最近一段表现变差时，研究者最容易做的一件事是：
打开亏损样本，找出共同点，然后加一个规则把它们过滤掉。
这件事几乎一定能改善最近的回测。
也正因为如此，它很危险。
我们最近的策略研究里，就出现过一个这样的候选。
最后没有上线。
我觉得“为什么没上”比这个规则本身是什么更值得写。
事情是怎么开始的
短周期策略不可能每天都稳定。
某一段时间出现胜率下降、连续亏损增加，或者某类基础候选明显偏弱，并不奇怪。
但研究者看到一串亏损后，很自然会开始问：
这些亏损有没有共同结构？
然后你会找到一些东西。
市场状态、波动变化、方向一致性、局部成交结构……任何足够大的数据集里，都能挖到看起来有意义的模式。
问题不是“能不能找到”。
问题是：
这个模式在你不知道未来答案时，还会不会成立？
第一步：把“修复最近亏损”改成一个可证伪假设
我们没有把目标定义成：
找一个过滤器，让最近结果变好。
而是换成：
某一类近期弱势，是否反映了一个在更长历史中重复出现、并且可以被稳定识别的市场状态？
这两个目标非常不同。
第一个目标天然会追着最近的亏损跑。
第二个目标要求这个现象必须在其他时间也留下证据。
第二步：最近改善不能作为通过标准
新候选在局部窗口里确实可能看起来不错。
但局部改善只证明：
它解释了我们已经看到的这批样本。
所以后面必须继续问：
- 更早历史有没有类似现象？
- 不同年份是否还能命中？
- 作用是不是集中在极少数样本？
- 放回完整策略后，最大回撤如何？
- 最长连续亏损如何？
- 最差周或最差月是否真的改善？
- 参数轻微移动后，方向是否还在？
- 如果只允许使用过去数据做选择，结果还成立吗？
如果这些问题答得不好，最近窗口再漂亮也没有意义。
第三步：不要让一个小规则破坏完整系统
这是复杂策略里一个容易忽略的问题。
一个局部候选可能在自己的命中样本里非常好。
但把它加入完整策略后，会改变：
- 哪些交易被执行；
- 哪些交易被 STOP；
- 某些内部状态后续如何推进；
- 不同规则之间的优先关系；
- 整个策略的时间路径。
所以不能只做：
候选命中的少量事件
before vs after
还要做：
完整策略
before vs after
我们真正关心的是后者。
第四步：看回撤和连亏，而不是只看增量
一个新过滤器的历史增量很好看时，很容易产生确认偏误。
但如果它同时让：
- 最大回撤更差；
- 连续亏损更长；
- 某些年份表现更脆弱；
我不会把它当成明显升级。
稳定量化的核心经常不是：
让平均值再高一点。
而是：
不要为了局部平均值，把尾部风险变得更难承受。
第五步：检查“这个想法是不是最近数据教给我的”
这是最难的一步。
即使你把最后几天从阈值选择里排除，也要问：
我为什么会想到这个特征？
如果答案是：
因为我刚刚看到了这几天的亏损。
那这段近期数据已经影响了研究方向。
这不意味着候选一定无效。
但它意味着我们应该降低对“近期验证”的信心。
这也是为什么：
参数没有用最后几天选择
和：
整个研究方向完全没有受最后几天影响
是两种不同的声明。
最后的决定：不进入生产版本
这次候选最终没有通过完整策略的回撤、连续亏损和历史选择等验收要求。
所以结论很简单：
不上线。
没有继续为了让它“通过”而调更多参数。
这可能是量化研究里最难培养的习惯之一：
当一个想法离成功只差一点点时，仍然允许它死掉。
因为只要继续增加一个条件、移动一个阈值、换一个窗口，几乎总能找到更好看的历史结果。
问题是，那之后你研究的还是市场吗？
还是已经开始研究这份历史数据本身？
为什么我要公开这种“失败”
如果博客只写：
- 新策略上线；
- 胜率提升；
- 回撤改善；
- 又找到一个 edge；
读者很难判断我们是在研究，还是在做产品宣传。
真实的研究过程应该同时存在：
发现
验证
保留
和：
发现
验证
否定
被否定的规则可以证明一件事：
研究目标不是让回测曲线永远向上。
而是提高我们对策略为什么有效、为什么失效的理解。
为什么这里不会公开参数
这里不会出现：
- 规则具体公式；
- 哪个内部信号分支；
- 精确历史窗口；
- 阈值；
- 具体触发边界；
- 可直接反推策略的逐笔样本。
这些属于策略知识产权。
但研究过程可以公开：
一个候选如何从“最近看起来有效”，一步步走到“最终被拒绝”。
我认为这种透明度，比公开一堆参数更能建立信任。
我现在更喜欢的研究问题
以前容易问：
这个规则能让回测增加多少？
现在我更愿意问：
如果这个规则是假的，我们用什么方法最快把它否掉？
这两个问题会产生完全不同的研究文化。
前者容易不断累加规则。
后者会不断减少没有足够证据的规则。
对一个长期自动运行的 Polymarket Bot 来说，我更希望系统是后者。
相关阅读：
项目：
本文只讨论研究方法和高层逻辑，不公开具体策略公式、阈值、窗口、内部规则映射或可用于复现策略的参数。