先验证策略证据,再寻找失效条件。
收益只是结果。AlgoRover 把策略来源、数据区间、成本假设、复现结果和压力测试保留在同一份记录中,让你知道结果从哪里来,也知道它可能在哪里失效。

一条策略如何被检查
所有策略沿用同一条检查顺序,避免只挑选最漂亮的结果展示。
- 输出:可追溯的策略版本
记录来源与版本
保存创建者、研究出处、代码或策略包版本以及参数边界。
- 输出:可比较的回测假设
建立统一基线
记录数据区间、周期、初始资金、手续费、滑点以及尚未建模的成本。
- 输出:可重复检查的结果
复现历史结果
使用真实已闭合历史数据运行相同配置,并保留收益、回撤与风险调整后指标。
- 输出:已知限制与失效条件
主动施加压力
对比样本内外结果,提高成本,加入执行延迟,并拆分不利市场环境。
压力测试具体改变什么
压力测试不是再跑一次相同回测,而是有意识地破坏原本有利的假设。
| 检查维度 | 基线记录 | 压力变化 | 要回答的问题 |
|---|---|---|---|
| 数据 | 样本区间与市场周期 | 样本外数据与不同时间窗口 | 结果能否跨区间复现? |
| 成本 | 手续费、滑点与资金费假设 | 提高交易摩擦并补入缺失成本 | 收益能否覆盖真实摩擦? |
| 执行 | 信号频率与成交条件 | 加入延迟、漏单与更差成交 | 策略在现实约束下还能运行吗? |
| 市场环境 | 趋势、波动与流动性特征 | 拆分不利和极端环境 | 结果是否依赖单一市场状态? |
所有指标先统一口径
名称相同不代表算法相同。策略之间只有在计算口径公开时才值得比较。
- Return
- 期末权益相对初始权益的净变化。
- Sharpe
- 周期收益均值除以波动率后年化;当前基线无风险利率按 0。
- Max Drawdown
- 权益曲线相对历史峰值的最大跌幅。
- Win Rate
- 当前指持仓活跃区间的盈利比例,不是逐笔交易胜率。
第三方策略如何进入策略库
公开第三方研究重构会保留原始出处;由 KOL 创建并上传、经 AlgoRover 审核后上架的自定义策略,也会保留创建者和版本。只有来源、版本、假设与已知限制能够被检查,策略才会进入策略库。
提交来源与版本
记录创建者、原始研究出处、代码或策略包版本,以及参数适用范围。
检查、复现并施加压力
按统一基线复现历史结果,检查成本和数据缺口,并测试样本外表现与失效条件。
带着明确的来源状态上架
保留第三方标识,公开已验证范围、未知项和已知限制,不包装成 AlgoRover 的独立验证结果。
压力测试能暴露脆弱性,不能证明安全。
它不能消除幸存者偏差、模型风险和未来市场变化,也不能替用户决定仓位或是否运行。它的价值,是把原本隐藏的依赖条件变成可以检查的事实。

