第 17 节 · 17 个策略全失败¶
导读¶
这一节要交的账，很难看。
一批 17 个候选策略。跑完回测，一个都没过线。及格线是样本外夏普比率不低于 1.0；这批里成绩最好的一个，只有 0.69。
在这批之前，还有一批 14 个候选。那批里有一个"看着过了"——回测数字漂亮到像是终于挖到了金子。后来，它被一道独立质疑打了回去，没能进池。
这一节讲的就是这两件事：一支队伍全军覆没长什么样；以及那个被否掉的策略，为什么反而是这套系统最值钱的一次产出。
先交代一个词。夏普比率，衡量的是一个策略"每承担一份风险，能换回多少收益"，越高越稳。接近 1.0 通常算及格；接近 0，说明你冒了险，却没换到东西。后面所有数字，都围着它转。
真正让我在意的，从来不是这批策略有多差。是一群 AI 干了一整轮，没有一个人替它们说一句"这个不算数"。 那才是会要命的事。
一、17 个候选，一个都没过线¶
这 17 个不是随便凑的。它们是同一个批次、按同一套筛选流程一起跑出来的——都拿到了进回测的资格，然后在同一条及格线面前，一起倒下。
过了这一关的，进回测。回测的及格线我定得很硬：样本外夏普比率到 1.0。
17 个，一个都没到。最强的一个，0.69。这不是"差一点"，是差着一整截。
我刻意不把这 17 个策略一个个列出来。不是因为记不清，是因为列出来会骗人。 每一个单看，背后都有一套像样的理由；把理由排成一列，读者会本能地以为"这里面总有一个是对的，只是没测准"。恰恰相反：它们全都错得干脆利落——这种"集体干脆"，才是这批数据真正值钱的地方。
图 B-17-1（待出）：17 个候选的样本外夏普比率分布——及格线 1.0 横在头顶，17 个点全部落在下面，最高那个是 0.69
全军覆没当然难受。但比难受更值得记下来的，是它旁边的那个念头：碰到"零通过"，人最容易做的第一件事，是想把线挪低一点。"要不 0.8 也算？"你看——及格线是给策略定的，不是给我改的。我一动它，它就不再是及格线，只是一张废纸。
所以这 17 个记下的账，不是"运气差"，是一条纪律：过线就是过线，没过就是没过，不许当场挪线。
二、唯一一个"看着过了"的¶
在这批 17 个之前，是更早的一批，14 个候选。
14 个里，只有一个通过了回测门槛。一个"质量动量"策略：按 ROE（净资产收益率，衡量一家公司拿股东的钱赚了多少）和营收增速给股票排序，选排名最前的 5 只，等权持有。
它的成绩单是：样本内夏普 1.55，样本外夏普 1.43，最大回撤 -11.6%。最大回撤，指的是从最高点一路跌到最低点的最大跌幅——-11.6% 在当时看，是个相当体面的数字。
样本外能有 1.43，在当时的我眼里，这就叫"成了"。样本内做出来不稀奇，样本外还能站住，才叫本事。回测那道关，判它过。
如果故事到这儿就停，这就成了一个"终于挖到好策略"的励志故事。
它没停。
生成策略的是一拨 agent，回测判分的是另一拨。回测判它过关之后，还有一道独立的风控关卡——它要做的不是把数字再核一遍，而是换一个目标，专门来找它死。
结论来得很快，形式却极其干脆——一份正式的阻断级质疑。不是"建议考虑"、不是"或许可以优化"，是阻断：不许进池、不许交易、不许碰一分钱。
这在当时的我看来几乎是荒谬的。数字全过了，凭什么不让它活？
三、风控的四层打回¶
那份质疑打得很深，四层，每一层单独拎出来，都够判它死刑。
第一层：因子自相矛盾。
这个策略靠"ROE + 营收增速"选股。可是同一套因子面板——拿同一批股票、独立跑过一遍的评估——早就把这两个因子判成了"淘汰"。它们的 IC（信息系数，用来衡量"因子排名"和"未来收益"到底有没有关系）接近于零——0.011 和 0.015，远在 0.02 的入库线之下——等于没有预测力。
一个没有预测力的因子，怎么可能选出一批会涨的股票？
没有预测力的因子，不可能通过组合产生预测力。 这是四层里最硬的一句逻辑。就像一份成绩单上每门课都不及格，你把这些分数加在一起，它不会突然变成一个优等生。
那它的 1.43，究竟是从哪来的？
第二层：一只票的问题。
这个组合几乎百分之百会选中某一只消费龙头——因为它的 ROE 最高，按排名规则永远排在前面。
而这只票，在样本外那段时间，跌了大约 10%。一个系统性地选中"一只会跌的票"的策略，不能叫因子策略。它不是在选"谁收益高"，它是在选"谁的 ROE 高"。这两件事，被我习惯性地当成了一回事，可它们根本不是一回事。 因子成功地挑出了"谁 ROE 高"，却对"谁收益高"一无所知。
第三层：一只资源股的集中度。
这个策略一半以上的收益，来自一只资源股——它正好赶上大宗商品的超级周期，利润被商品价格顶到了天上。
一旦这只票的贡献被抽走，那点超额收益就所剩无几。
说白了，它那点"超额收益"根本不是策略挣来的，是商品周期这个时代借给它的。周期一转身，就要还。
第四层：数据窥探。
这一层最伤人。这一批 14 个候选里，只有它一个通过了。
统计上，测 14 个假设、取 5% 的显著性水平，本来就"期望"撞上假阳性——骰子扔得够多，总有一把看着像天意。
14 个里出一个"成功"，和"其实根本没有任何真实效果"，是完全一致的。 它更可能是这一批里运气最好的那一个，而不是真的挖到了金子。
四层，任何一层都够否决；四层叠在一起，这份质疑成了这套系统里最清楚的一次打回。
图 B-17-2（待出）：四层打回——因子自相矛盾、个股反复入选、资源股集中、数据窥探，四道各自独立就能否决的理由
四、三关验证：数值过了，逻辑没过¶
风控没有扔下一句"不行"就走。
它给了三条路：这个策略想被重新讨论，先过三关。
第一关，蒙特卡洛。 固定住那两只每次都会入选的票，再从剩下的票里随机挑三只，重跑 1000 次，看它原来的夏普，是不是排在所有这些随机结果的 99.7 分位以上。结果：过了。它的分数，在"完全没有真实效果"这个假设下，确实罕见。
第二关，把最重要的两只票拿掉，再跑一遍。 结果：数值上过了——样本外夏普不但没掉，反而升到了 1.47。
这一关最刺眼。
你把一个策略里最重要的两只票拿掉，它的成绩反而更好。 这只能说明一件事：它的收益根本不来自那套选股逻辑，就来自那两只票——一只在硬撑，一只在拖后腿。拿掉硬撑的那只、也顺手甩掉拖后腿的那只，数字自然好看了一截。
一个"去掉主心骨反而变强"的策略，不是稳健。是根本没长在因子上。
第三关，滚动样本外。 结果：样本外还是 1.43，但样本内只有 0.22——样本外比样本内，好了 6.4 倍。
一个样本外比样本内好 6 倍多的策略，不是稳健，是不稳定。真正结实的策略，样本内外应该是一条大致平的线；而它是一条翘起来的线，翘起来的那一头，很可能只是运气。
结论：数值过了，逻辑没过。
三关的数值门槛是过了。可是风控那四层致命问题，一层都没被推翻。最终判定：不准入池。
这两件事必须分开看：数值，和逻辑。 回测管的是"数字对不对"，风控管的是"逻辑成不成立"。一个数字过关、逻辑破产的策略，是最危险的那一类——它长得太像一个成功，以至于只有第二道关卡拦得住它。
图 B-17-3（待出）：三关验证留下的悖论——拿掉最重要的两只票，成绩反而更好；样本外成绩是样本内的 6.4 倍
五、为什么必须让 AI 互相质疑¶
回到这一节开头那个被我一笔带过的小事：生成策略的是一拨 agent，判它过关的是另一拨，最后把它打回的，是风控。
为什么不让同一拨从头干到尾？
因为生成它的人，几乎不可能把这个孩子判死。
这不是懒惰，也不是不诚实。这是确认偏差——人做一件事的时候，脑子优化的是"自洽"，不是"正确"。一个自己相信的假设，会不自觉地被放宽举证标准；一个反驳它的信号，会被不自觉地解释成"这是个例外"。
AI 也一样。而且更麻烦：AI 是被 prompt 推着走的。你对它说"帮我看看这个策略行不行"，它天然倾向于替你找出"行"的理由。
所以在这套系统里，质疑不是礼貌的建议，是一套有规则的对抗。五条：
第一，生成的和审的，必须是两个 agent。 提出方案的人和反对方案的人，不能是同一个。这不是官僚，是结构完整性。核弹发射要两个人同时拧两把钥匙，同一个道理。
第二，审的人只负责击穿，不负责修。 它不改参数、不重写策略。让它一边挑错一边改，它会本能地朝着"改得好看"去，而不是"改得对"。审的人唯一的任务，是把这个东西弄死。
第三，每一份质疑都要留档。 谁质疑的、质疑什么、严重到什么程度，全记下来。不许有"看不见的否决"——一个没写下来的反对，等于没发生，它只会变成日后"我早就说过"的幽灵。
第四，被质疑的一方必须回应。 要么改，要么给一个站得住的反驳理由。不许一句"我觉得没问题"就翻篇。 不落地的"我觉得"，不是回应，是沉默。
第五，质疑必须分级，而且必须有阻断一级。 一份从来没有"阻断"记录的质疑日志，不是一套严格的流程，是一枚橡皮图章。
反过来，最容易失效的，也是这六种：
- 根本不质疑——产出直接就被采用。
- 走过场——"我看没问题"，然后放行。
- 被质疑了不改——"我觉得原来挺好"。
- 全是"建议"，从不"阻断"——说明你根本没往下挖。
- 质疑了，没人回——质疑变成装饰品。
- 只凭感觉，不凭数据——"我觉得不对"是感觉，不是质疑。
这六种之外，还有一个最要命的：把生成的人和审的人合并成一个。那样你就有了一个自己审自己交易的交易员，一个自己给自己校稿的作者。这不是省了一个 agent，是拆掉了整套系统的免疫系统。
六、失败怎么变成资产¶
回到那 17 个全军覆没的候选，还有那个被打回的策略。
在账本上，它们都记在"失败"那一栏。但我越来越不这么看。
这不是失败，是排除。
打个比方：在雷区里排雷。今天你挖出 17 颗雷，一颗金子都没捡到——但你不是白干，你是把这 17 个地方，从"可能有宝贝"改成了"确定是雷"。你的地图因此变清楚了。 下一步，你不必再走这 17 条路。
一个策略被打回，等于有人替你说了一句："这条路上没有钱。"
一次试验的价值，从来不只是"找到了什么"，更是"排除了什么"。 在还没找到之前，排除本身就是进度。它真正的用处，是缩小搜索空间：每失败一次，就是在图上划掉一条路。划掉的路足够多，剩下那片没被划掉的地方，就是你的方向。
失败不是"没找到答案"，是"排除了错误答案"——后者，更接近科学本来的样子。
这也是我专门给这一类失败留一整章账的原因。大多数团队把失败当垃圾扔掉；我把它记进账本。因为一人公司最缺的从来不是聪明，是不在同一个坑里摔两次。
至于这一节真正留下的产出——不是那 17 个候选里的任何一个，也不是那个被打回的策略，而是那套"让 AI 互相质疑"的规则。策略会过期，规则不会。
尾声¶
最后说一层。
这一节从头到尾，压的其实是两层。根子在 L7 意图层——什么算"成功"，是人定的；落地机制在 L5 协作层——生成与审，必须分开。
表面上，这是一节技术活：因子、回测、夏普比率。但它真正考的，是方向判断：你允许什么样的东西，被叫做"成功"。
及格线定在 1.0，是判断；看到 0.69 就想把线挪到 0.8，是软弱；把一个"数字过关、逻辑破产"的策略拦住，是制度。
机器负责把每一条路都跑一遍；人负责说，哪条路算数。
一群 AI 可以在一晚上测完 17 个策略，比我快一百倍。但让这 17 个失败真正有价值、让那个假成功真正死掉的，不是它们跑得有多快，而是我在一开始就定下的一件事：审的和生成的，不能是同一个人。
口径说明：本节的策略、回测、交易与仓位均为模拟盘/回测结果，不是实盘。回测表现不代表未来。这里记录的是研究过程，不构成任何投资建议。