: /root/ths_analysis/signal_grid_report.md
HTML版本（莫奈风格+响应式）:
◦本地: /root/web_reports/signal_grid_report.html
◦公网: http://47.113.231.110/signal_grid_report.html
视觉特性:
◦莫奈《睡莲》拼色（雾蓝/鼠尾草绿/藕粉/香槽金）
◦响应式（桌面常规/手机横滚+首列吸附）
◦顶部彩色装饰条 + 金色圆点 + 蓝紫渐变表头
3. 统计方法改进
从中位数 → 去尾均值:
◦理由: 中位数只看"中间那个"，去尾均值去掉极端10%后更反映"大多数标的"的真实表现
◦效果: 排名大洗牌，乘势低吸从第8→第2，命名基线集体提升
现有测试的不足
1. 统计显著性问题
◦Top1策略轮次=3，样本量太小（n<30为小样本）
◦缺少置信区间与t检验
2. 时间维度缺失
◦未分牛/熊/震荡市场环境测试
◦缺少样本外验证（Train/Test切分）
3. 样本代表性未知
◦320只标的的市值/行业/波动率分布未诊断
◦可能存在幸存者偏差
4. 信号组合空间未穷尽
◦现有39套只是"手工变体"
◦30+原子信号的C(30,2)=435种组合未测试
后续测试方案（已文档化）
技能: strategy-universality-test (已保存至 /root/.hermes/skills/finance/)
方案概要
7个阶段 | 12-13天完成
阶段一：样本诊断与扩充 [2-3天]
◦现有320标的分层分析（市值/行业/波动率/流动性）
◦扩充至500只（个股400 + ETF100），确保每层≥50只
阶段二：时间维度控制 [1天]
◦统一回测窗口: 2020-01-01 至 2024-12-31（60个月）
◦分段测试: 牛市(2020.07-2021.02) / 熊市(2021.02-2022.10) / 震荡(2022.10-2024.12)
阶段三：样本外验证 [2天]
◦Train/Test切分（42个月训练 + 18个月测试）
◦计算OOS衰减率（测试集性能 / 训练集性能）
◦5折交叉验证（可选）
阶段四：信号组合网格搜索 [3-4天]
◦Phase A: 1,305套两信号AND组合（C(30,2) × 3种出场）
◦Phase B: Top100再加第3信号
◦Phase C: Top20参数网格扫描（xih3/5/7/10/20等）
◦早停机制: 前50标的失效率>80%直接淘汰
阶段五：8维评估指标 [1天]
1. Calmar去尾均值 ≥ 1.5
2. 失效率 ≤ 40%
3. IQR(四分位距) ≤ 1.0
4. 轮次中位数 ≥ 10
5. P10_Calmar ≥ 0.5（最差10%标的保本）
6. 牛/熊/震荡Calmar均>1.0
7. OOS衰减 ≥ 0.7
8. Calmar > 买入持有基准 & > 随机策略P95
阶段六：对照组基准 [1天]
◦买入持有基准（2020买入持有至2024）
◦随机交易Monte Carlo（1000套随机策略）
阶段七：最终报告 [1天]
◦综合评估报告（莫奈风格+响应式）
◦通过全部8项检验的策略清单
执行建议
方案A（激进）
先跑Phase A（1,305套组合），3-4小时出结果，立刻看Top100，再决定Phase B/C
方案B（保守）
先完成现有39套的完整测试（Week 1-2），拿到Top5后再做局部网格搜索
用户选择：方案A
原因: 用户要求"你先把测试方案记录下来，我后面用便宜一点的大模型来做"
模型选择建议
适合便宜模型（DeepSeek-V3 / GLM-4-Flash，0.1元/M tokens）
◦✅ 数据清洗与预处理
◦✅ 循环回测（纯计算）
◦✅ 指标计算
◦✅ 表格汇总与排序
需要强模型（Hy3 / Claude Sonnet）
◦⚠️ 异常模式识别
◦⚠️ 报告生成（结构化写作）
◦⚠️ 策略命名与归纳
下一步行动
1. 立即: 无需执行，测试方案已文档化
2. 后续: 用户用便宜模型执行 strategy-universality-test 技能中的7阶段流程
3. 参考:
◦技能文档: /root/.hermes/skills/finance/strategy-universality-test/SKILL.md
◦当前报告: http://47.113.231.110/signal_grid_report.html
关键文件清单
/root/ths_analysis/
├── signal_grid_report.md # 当前网格搜索结果（Markdown）
├── gen_signal_grid_report_v2.py # 报告生成器（莫奈风格+响应式）
├── calc_trimmed_stats.py # 去尾均值计算脚本
├── signal_grid_output/
│ ├── grid_search_summary.csv # 汇总统计（中位数口径）
│ ├── grid_search_trimmed.csv # 去尾均值汇总
│ └── grid_search_raw.csv # 明细数据（每个策略×每个标的）
└── test_pool_v2/ # （待创建）扩充后的500标的池
/root/web_reports/
└── signal_grid_report.html # 公网报告
/root/.hermes/skills/finance/
└── strategy-universality-test/
└── SKILL.md # 严格测试方案完整文档
状态: 当前阶段工作完成 ✅
待办: 执行7阶段严格测试（由用户用便宜模型执行）
Generated by Hermes Agent · 2026-08-28 09:05:09