有时候，一个回测结果看起来已经足够漂亮，真正困难的反而是：
怎么说服自己不要因为它“很好看”，就停止继续拆。
最近我们在 Early Entry 方向上研究了一个独立低频候选。
先说明一点：
它不是当前生产策略包，也不是把现有生产策略简单缩减后的版本。
它是一条独立研究线，目标是判断：在更早的信息状态下，能不能找到一小部分足够成熟、值得提前处理的交易机会。
当我们第一次看到它的月度统计时，结果确实很吸引人：
- 正收益月：61
- 持平月：0
- 负收益月：0
也就是说，在完整研究区间内：
61 个月全部为正。
如果只看到这里，很容易得出一个结论：
“这个策略已经非常稳定了。”
但我们继续把时间尺度往下拆以后，结论开始变得完全不一样。
1. 月度没有亏损，不代表风险路径很平滑
同一套研究候选，周度统计是：
| 周度结果 | 数量 |
|---|---|
| 正收益周 | 225 |
| 持平周 | 2 |
| 负收益周 | 36 |
活跃周正收益率约为 86.21%，最长连续负周为 3 周，最差单周标准化 Score 为 -63。
这和“61 个月全部正收益”放在一起看，会形成一个很有意思的反差。
月度层面非常平滑，但进入周度以后，负收益周期其实一直存在。
一个月最后为正，完全可能只是因为前一周亏损，后面几周又补了回来。
月度统计没有错。
但它压缩了路径。
而交易系统真正承受的，是路径本身。
2. 拆到日度以后，差异更明显
完整区间的日度统计为：
| 日度结果 | 数量 |
|---|---|
| 正收益日 | 1,295 |
| 持平日 | 62 |
| 负收益日 | 473 |
活跃日正收益率约为 73.25%，最长连续负收益日为 6 天，最差单日标准化 Score 为 -46。
这时候会发现：
一个“从来没有负月”的策略，并不意味着每天、甚至每周都非常稳定。
它完全可能经历连续几个负收益日，然后在之后的交易中恢复。
所以“没有负月”描述的是较长周期聚合后的结果，而不是实际交易过程中经历的波动路径。
这两个概念不能混在一起。
3. 真正重要的是时间外表现
如果一个策略在研究期里表现很好，我们更关心的并不是：
它能不能把整个历史解释得漂亮。
而是：
离开主要开发区间以后，它还剩下多少？
在 2025–2026 的时间外区间里，这个候选依然保持：
- 正收益月：21
- 负收益月：0
单看月度，这依然非常漂亮。
但周度变成：
| OOS 周度结果 | 数量 |
|---|---|
| 正收益周 | 68 |
| 持平周 | 3 |
| 负收益周 | 19 |
活跃周正收益率下降到约 78.16%。
而 2025–2026 合并后的活跃日正收益率约为 63.32%。
这也是为什么我们没有因为“21 个时间外正收益月”就停止研究。
因为：
月度稳定性还在，但更细粒度的安全边际已经明显变薄。
这并不代表策略失效。
但它意味着，一个漂亮的月度数字还不足以定义“稳定”。
4. 为什么会出现这种现象？
原因其实很简单。
假设一个月里四周的标准化结果分别是：
- Week 1：-20
- Week 2：+35
- Week 3：-10
- Week 4：+40
最终整个月仍然是 +45。
如果只看月度，这是一个正收益月。
如果看周度，一半的周都在亏。
两个结论都是真的，只是回答的问题不同。
所以我们现在更倾向于把稳定性拆成几个层次：
年度 → 月度 → 周度 → 日度 → 逐笔回撤与连亏
越往下，越接近真实运行时会感受到的风险路径。
5. “61 个正收益月”依然有价值
这里也不能走到另一个极端。
61 个正收益月并不是没有意义。
尤其是在时间外区间仍然保持 21 个正收益月，这说明这条研究线并不是一个只存在于短样本里的偶然结果。
完整区间内，它还表现出：
- 最大回撤：-146
- 最长逐笔连亏：8
- 标准化 Score：+16,266
这些结果说明它确实具有值得继续研究的稳定性特征。
但我们更愿意把它描述为：
月度稳定性很强的低频研究候选。
而不是：
已经完成验证的全周期稳定生产策略。
这两个说法之间差别很大。
6. OOS 比全历史平均值更值得关注
这次研究里还有一个很重要的现象：
早期历史阶段的表现明显强于后期。
进入验证和时间外区间以后，优势仍然存在，但已经弱了很多。
一个合并后的长期平均值，很容易把“早期强优势”和“后期较弱优势”混在一起，最后得到一个看起来很漂亮的长期数字。
但真正部署时，我们无法回到早期。
我们只能面对未来。
所以相比“整个五年有多漂亮”，我们更关心：
最近的未参与训练阶段到底表现怎样。
这也是为什么我们越来越重视时间外验证，而不是只看全历史平均值。
7. 这也改变了我们对“稳定”的定义
过去说一个策略稳定，可能会首先看：
- 胜率；
- 年度表现；
- 月度表现；
- 最大回撤。
现在我们会继续问：
- 负周比例是多少？
- 最近阶段的日度结构有没有变差？
- 优势是否集中在早期历史？
- 时间外区间是否仍然成立？
- 回撤是不是集中在某些市场环境？
- 如果加入真实盘口、手续费、滑点和成交差异，安全边际还剩多少？
稳定性不再是一个数字。
它更像是：
不同时间尺度、不同市场阶段和不同执行条件下，策略是否仍然保持可接受的行为。
8. 为什么我们现在仍然“不满意”
不是因为这个结果差。
恰恰相反。
一个独立研究候选能够做到 61 个正收益月，同时在时间外仍然保持全部正月，当然值得继续研究。
我们不满意的是：
这个结果还不足以回答“它是不是足够稳”这个问题。
因为周度和日度已经告诉我们：
- 波动并没有消失；
- 最近阶段的优势比早期更薄；
- 月度聚合掩盖了一部分真实风险路径。
所以接下来，我们并不是想把“61”变成一个更漂亮的数字。
而是继续回答：
这条优势为什么存在？
它在哪些市场状态下变弱？
加入真实执行成本以后还剩多少？
它是否能够作为一个独立模块长期存在？
这些问题比“有没有负月”重要得多。
Conclusion
这次研究最大的提醒不是：
61 个正收益月很厉害。
而是：
一个看起来已经非常稳定的结果，仍然可能在更细的时间尺度上暴露完全不同的风险结构。
月度统计回答的是：
最后这个月有没有赚钱？
但一个真正运行的交易系统还必须回答：
中间经历了什么？
所以如果有人问：
“这个策略 61 个月都是正的，为什么还不满意？”
答案很简单：
因为我们研究的不是怎样让回测看起来稳定。
我们研究的是这种稳定到底是不是真的。
Related Research
- 两天接近 80%，五年后发生了什么？一次 Polymarket Bot 小样本验证
- Polymarket 机器人提前判断研究：为什么不能只是把策略提前运行？
- Polymarket Bot 应该只有一个入场时机吗？从提前入场到最终确认
Disclaimer: 本文讨论的是一个独立 Early Entry 研究候选的聚合统计与验证方法，不代表当前生产策略包。文中的 Score 使用研究用标准化计分口径，不代表实际账户收益，也未计入真实成交价格、盘口滑点、手续费、成交率等执行差异。本文不公开具体信号逻辑、参数、阈值、时间节点或可复现交易规则。