我给自己的交代

复盘与改进

这一页是我每天跟自己对账的地方：昨天说对了几条、概率给得准不准、错在哪一类、今天改了什么。改动的门槛比看上去高——一次失误不算数。

数据截至 2026-11-04 15:30 北京时间小爱交易员 1.3.1共 217 条判断记录

18写下，等到期
2到期，待核对
1核对过，等复核
1两次结果不一致
192已定稿
3按规则作废

数字由每条判断当前所处的状态汇总而来，不是手填的。

§ 01待决

还压在我这儿的事

这些是机器替不了我决定的：两种结果打架时怎么裁、哪个改动要不要放行、数据有毛病时先停还是先算。

两次结果不一致 · 待我裁决
演示·北美科技指数：未来 10 个交易日上涨
A 的观测时间为 2026-11-03T15:00:00-05:00，比纽约交易所收盘 2026-11-03T16:00:00-05:00 早一小时：验收器沿用了登记时的夏令时差 −04:00，而美国已于 2026-11-01 结束夏令时间。B 暂停其余美东收盘对象的复核，等待人工裁决。
开启 2026-11-04 08:12 北京时间
等我批
低价股过滤改用未复权价格（修复前视偏误）
候选版本 1.3.2-rc.1；只改流程，不动模型。我不能批自己提的东西。
ip_fwdadj_fix
影子期评估
区间宽度改用近 60 个交易日波动重新校准
影子期已满 20/20 个交易日，已到期 17/40 条。到期之后再评估，中期覆盖率 47%（目标 75%–85%），不提前下结论。
1.5.0-rc.1
数据质量 · 观察中
演示·跨境资金流向
盘中实时资金流向停止披露，只在收盘后公布汇总数。依赖该数据的两个特征已自动停用，历史序列的可比性需要重新评估。
dq_source_change_flows
数据质量 · 未关闭
公司行动（演示·行情供应商）
DEMO-A04 于 2026-10-29 除息的特别分红（每股 0.12 元）在 Agent A 的取数路径中缺失。按登记规则，公司行动文件缺失时不得用纯价格收益代替，预测转为数据阻塞，最多等待 10 个交易日。
dq_ca_missing_a04
数据质量 · 未关闭
Agent A 验收器 · 收盘时间换算
验收器把登记时的固定时差 −04:00 沿用到美国夏令时间结束之后：06:05 的运行提前一小时提交，被服务器按 IANA 时区拦下两次（409）；06:55 重试时虽然已过到期时间，取到的却仍是纽约收盘前一小时的价格。服务器只检查了「是否到期」，没有校验观测时间本身。
dq_dst_offset

§ 02计分

四件事分开算，每一项都跟基准比

方向对不对、概率准不准、区间盖没盖住、时间窗口有没有到——这是四件不同的事。只看「命中率」会奖励说得模糊、专挑容易题的做法。

方向命中率n = 192；95% 区间 46%–60%；实际发生率 46%

方向判断的信息量p = 0.186；检验方向判断是不是比乱猜强

比「历史频率」强多少Brier 0.254，基准 0.258；大于 0 才算胜过基准

80% 区间实际覆盖率n = 174；名义是 80%，显著偏离就说明区间画偏了

越界是不是在成串出现p 越小，越界越像成串。成串越界是市场状态切换的典型信号

观测落在原本的时间窗口内窗口外说明取数时间有问题

说 60% 的事，大约六成发生了吗？

方向判断的可靠度图 · n = 192 · 分箱宽 0.1 · 竖线为 95% 区间

Brier 0.254 = 可靠度 0.0301 − 分辨力 0.0219 + 不确定性 0.2483。点越靠近对角线越好；空心点样本不足 10 条，不下结论。

来源：结算记录（演示）数据截至：2026-11-04 15:30 北京时间数据状态：演示数据（虚构）

查看数据表（10 行）

概率分箱	n	当时给出	实际频率	95% 区间
0.0–0.1	3	0.063	1.000	0.44–1.00
0.1–0.2	2	0.145	0.000	0.00–0.66
0.2–0.3	9	0.234	0.333	0.12–0.65
0.3–0.4	28	0.345	0.464	0.30–0.64
0.4–0.5	41	0.451	0.390	0.26–0.54
0.5–0.6	51	0.541	0.353	0.24–0.49
0.6–0.7	40	0.648	0.525	0.37–0.67
0.7–0.8	18	0.718	0.778	0.55–0.91
0.8–0.9	0	—	—	—
0.9–1.0	0	—	—	—

机器出的题和我自己写的题，分开看

出题方式	n	命中率	p 值
按固定规则出题	172	50.6%	0.384
我自己临时写的	20	70.0%	0.031

按固定规则出题的题，是每周必须给池子里每只标的都出一次，不许挑；我自己临时写的，多半挑的是自己有把握的题。混在一起报成绩会好看很多，所以我分开报。

区间的平均区间分数（Gneiting–Raftery，越低越好）：我的 29.24，朴素基准 28.85。这一项目前还不如朴素基准：9 月下旬以来区间画得偏窄，越界的罚分把「区间更准」的好处抵掉了。区间分数同时罚过宽和越界，没法靠把区间画得很宽来换覆盖率。

§ 03门槛

一次失误不改东西，连续失误才改

我对 80% 区间的越界做单边累积：每越界一次加 0.75，每覆盖一次减 0.25，累积值越过 3 才算事。参数是 2026-05-29 21:00 北京时间定下来的，之后不许改。

第 117 条结算时越过门槛：区间最近系统性偏窄

累积值 S · 横轴为按结算时间排序的第 n 条区间判断 · n = 174

页面按定下的参数重算的报警位置与归因记录一致（第 117 条，2026-09-29 16:36 北京时间）。9 月 21 日起市场波动放大，之前一直在 0 附近的累积值开始持续上升。最大值 9.50。

来源：区间越界指示（演示）数据截至：2026-11-04 15:30 北京时间数据状态：演示数据（虚构）

查看数据表（10 行）

序号	判断	结算时间	越界	S
#111	fc_demoa01_20260914	2026-09-29 16:24 北京时间	是	0.75
#112	fc_demoa02_20260914	2026-09-29 16:26 北京时间	否	0.50
#113	fc_demoa03_20260914	2026-09-29 16:28 北京时间	否	0.25
#114	fc_demoa04_20260914	2026-09-29 16:30 北京时间	是	1.00
#115	fc_demoa05_20260914	2026-09-29 16:32 北京时间	是	1.75
#116	fc_demoa06_20260914	2026-09-29 16:34 北京时间	是	2.50
#117	fc_demoa08_20260914	2026-09-29 16:36 北京时间	是	3.25
#118	fc_democ01_20260915	2026-09-30 06:09 北京时间	否	3.00
#119	fc_demou01_20260915	2026-09-30 06:11 北京时间	否	2.75
#120	fc_demoh01_20260915	2026-09-30 06:59 北京时间	否	2.50

越界率滚动均值：名义是 20%

最近 20 条区间判断中的越界比例

单看这条线很容易「看到」很多次异常；累积统计的作用是给「多少次才算系统性」一个事先定好的标准。

来源：同上数据截至：2026-11-04 15:30 北京时间数据状态：演示数据（虚构）

§ 04归因

错在哪：先分类，再决定要不要改

每一次失误（包括「结果对了但理由错了」）都要归类，一共 104 条单次归因、5 条够得上「系统性问题」。大多数失误是噪音：给概率就一定会错，不需要为它改任何东西。

单次归因的类别分布：「单次噪声」占 76%

n = 104 · 单位：条

只有够得上系统性的问题才能触发改动；单次噪声只记录、不行动。

来源：归因记录（演示）数据截至：2026-11-04 15:30 北京时间数据状态：演示数据（虚构）

查看数据表（4 行）

类别	条数	含义
单次噪声	79	概率预测本来就会错，没有其他问题
市场状态变化	19	市场环境变了，过去有效的估计不再适用
模型错误	5	模型结构或参数造成的偏差
研究假设错误	1	推理链条不成立，即使结果碰巧对了

系统性问题市场状态变化未关闭

区间越界率持续高于名义水平

事先登记的 CUSUM（k = 0.05，h = 3）在第 117 条区间验收处越过门槛：9 月下旬波动放大后，80% 区间的越界率明显高于 20%。这是可持续的系统性问题，不是单次噪声。

检验方式 cusum：统计量 3.25 / 门槛 3 · n = 117

对应改动：区间宽度改用近 60 个交易日波动重新校准（影子运行中）

系统性问题数据错误未关闭

前复权价格造成前视偏误

时点回放审计发现：低价股过滤使用了「今天看到的」前复权价格。分红送转发生后，历史价格被整体下调，导致 7 个历史调仓日错误剔除了当时并不低价的股票（共 35 个调仓日）。回测与训练样本因此含有前视偏误。

检验方式 pattern：统计量 7.00 / 门槛 0 · n = 35

对应改动：低价股过滤改用未复权价格（修复前视偏误）（等我批）

系统性问题模型错误未关闭

未利用非同步收盘信息

A 股日收益与美股前一交易日收益的相关系数显著为正（t = 4.68，n = 250），而同日相关接近 0。生产模型没有使用这条信息。

检验方式 pattern：统计量 4.68 / 门槛 3 · n = 250

对应改动：加入海外隔夜收益特征（利用非同步收盘）（已退回）

排期复核模型错误已关闭

定期参数复核节点

事先登记的复核计划（与出题政策 v2 一起签署）：已验收的方向预测每累计 40 条，在下一个周一盘后复核一次参数。截至 2026-08-10 已有 44 条，到达第一个复核节点。这是事先排定的检查，不是发现了问题；复核本身不等于需要改动。

检验方式 min_sample：统计量 44.00 / 门槛 40 · n = 44

对应改动：把选股参数换成网格搜索中样本内最优的组合（没通过，已放弃）

系统性问题执行错误未关闭

夏令时间切换后的时区换算错误

验收器以登记时的固定时差换算纽约收盘时间。所有「登记于夏令时间、到期于标准时间」的美东收盘对象都会受影响（本次为 DEMO-U01 与 DEMO-C01 两条）。这是验收工具的执行错误，不是模型错误，不应据此修改模型。

检验方式 pattern：统计量 2.00 / 门槛 1 · n = 2

对应改动：验收器改用 IANA 时区换算收盘时间，服务器端校验观测时间（刚提出）

§ 05教训

几件让我改掉习惯的事

对错不是唯一的问题。下面每一条都对应一个具体规定：结果对但理由错怎么记、真值被取消怎么办、时区换错了算谁的错。

对但理由错

命中了，但当时写的理由站不住

方向命中且超额为正，但登记时的核心假设（盈利上修）被业绩快报否定，涨幅来自登记后才出现的指数纳入消息。按结果计分照常；在作者的假设命中率统计中记为一次失败。

结果照常算对；但在「假设命中率」那栏记一次失败。结果对不等于判断对。

错但过程对

登记之后才出现的冲击

登记时的证据与反证都已写明，判断过程符合规则；亏损来自登记后才出现的运价急跌。单次失误，CUSUM 未触发，不建议改动。

归为单次噪声，不触发改动。为了一次失误改模型，等于用噪声训练模型。

执行错误

美国结束夏令时间后，收盘价取错了一小时

时区换算挡住了太早提交的那一次，但没校验观测时间；第二次独立取数发现了差一小时的价格。要修的是取数流程，不是模型。

口径与版本

第三方的重算值不是我登记时的口径

A 的真值来自第三方「重算口径」（2.7%），不是登记口径要求的官方首次发布值（3.4%）。两者对事件「> 3.0%」的判定相反。

我的裁决：维持 B。原始记录保留并标为被取代，另外追加一条更正。

按规则作废

真值被取消发布

真值被取消发布：统计机构宣布本期不发布、不补发。按登记规则（data_cancelled）作废，不改用其他口径

作废依据是当时写明的规则，不依据结果好坏，也不能临时换用别的口径。

数据阻塞

公司行动文件缺失时不硬算

DEMO-A04 于 2026-10-29 除息的特别分红（每股 0.12 元）在 Agent A 的取数路径中缺失。按登记规则，公司行动文件缺失时不得用纯价格收益代替，预测转为数据阻塞，最多等待 10 个交易日。

宁可先停下来，也不用纯价格收益代替含分红的收益；阻塞计入数据完整性。

条件判断

条件没发生，这一条就不算

条件未成立：演示央行在 2026-10-20 15:00（北京时间）前宣布下调 7 天逆回购利率至少 10bp。按登记规则（void_if_not_met）作废，不计分

只有当时就写明「条件不成立即作废」的判断才能作废；普通判断的失效条件只停止观察，照常计分。

§ 06分歧

两次结果打架时，由我来裁

一共 2 起分歧，1 起待裁决。分歧没解决之前不自动定稿；裁决只追加更正，原始记录永远保留。

已裁决dp_export_202609

演示·出口同比（美元计）（2026-09）首发值判断

A 的真值来自第三方「重算口径」（2.7%），不是登记口径要求的官方首次发布值（3.4%）。两者对事件「> 3.0%」的判定相反。

两次核对的差异（3 项）
字段	第一次核对	第二次核对	容差
truth.value	2.7000	3.4000	1e-6
direction.hit	false	true	必须相同
direction.brier	0.336400	0.176400	1e-9

我于 2026-10-15 10:00 北京时间裁决「维持 B」：登记时冻结的口径是 first_release（官方首次发布值）。第三方重算值未标注版本，不属于任何官方版本，因此维持 B 的结论。A 的原始验收保留，另追加一笔更正验收。

等我裁决dp_demou01_20261020

演示·北美科技指数：未来 10 个交易日上涨

A 的观测时间为 2026-11-03T15:00:00-05:00，比纽约交易所收盘 2026-11-03T16:00:00-05:00 早一小时：验收器沿用了登记时的夏令时差 −04:00，而美国已于 2026-11-01 结束夏令时间。B 暂停其余美东收盘对象的复核，等待人工裁决。

两次核对的差异（6 项，显示前 5 项）
字段	第一次核对	第二次核对	容差
truth.value	-0.3087	0.1100	1e-6
direction.hit	false	true	必须相同
direction.brier	0.324900	0.184900	1e-9
interval.y	-0.308687	0.110016	1e-9
time_window.observed_at	2026-11-03T15:00:00-05:00	2026-11-03T16:00:00-05:00	必须相同

这一步只能我来做。机器不给结论，我也不会让它替我决定。

我批准过的改动（6）

编号	动作与对象	签署与有效期	条件
ap_promote_1_3_1	正式转正 xa-core 1.3.1	我签 2026-05-15 20:00 至 2026-05-31 23:59	灰度期 10 个交易日护栏全部达标
ap_sign_policy_v2	sign_policy fp_demo_v2	我签 2026-05-29 21:00 至 2027-05-31 23:59	出题政策 v2 自 2026-06-01 起生效
ap_sign_auto_rollback	sign_policy policy:auto-rollback	我签 2026-05-29 21:05 至 2027-05-31 23:59	只允许回滚到 certified = true 的版本；必须引用触发的护栏指标；回滚后 24 小时内由站主补审；不得升级任何版本
ap_canary_1_4_0_rc_1	小范围试用 xa-core 1.4.0-rc.1	我签 2026-10-10 20:00 至 2026-10-31 23:59	灰度只覆盖 3 只股票（约 30% 题目）；自动回滚护栏：极端概率（< 15% 或 > 85%）累计占比 > 25% 且高于生产组
ap_dispute_export_202609	resolve_dispute dp_export_202609	我签 2026-10-15 10:00 至 2026-10-22 10:00	由 Agent A 追加更正验收，原验收记录保留并标记为被取代
ap_posthoc_rollback_1_4_0	post_hoc_review xa-core 1.3.1	我签 2026-10-20 10:00 至 2026-11-20 10:00	同意自动回滚；提案冻结，待区间校准（ip_interval_recal）完成后重新评估；新增治理规则 G13：同一组件存在未关闭的系统性诊断时，相关提案不得进入灰度

这些批准是有时效的：过期之后不能再用来放行任何改动。降级可以按事先定好的规则自动做，升级必须我点头。

§ 07改动

改动的提案：多数停在半路，这是正常的

每个改动都得指向一个够得上系统性的问题，并且在验证之前先登记好：主要指标、成功标准、护栏、停止规则。回放检验不了的改动只能前瞻试。

提案	状态	验证结论	候选版本	针对的问题
把选股参数换成网格搜索中样本内最优的组合 ip_param_search	没通过，已放弃	未通过	—	dg_sys_param_review
加入海外隔夜收益特征（利用非同步收盘） ip_overnight_feature	已退回	通过	1.4.0-rc.1	dg_sys_async
低价股过滤改用未复权价格（修复前视偏误） ip_fwdadj_fix	等我批	通过	1.3.2-rc.1	dg_sys_fwdadj
区间宽度改用近 60 个交易日波动重新校准 ip_interval_recal	影子运行中	不确定	1.5.0-rc.1	dg_sys_interval_regime
验收器改用 IANA 时区换算收盘时间，服务器端校验观测时间 ip_evaluator_tz	刚提出	还没验证	—	dg_sys_dst

提案不落地是常态。绝大多数想法在验证阶段就死了，这比放行一个没用的改动要好。

§ 08版本

模型版本：退步可以自动，进步必须我点头

当前在用的是 1.3.1。小范围试用期间由事先定好的护栏盯着；护栏一亮只能退回已认证过的版本，事后再跟我补说一声。

版本	状态	已认证	上一版	最近一次变化
1.2.0	已退役	是	1.1.4	2026-03-02 09:00 · 我 · 由 1.3.0 取代
1.3.0	已退役	是	1.2.0	2026-05-18 09:00 · 我 · 由 1.3.1 取代
1.3.1	在用	是	1.3.0	2026-05-18 09:00 · 我 · 转正
1.4.0-rc.1	已退回	否	1.3.1	2026-10-19 16:11 · 预设策略 · 护栏触发，自动回滚到 1.3.1（已认证）；补审凭证 ap_posthoc_rollback_1_4_0
1.3.2-rc.1	影子运行	否	1.3.1	2026-10-22 09:00 · 自动复核 · 回放式影子
1.5.0-rc.1	影子运行	否	1.3.1	2026-10-01 10:26 · 自动复核 · 前瞻影子运行

试用期的护栏 · 2026-10-19 16:10 北京时间

预测分布护栏：灰度版本输出的极端概率（< 15% 或 > 85%）累计占比超过 25%（至少 4 条），且高于同期生产版本，即由预设策略自动回滚到已认证版本。不需要等结果揭晓

试用组 4/6（67%）对在用组 0/10（0%），护栏亮了，预设规则在 1 分钟后自动退回到 1.3.1。已经写下的判断保留，照常结算。

模型清单在模型与版本。以后加了新的数学模型，那一页会自己多出一节。

§ 09一条路

一条判断从写下到定稿，中间发生了什么

「演示·北美科技指数：未来 10 个交易日上涨」。每一步都有时间戳，状态不是我手填的，是从记录里推出来的。

2026-10-21 04:30 北京时间 · 模型运行时 · 写下
登记：演示·北美科技指数：未来 10 个交易日上涨（概率 57%）
2026-11-04 05:00 北京时间 · 系统时钟 · 到期
到期：演示·北美科技指数：未来 10 个交易日上涨
2026-11-04 06:09 北京时间 · 自动结算 · 到期 已挡住
提前验收被拒（409）：Agent A 以为最早可在 2026-11-04 06:00 北京时间验收，服务器按 IANA 时区算出的最早验收时间是 2026-11-04 07:00 北京时间
2026-11-04 07:01 北京时间 · 自动结算 · 核对完
A 验收：演示·北美科技指数：未来 10 个交易日上涨 · 方向未命中 · 区间覆盖
2026-11-04 08:11 北京时间 · 自动复核 · 发现不一致
B 盲审不一致：truth.value、direction.hit、direction.brier、interval.y、time_window.observed_at、truth.observed_at
2026-11-04 08:12 北京时间 · 自动复核 · 发现不一致
争议开启：演示·北美科技指数：未来 10 个交易日上涨（不得自动发布）
2026-11-04 08:12 北京时间 · 系统时钟 · 交给我
争议自动升级为人工复核

这一段是演示记录时间戳是真的时区换算，内容是演示数据。真实的记录不公开。

§ 10数据

数据质量

数据有毛病时，宁可先停下来也不硬算。这几个比例是我每天盯的。

新鲜度

完整性

有效性

一致性（两次核对结论相同）

数据质量问题（5）

01演示·跨境资金流向
盘中实时资金流向停止披露，只在收盘后公布汇总数。依赖该数据的两个特征已自动停用，历史序列的可比性需要重新评估。观察中
02演示·第三方数据商宏观接口
第三方数据商提供的「重算口径」未标注版本，被 Agent A 当作首发值使用。处理：已从 Agent A 的宏观取数路径中移除该接口；宏观真值只接受官方发布原文。已解决
03公司行动（演示·行情供应商）
DEMO-A04 于 2026-10-29 除息的特别分红（每股 0.12 元）在 Agent A 的取数路径中缺失。按登记规则，公司行动文件缺失时不得用纯价格收益代替，预测转为数据阻塞，最多等待 10 个交易日。
受影响：1 条判断已挂起未关闭
04Agent A 验收器 · 收盘时间换算
验收器把登记时的固定时差 −04:00 沿用到美国夏令时间结束之后：06:05 的运行提前一小时提交，被服务器按 IANA 时区拦下两次（409）；06:55 重试时虽然已过到期时间，取到的却仍是纽约收盘前一小时的价格。服务器只检查了「是否到期」，没有校验观测时间本身。
受影响：2 条判断已挂起未关闭
05演示·港股行情源
行情延迟 18 分钟，超过新鲜度目标（15 分钟）。处理：供应商恢复后补齐；期间没有依赖该数据的验收。已解决