Toneme — Language Lives in Tone
QUANTITATIVE RESEARCH × AI DATAFRAMEWORK NOTE 01 · 2026.11

TONEME · RESEARCH & DATA FRAMEWORK

研究构想 · 讨论稿

AI-native 量化研究

看见结果，追溯决策，
把研究过程转化为训练数据。

HISTORICAL BACKTEST回测与可观测工作台
真实行情 · 历史回测 · 非实盘

账户净值

区间回撤

UNDERWATER

月度收益

− 亏损 收益 +

复利计算；首尾月份可能不完整。窄屏可左右滑动。

初始资金 ¥1,000,000 · 510300.SH · 真实日线与复权因子 · 无杠杆回测口径 ↓
STRATEGY / RULE

沪深 300 ETF · 双均线趋势

沿用本机已有 EMA 50 / 200 规则。前日快线高于慢线时持有，反向时退出；下一交易日开盘执行。

RESULT / FULL WINDOW

完整窗口 2014–2025；未跑赢同资产基准，最大回撤也未改善。没有搜索参数；可追溯空仓阶段、交叉信号与交易成本。

WHY THE FLAT LINE

净值走平，是空仓规则的结果

全期 1,311 / 2,919 日为空仓，约 44.9%；最长空仓从 2021-12-30 至 2024-06-05，共 587 个交易日。EMA50 不高于 EMA200 时不持有 ETF，退出后现金收益设为零，因此净值保持水平；卖出当天仍计价格变动与成本。

已核对信号、持仓和账本，未发现绘图错误。这条简单规则会滞后、错过反弹，也可能在交叉附近反复交易；空仓本身不代表更好的风险控制。拖动日期可查看当时的均线依据。

回测规则、年度对照、数据来源与执行限制

数据与规则

本机 ETF 日线归档：510300.SH，2012-05-28 至 2025-12-31；日线与复权因子按证券和日期一一匹配。2014 年之前用于预热，2014–2025 为固定评价窗口。EMA 使用递归权重 2 / (N + 1)，50 / 200 日参数沿用本机 QFBench 的 momentum-backtest 策略定义；原任务使用 SPY，本页明确改为沪深 300 ETF。

信号与执行

使用前一交易日收盘后的快慢线状态，下一交易日开盘成交；没有同日收盘信号同价成交。首次入场按前日状态初始化；后续只在状态切换时交易。手续费 5 bp、方向滑点 2 bp，现金收益为 0；无杠杆。期末按收盘估值，双方均不强制平仓。

收益与账本边界

使用原始开收盘价 × 当日复权因子得到复权等价价格，允许小数等价份额。它近似公司行动再投资，不是实盘股数、逐笔分红或税务账本。未模拟涨跌停、排队、整手、冲击容量与经纪商最低收费；有日线不代表必能按该价格成交。

证据与限制

原始归档只读，来源哈希、固定协议、逐日权益及订单保存在研究包。独立收益算法与账本核对，且通过未来截断检查。这是回溯研究，未进行封存样本外实验；真实行情回测不能证明未来优势。年化按 252 日，无风险利率为 0，容量与 PSR 未估计。

1M / 3M / 1Y 为末尾 21 / 63 / 252 个交易日；ALL 为完整窗口。回撤从所选区间期初计算。短区间年化不构成预测；63 日滚动统计预热不足显示缺失。年度收益表用于检查阶段差异，不用于挑选展示区间。

策略定义：QFBench · EMA crossover。界面参考 QuantStats、QuantConnect 与 LEAN；本页使用独立回放代码，不运行这些引擎，不连接交易账户。

01

COMPOSABLE QUANTITATIVE RESEARCH

三个维度，组合成一个研究系统

经济来源决定研究假设，方法决定如何发现信号，组织与执行决定如何承担风险。组合需要满足数据、经济逻辑与执行条件。

构造一条研究路径

选择节点检验适配关系 · 悬停或聚焦查看组件定义；灰色表示需额外设计或非典型应用

可交互
EXAMPLES
A / ECONOMIC SOURCE

收益从哪里来

B / RESEARCH METHOD

机会如何被发现

C / ORGANIZATION

如何组织与执行

● 常见组合○ 需额外设计— 非典型 / 不适用于当前角色灰色仍可选择并查看原因

AI TOOLBOX

学什么，和用什么模型，是两个维度

监督学习学习“输入与目标的关系”，强化学习学习“行动及其长期后果”；深度学习提供多层神经网络，可用于两者。它们是可组合的工具，不是三个互斥流派。

LEARNING OBJECTIVE × MODEL STRUCTURE横向：模型结构　纵向：学习方式
非深度模型深度神经网络监督学习特征 → 标签线性回归 · GBDT预测收益或排序分数LSTM · Transformer监督训练的时序 / 文本预测强化学习状态 → 动作 → 奖励表格型 Q-learning小型离散状态下学习动作深度强化学习以神经网络表示策略或价值
关系示意，非性能排名。深度网络也可通过自监督任务学习表示；是否采用它，取决于数据、目标与独立验证。
01 / SUPERVISED LEARNING

监督机器学习

学习可检验的预测关系

历史特征 x→预测模型→目标 y
训练依据
已知特征与历史标签，例如未来 5 日收益；标签只在对应未来区间结束后用于训练。
量化位置
因子合成、收益排序、波动预测。先输出分数，再由组合与交易政策决定仓位。
主要检查
时点泄漏、标签重叠、时间切分，以及样本外 IC 和扣成本后的结果。
02 / DEEP LEARNING

深度学习

学习多层表示与非线性关系

序列 / 文本→多层网络→表示 / 预测
训练依据
网络结构配合目标：可做监督预测、自监督预训练，也可作为强化学习的策略网络。
量化位置
价格序列、新闻文本与盘口的表示学习；输出仍需接入决策、风险与执行模块。
主要检查
有效样本量、市场漂移、训练成本；与简单模型对照，验证复杂度是否带来增益。
03 / REINFORCEMENT LEARNING

强化学习

学习受约束的序贯动作

状态→动作→奖励
训练依据
状态、动作、奖励与下一状态。奖励可纳入净损益、库存风险与成交成本。
量化位置
仓位调整、订单拆分、报价和库存控制；动作会改变资金、成交及后续可行选择。
主要检查
仿真可信度、奖励投机与离线分布偏移。回测收益高，仍可能只是利用环境缺陷。
LLM AGENT / 研究与工具编排

把工具组织成一条可验证的工作流

提出假设
LLM Agent→训练与预测
监督学习 / 深度网络→形成动作
规则 / 优化 / RL→风控与执行
确定性工具

LLM 本身通常基于深度网络；Agent 描述其调用工具、安排实验和解释结果的系统角色。交易策略的 RL 与 LLM 后训练的 RL，训练对象和奖励协议不同；调用一次回测工具并不会自动更新 LLM 权重。

方法依据：scikit-learn · 监督学习 · Deep Learning · 模型表示 · Sutton · 状态、动作与奖励。图中量化用途是本框架的任务映射。

1.1

研究方法 × 策略组织

● 常见应用○ 需要额外设计— 非典型应用
研究方法多因子统计套利CTA做市 / HFT

左右滑动查看完整矩阵

选择一个交叉点，查看它在研究与执行中的位置。

技术适配关系示意，不是成功率或盈利能力排名。LLM Agent 的常见应用指研究与工具编排；做市与高频执行仍依赖专用基础设施。遗传编程 GP 与高斯过程回归 GPR 是不同方法。

展开常见研究主题：经济假设与验证要点
研究主题核心假设与典型任务需要验证的关键问题
截面多因子 / Quantamental利用估值、质量、动量、基本面及其他特征，对资产进行排序和组合配置。信号是否只是行业、规模等风险暴露；数据是否在当时可获得；换手后是否仍有效。
趋势跟随 / CTA利用价格走势的持续性，在不同资产与期限上建立趋势头寸。震荡期损耗、趋势转折、跨市场稳定性，以及仓位和退出规则的影响。
均值回归 / 统计套利识别相对定价偏离、价差关系或短期反转，等待关系回归。关系是否仍成立；对冲是否有效；结构变化、融资与交易成本是否消除优势。
事件驱动围绕公告、业绩、公司行动或宏观事件研究价格反应。事件首次可见时点、修订记录、延迟与事件样本选择是否造成事后偏差。
做市 / 微观结构利用买卖价差、订单流及库存管理提供流动性或优化交易。排队、部分成交、撤单、延迟、逆向选择与市场冲击能否被可信重放。
波动率 / 衍生品相对价值研究隐含与实现波动、期限结构或合约之间的相对定价。模型假设、尾部风险、对冲误差、保证金与完整交易成本。
系统化配置 / 风险溢价按风险、宏观状态或长期风险溢价配置资产，并控制组合暴露。收益是否为承担风险的补偿；相关性变化、杠杆和再平衡是否稳健。

这些主题跨越经济来源与组织方式，彼此可以重叠；用作研究检查清单，不构成另一套互斥分类。

1.2

完整框架：研究闭环与运行时闭环

研究平台回答“如何发现和验证策略”；运行系统回答“此刻依据什么信息、采取什么动作、承担多少风险”。现代框架需要把两者接起来，并让风险和治理贯穿整个过程。

研究、决策与治理的共同结构

RESEARCH PLANE / DECISION PLANE / CONTROL PLANE

Toneme
RESEARCH研究与验证
  1. 目标与数据约束 · 可见时点
  2. 假设与建模特征 · 模型 · 基线
  3. 试验与选择开发集 · 稳健性
  4. 冻结与评估独立样本外检验
RUNTIME运行时决策
  1. 市场识别状态与变化
  2. 预测与可靠性方向 · 不确定性
  3. 交易决策行动或不行动
  4. 持仓管理建立 · 调整 · 退出
  5. 执行与账本订单 · 成交 · 核对

市场状态

波动、趋势、流动性及市场结构是否变化。

模型状态

误差、区间覆盖和数据分布是否偏离训练环境。

账户状态

现金、持仓、保证金、组合暴露与累计回撤。

运行状态

数据是否新鲜、订单是否完成、服务是否可用。

模块定义系统职责，Layer 定义研究与工程能力。可观测性贯穿状态与事件；执行器连接行情、订单和账本；风控保留跨模块否决权。
展开完整研究链路：八个环节与对应产物
环节需要明确的内容可审阅的产物
01 研究任务市场、资产池、频率、收益目标、风险预算和禁止事项。任务协议与比较基准
02 数据基础数据来源、事件时点、首次可见时点、修订与样本选择。版本化数据与时点审计
03 机制与假设经济理由、适用环境、预期失效条件，以及简单对照。假设卡与基线定义
04 特征与模型标签、特征、训练窗口、估计误差及允许的再训练规则。可执行代码和模型版本
05 验证与选择时序切分、搜索预算、稳健性、成本敏感性与多重尝试。全部试验及选择依据
06 组合与风险从信号到权重；相关性、容量、集中度和资金约束。组合规则与风险状态机
07 执行与核算订单类型、成交假设、成本、持仓和现金更新。订单、成交、持仓与损益账本
08 归因与迭代收益来源、失效分析、上线条件与后续监控。独立评估和变更记录
GPR-Adaptive 带来的修正：显式建模状态、可靠性与持仓生命周期

所提供材料描述了一种自适应趋势系统：用 ATR、ADX 等特征识别市场状态，以高斯过程回归（GPR）产生预测，再把模型可靠性、持仓管理和风险停机连接起来。它为运行时框架提供了具体案例，但材料本身不足以证明完整源码可复现或长期超额收益。

GPR 可输出预测均值与不确定性；在固定核参数与噪声设定下，预测方差不会仅因近期预测错误而自动扩大。残差监测、预测区间校准与分布漂移检测，需要单独设计和验证。GPR 也不同于遗传编程（GP）。[6]

持仓生命周期应区分开仓、加仓、减仓、退出、冷却与恢复。截图中的“逆势加仓”与“顺势再进场”是不同机制，不能互换；放宽止损距离时，还要重新计算总头寸风险。ATR、ADX 阈值和分段止盈参数属于策略设定，不是普遍适用的常数。

研发中还需检验信号重绘、当根 K 线信息越界及成交假设。模型看见的市场状态，必须只使用决策时刻已知信息；历史上看起来有效的状态划分，也可能包含未来信息。[7]

1.3

Layer 1–7：从研究能力到系统能力

前五层描述研究任务的完整性与自主性；可观测性与执行器贯穿研究、回测和运行。每层都明确 LLM 的责任与验收产物。

层级能力边界典型任务LLM 的作用主要验收对象
Layer 1金融知识与计算解释概念、计算风险与定价指标解释与推导概念、数值、适用前提
Layer 2可执行量化代码实现因子、策略与回测编写与调试语义、时间对齐、数值正确性
Layer 3完整因子挖掘生成、评估、筛选、优化 Alpha提出假设，调用实验有效性、筛选依据、泛化
Layer 4完整策略设计从目标形成策略、组合与风控组合模块，补全约束经济意图与行为完整性
Layer 5封存式自主研究有限反馈迭代，冻结后独立评估规划搜索，依据证据选择预算纪律、独立样本外结果
Layer 6可观测性追踪数据、模型、账户与运行状态编写监控，解释异常与归因时点、版本、日志、可重放链路
Layer 7执行器打通行情、交易软件与程序化下单编写工具与接口适配器风控校验、幂等、成交与对账

左右滑动，查看 LLM 责任与验收对象

LAYER 1–5

研究自主性逐步增加

理解 → 实现 → 挖掘 → 设计 → 自主研究

LAYER 6 + LAYER 7

可观测与执行贯穿全程

记录与诊断 ↔ 工具与接口 ↔ 账本核对

本页采用的工程框架，不是行业统一难度等级。Layer 6 与 Layer 7 可独立建设，也可组合到前五层。LLM 负责生成与编排工具，订单由受约束的确定性程序执行；具备自动化接口不等于具备有效投资策略。

02

AI CAPABILITIES & EMPIRICAL EVIDENCE

AI 能参与什么，困难在哪里

AI 可以进入预测模型、研究工具和自主研究流程。不同位置需要不同的能力，也需要不同的评价。金融知识、代码运行和投资有效性，应分别验证。

2.1

三种角色，对应三类训练目标

01

预测与决策模型

市场数据↓收益 / 波动 / 状态

误差 · 校准 · 稳定性

02

研究辅助工具

资料与任务↓代码 / 测试 / 诊断

语义 · 工具 · 修复

03

自主研究 Agent

目标与预算↓假设 / 实验 / 选择

信息边界 · 证据 · 泛化

本项目的数据构造重点是后两类。LLM 可以生成和改进数值策略，由确定性引擎执行历史事件；AI-native 系统不要求 LLM 对每个 tick 直接下单。

2.2

Benchmark 覆盖地图：测到了哪一层

同为量化评测，有的考知识与代码，有的考因子搜索，有的考冻结策略后的独立表现。先明确评价对象，再判断其结果能否迁移到我们的系统。

● 主要评价对象○ 局部任务或相关证据— 未覆盖为完整测量
Benchmark / 官方资料Layer 1知识计算Layer 2可执行代码Layer 3因子挖掘Layer 4策略设计Layer 5封存研究Layer 6可观测性复现与迁移的关键门槛
QuantEval ↗●●—○——QA、推理与框架内策略编码；需对齐专家参照及 CTA 引擎，不能直接推定自主研究能力。
QFBench ↗●●○○—○覆盖按单题变化；容器、源资料、Oracle 与输出接口都需验证，不能按最长代码给整库升层。
AlphaQT-Bench ↗○●———○检查指令代码、时间因果和状态语义；依赖参考实现与约束。它的自有 Level 不等于本页 Layer。
BacktestBench ↗○●—○——需建 PostgreSQL、装入行情与指标表并对齐 SQL / Python 计算；执行成功不保证数值正确。
AlphaBench ↗—○●——○Qlib / Assay、算子、股票池与因子评价器必须锁定；替换后端可能改变结果，迭代搜索不自动满足封存研究。
AlphaEval ↗—○●——○偏重因子评价框架；需准备 Qlib 数据及模型专用算子。诊断指标不等于完整生产监控。
AlphaForgeBench ↗—○○●—○行情和参考输出位于独立数据包；股票静态数据无法通过 Binance 管线重建，需固定生成与回测配置。
Quant-Arena ↗—○○○●○封存数据、官方服务与版本化评分不可缺；论文明确样本外组合规则不公开，独立实现不能声称官方同分复现。
KTD-Fin ↗——○○—○侧重序贯交易、遮蔽与归因；不要求提交冻结策略。原遮蔽映射、Qlib 修改及风格暴露未在本地完整取得。
AlphaOpsBench ↗—○—●—○策略语义、成交与结算证据是重点；论文附录 A 仍称录用后公开，本地未取得原验证器和完整回放包。

左右滑动查看 Layer 1–6 与复现门槛

映射是按公开任务协议作出的本页判断，不是作者官方分级，也不沿层级自动继承。○ 表示相关局部能力或评测工具提供的证据，不等于模型已具备该层能力。Layer 6 的日志、归因或诊断，多数只是部分支持；没有一行据此宣称完整覆盖生产可观测性。

REPRODUCTION / TRANSFER

复现论文结果，需要同时对齐四类对象

01 数据版本

授权、历史成员、复权、首次可见时点、盘口与结算证据。

可下载行情 ≠ 拿到原评测数据。
02 运行语义

算子、数据库、交易日历、成交顺序、成本与现金更新。

代码可运行 ≠ 经济行为一致。
03 研究协议

提示、模型版本、工具权限、搜索预算、切分与冻结规则。

相同任务名 ≠ 相同研究机会。
04 评价证据

Oracle、容差、未验证项、分母、评分版本及原始轨迹。

相近总分 ≠ 复现了相同能力。

因此，交付需要区分原版复现、协议重建、独立替代实现。缺少关键组件时，先报告差异与可验证的子集；更换数据、引擎或规则后的结果，不能直接与原榜单比较。

展开实证案例：五组结果、实验口径与适用边界
BacktestBench ↗

给定策略的回测与数值计算
论文表 1 · 合成任务集

程序可运行，仍可能算错金融结果

99.64%SQL 执行正确率 · ECR
51.67%指标计算正确率 · MC

Gemini 3 Pro 的两项结果说明，工具执行成功与业务结果正确之间仍存在差距。时间边界、收益序列及统计口径需要单独验证。

证据口径与适用边界

边界：不同任务指标，分母不相同；MC 采用论文的严格数值匹配口径。结果不能解释为完整策略的盈利概率。[1]

AlphaBench ↗

因子生成、评价与搜索
FactorEval 任务

能够表达一个因子，不等于能够判断其有效性

项目把零样本因子评价列为当前模型较弱的能力：不给执行回测机会，让模型直接判断候选因子的质量，结果并不可靠。

证据口径与适用边界

边界：这一结论针对无回测反馈的评价设置，不能推导为“有数据、有工具、有试验反馈的 Agent 也无法研究因子”。[2]

Quant-Arena ↗

有限反馈的自主研究
封存的 2024 年评估窗口

研究得分、风险表现与超额收益需要同时阅读

51.29 / 100最高总分 · Astra xhigh
−6.3 pp该配置相对市场的超额收益

论文表 2 的 38 个迭代配置中，有 1 个配置超过其等权市场基准。最高总分配置并非该配置；较好的风险控制与较低市场参与度可以同时出现。

证据口径与适用边界

边界：特定市场、时期、账户和成本协议下的结果；不应概括为“所有模型均无法超越市场”，也不能把一个配置的结果推广到其他时期。[3]

KTD-Fin ↗

记忆控制与收益归因
CSI300 · 价格信息环境

正收益可能主要来自市场和风格暴露

9 / 10选股 Alpha 为负的受测 Agent

在论文的归因模型下，多数受测 Agent 的累计收益不能被解释为稳定的选股能力。隐藏股票身份与日期，也会改变其研究理由。

证据口径与适用边界

边界：Selection Alpha 依赖所用的 Barra-style 归因模型及信息范围；该结果不是对所有数据条件、模型或资产类别的统一判断。[4]

AlphaOpsBench ↗

预测市场策略落地
独立完整生成 · 受控任务

策略能回放，也可能没有忠实实现经济意图

35 / 180Direct · 严格端到端通过
20 / 180Staged · 严格端到端通过

该实验检验从经济描述、设计补全到执行行为的完整链路。成本与资金约束还可能改变后续交易路径，不能一律作为回测后的扣减项。

证据口径与适用边界

边界：Qwen3.8-27B、关闭 thinking；36 道受控任务各 5 次独立尝试的汇总，并非 Pass@1。未验证项另报，不能当作已证实失败；不能据此推断前沿模型整体能力。[5]

这些研究支持一个更具体的研发方向：把“解释和生成”延伸为“在正确的信息边界内，选择、执行、检验并修正”。从公开评测发现缺口，到证明某批后训练数据能够改善该缺口，仍需独立训练实验。
2.3

困难的根源：模型能力与任务性质共同作用

以下是结合上述证据形成的研究判断。低分可能来自不同机制，需要逐项诊断，不能只用“模型不懂金融”解释。

01金融语义藏在边界条件里

当日收盘后才可见的信息、停牌后的可交易性、资金占用与合约结算，都可能改变答案。代码语法正确不足以证明金融语义正确。

02市场信号弱，分布会变化

小幅优势容易被噪声覆盖，历史关系也可能失效。一次回测胜出不能充分区分技能、偶然性和特定市场环境。

03搜索本身会改变证据含义

反复试验并挑选最优结果，会提高发现偶然好结果的概率。需要记录全部尝试、控制搜索预算，并保护独立评估窗口。

04局部指标与最终目标有距离

因子相关性不直接等于组合收益；组合收益不直接等于选股 Alpha。持仓、成本、容量及风险预算决定信号如何转化为结果。

05多轮任务依赖持续一致的状态

市场、模型、账户和系统状态同时变化。错误的现金更新、重复订单或失效恢复，会让后续正确计算建立在错误基础上。

06评价信号可能偏离研究价值

只奖励最终收益、固定格式或单一评分器判断，会掩盖泄漏、风险暴露和错误行为。训练需要可解释、可复核的多维反馈。

关于大量策略搜索与回测过拟合的统计问题，可参阅 The Probability of Backtest Overfitting。具体评测中的失败根因，仍应回到原始轨迹和行为证据确认。

03

WHAT MAKES TRAINING DATA DIFFICULT

高质量数据，难在什么地方

后训练需要能够改善行为的样本。量化任务的难点，是同时建立真实的研究问题、充分但不过度的输入、可信评价，以及对真实模型错误的解释。

业务意义→必要输入→可执行任务→可归因反馈→独立验证
3.1

已有内部试验：复杂机制未必产生有效难度

两组试验提供了明确的反证：增加状态数量、计算规模和评分断言，并不足以构成对强模型有效的挑战。它们属于构造过程中的诊断结果，不代表后训练收益。

QFBENCH 银行题 · 正式增难轮次

覆盖 5 道题的 6 轮正式提交

6 / 6

真实提交均为 100 分。20 份新增有效提交中，另有 14 份属于 R00 基线，不能混作正式增难轮次。

结论：这些候选未证实预期难度。[8]

量化数据 CANARY · r01

3 道任务，每题 2 次独立上下文

6 / 6

有效提交均为 100 分。修复了部分绕过考点的捷径后，模型仍能正确完成；没有形成已验证的低分难题。

结论：输入设计与能力目标需要重新校准。[8]

TESTED SCOPE / 本页实测对象QFBench 银行题增难 · 5 题 / 6 轮提交补充诊断：自建 Quant Data Canary r01 · 3 题 / 6 次提交以下为定向构造与试测复盘，不是 QFBench 全集或行业 benchmark 排名。
MECHANISM REVIEW

为什么这些增难设计没有生效

真正增加难度，需要让模型承担新的识别、建模或决策责任。更多计算、更多文件或更严的检查，如果没有改变模型实际要做的工作，就无法构成有效增难。

尝试增加什么为什么没有增加目标难度下一步如何改、如何验
QFBench · 银行题增难01 / COMPUTATION

计算更长，判断未变

更多情景 · 更多状态 · 路径依赖

状态、转移规则和目标都已给定，模型可用一段程序遍历。增加计算量，主要考验工具使用，未增加业务判断责任。

内部反证：银行题五题六轮正式提交均为 100 分；机制复杂度未转化为已证实的自然失分。

改构造：让模型依据原始业务事实确定必要状态、边界与目标；仍保留能唯一确定答案的条件。

验效果：看真实轨迹是否在目标建模环节失误；若全部通过，承认该机制未增难。

自建 Canary · PIT 时点任务02 / INPUT DESIGN

材料替模型完成了建模

干净参数表 · 排序记录 · 事实键

去掉公式仍可能保留答案路径。预先整理的经济事实键、时点和记录顺序，会提前完成关系识别与状态重建。

具体捷径：按行序取值、完全不读日期，也曾通过 PIT 时点题。

改构造：逐条证明 Input 的必要性，并从 Source / Oracle 反查是否泄露派生结果或缺关键口径。

验效果：保持事实与答案不变，打乱行序、改变布局；正确方法应稳定，捷径应暴露。

财务建模 → QFBench · 迁移审查03 / TRANSFER

搬用了错误，没保留困难

另一场景低分 ≠ 新题同样有效

时间计量错误与资金目标选择错误，可能使用相似名词，却依赖不同信息和决策。把一个低分机制换壳，不能推定失分会迁移。

需对齐：错误触发条件 → 缺失判断 → 后续影响。

改构造：从原生轨迹提取错误机制，明确哪些条件在新题中必须保留。

验效果：新题独立试测、保留全部 attempt；只有出现同机制自然错误，才能声称迁移成立。

自建 Quant Data Canary · r0104 / VERIFIER

评分器能抓错，模型未必犯错

错误注入验证的是测量工具

人为写错后扣分，证明断言有效。它不能证明模型会自然犯错；中途犯错后自行修复，也不能当作最终能力失败。

Canary r01 修复捷径后，三题各两次仍全部 100 分：评分覆盖改善，任务却仍未达到增难目标。

改构造：并行保留“评分器有效性”和“真实模型难度”两条证据链。

验效果：人工错误命中预期断言；真实提交另做归因，记录自纠过程、成功与失败的完整分母。

QFBench + Canary · 构造复盘05 / RESEARCH GATE

证明做完，候选仍不成立

精度与包装不能代替候选价值

在尚无真实失分的方向上反复加断言、打磨小数和封装交付，会积累工程工作，却没有证明训练价值。

候选价值先于规模生产；检查精度服务业务结论与验收容差。

改构造：先审业务必要性、最小充分输入及预期能力缺口，再做小规模真实试测。

验效果：证据门槛通过后才扩建；无效候选保留记录并淘汰，不挑选低分、事后调权或把环境故障算成难度。

PIT02 / PIT03

一条布局捷径，暴露两类不同问题

  1. 原样本只按行序取值也能满分，未检验日期推理。
  2. 对照变换仅打乱行序，答案不变；错误方法失效，证明存在捷径。
  3. 真实试测r01 排除捷径后仍全通过，说明“无捷径”还不足以形成强模型难题。

以上为构造复盘和真实试测结论；不是后训练收益证明。证据定位见内部试验记录 [7–9]。样本价值仍需通过独立训练与迁移评估确认。

3.2

低分需要被解释，而不是被直接采用

OBSERVATION

观测到低分

先验证任务，再解释模型

✓

可定位的能力错误

语义 / 决策错误 → 因果修复 → 核实影响

可形成候选训练信号
?

市场结果较差

基准 / 风险 / 成本 / 搜索次数 → 归因

需进一步区分技能与环境
×

任务或环境无效

歧义 / Oracle / 接口 / 服务失败 → 修复

不计为金融能力缺口
展开低分诊断：五类原因与证据要求
观测到的情况如何判断能否作为能力缺口证据
金融语义或研究决策错误输入充分、协议清晰；轨迹和输出定位到具体错误，修正该错误能解释结果变化。可以，但需说明影响范围与重复稳定性。
回测结果较差核查风险暴露、基准、成本、市场状态、搜索次数及样本外不确定性。可能；单次亏损不足以证明推理失败。
输入歧义或 Oracle 错误存在合理替代解释，或标准答案与真实资料的口径、时点不一致。不能。应修复任务，保留版本，重新解释原成绩。
评分接口或格式问题区分有效业务交付、指定接口要求与无关格式约定；检查评分是否漏读了正确产物。只有与目标能力直接相关的部分才可计入。
服务容量、容器或资源失败没有产生可评分的有效提交，单独报告失败类别和有效分母。不能记成金融能力 0 分。

表格可左右滑动

内部复核曾发现，题目中的 ES 尾部定义、CTA 初始状态与执行口径会影响得分解释。修订后的满分，首先说明旧低分需要重审；不同任务版本之间的分数变化，不能直接宣称为模型能力提升。

事实审计同样重要：时点资料若漏掉更早已公开的更正公告，即使两套计算结果一致，也只能证明它们对同一份不完整材料一致。Source 的完整性需要独立核查。

一个已核实的自然错误：把年度费用等额按月分摊

在既有财务建模试验中，一份 Astra 真实提交把按实际日历天数计量的年度费用改成了等额按月分摊，首次有效自然分为 95.8026。对相关公式进行因果修复后，35 项失败断言恢复，诊断分达到 100，且没有新增失败。

这支持“年度计量单位在期间模型中被错误转换”这一具体判断。修复后的 100 分是反事实诊断，不是新的自然提交；它也没有证明相同错误一定会迁移到量化研究或银行授信题。新任务仍需保留真实业务依赖并独立试测。[8]

3.3

从真实业务证据，建立可训练的反馈

样本需要贯通的五段证据

SOURCE → ORACLE → CONTRACT → VERIFIER → TRAJECTORY

Toneme
  1. 01 SOURCE原始事实

    业务资料、时间边界、数据版本与可用性。

  2. 02 ORACLE参考与约束

    确定性答案，或开放任务的参考基线与可接受行为。

  3. 03 CONTRACT公开任务定义

    清晰的输入、输出和边界，保留模型的建模责任。

  4. 04 VERIFIER可追溯评价

    评分断言、行为检查及与业务后果的对应关系。

  5. 05 TRAJECTORY真实作答证据

    自然错误、自检、修复与最终交付。

错误注入检验“能否检出”；真实试测检验“是否发生”；独立验证检验“结论能否迁移”。三者承担不同的证明责任。

输入充分，但不代替作答

保留业务事实、单位、时间、范围和输出定义；对可给可不给的信息要求必要性证明。既要逐条检查条件，也要整体检查字段命名、排序、样例和文件布局是否已经暗示解法。

开放答案，也要有稳定评价

计算任务可以要求唯一数值。研究任务允许多个合理策略，但应固定预算、信息边界、经济约束和比较协议；不能把作者偏好的唯一策略设为隐含标准答案。

负面结论也可以形成好样本

识别信息不足、否定无效假设、主动停止无依据的搜索，都是研究能力。只有明确给出依据与边界，才适合作为训练目标。

数据价值最终还需训练验证

完成样例和评测，只是具备了候选训练资产。需要把训练前后模型放在独立任务上比较，才知道提升来自专业能力、工具熟练度，还是对题目模板的记忆。

04

DESIGNING DATA, TASKS & ENVIRONMENTS

面向后训练的数据构造框架

把研究工作拆成有信息边界、可执行、可观察、可评价的任务。原始数据、运行环境、任务协议和训练资产共同构成产品，并通过样例研发逐步验证。

4.1

以研究与决策过程为构造单元

一条训练样本可以来自某次特征设计、一次策略修复，也可以来自完整研究任务。其基本单元应包含当时可见的材料、模型采取的动作、环境反馈及可核验结果，才能回答“为什么这个动作值得学习”。

从数据基础到训练资产

DATA / ENVIRONMENT / TASK / EVALUATION / LEARNING

Toneme

数据与环境基础

版本化数据、PIT 快照、数值工具、市场规则、执行账本与可重放的初始状态

  1. 01

    定义任务

    研究目标、公开输入、模型责任、预算与交付边界

  2. 02

    运行与记录

    假设、代码、工具调用、决策状态与环境反馈

  3. 03

    诊断与筛选

    正确性、研究证据、经济行为及自然错误归因

  4. 04

    组织训练资产

    验证过的示范、可比较偏好对和可重置环境

DEVELOPMENT LOOP

研发区：允许反馈与修订

在明确预算下试验、诊断与改进。记录所有候选、修订和筛选依据，避免只保留获胜样例。

SEALED EVALUATION

独立区：冻结后检验

冻结代码、参数与允许的再训练规则。封存窗口不参与策略选择；最终评测任务也不进入训练材料。

封存历史窗口只能隔离当前研究反馈，不能保证基础模型从未见过相关市场历史。需要结合污染审查、标识控制及后续独立时期验证；标识处理也要避免破坏任务语义。
需要保存的六类数据，不止行情与问答
记录类型关键内容用途
原始事实与版本行情、公告、事件、公司行动、首次可见时间和更正链。重建当时已知世界，追查数据来源。
特征与模型版本特征定义、标签、训练窗口、模型产物及依赖版本。定位每个预测来自哪一套研究设定。
决策时点快照可见市场信息，以及市场、模型、账户、运行四类状态。解释同一预测为什么对应不同动作。
动作与交易账本下单意图、风控否决、订单状态、成交、费用和现金持仓。重放执行路径，检验行为及核算。
研究过程与轨迹假设、代码、工具调用、反馈、失败候选和最终选择。提取专业研究行为及错误修复样本。
评价与审计记录评分版本、断言、自然失分、有效分母和独立验证结果。区分真实能力、环境问题与评价偏差。

现有 Agent 轨迹基础设施可以继续复用。研究轨迹说明模型如何完成任务；交易账本说明策略如何产生金融后果，两者需要关联，不能互相替代。

任务协议需要冻结哪些边界

资产池及历史成员规则、可访问字段、数据版本、时间区间、时区与交易日、预热期、开发与封存窗口、初始账户状态、费用及成交模型、允许的动作、风险约束、工具和搜索预算、随机性管理、输出接口，以及失败状态的统计方式。

已明确的经济事实由任务提供；需要研究的选择由模型完成。可以公开验收规则和业务约束，但不提供未来派生结果、逐年答案序列或作者整理好的解题步骤。开放研究不要求唯一策略，评价协议必须明确。

4.2

三类任务，覆盖从研究到系统审计

FACTOR & FORECAST

因子与预测研究

从经济假设出发，完成特征、标签、基线和因子筛选；检验稳定性、冗余、时点一致性与样本外表现。需要保留无效假设和放弃理由。

典型交付
因子代码、实验记录、筛选依据与独立验证报告
核心范围：Layer 3

STRATEGY DESIGN

完整策略设计

把研究目标转为状态识别、预测、交易决策、持仓管理和风险规则。比较简单基线与复杂方案，检查成本和资金约束如何影响路径。

典型交付
策略实现、行为测试、执行账本与限制说明
核心范围：Layer 4 / 有限 Layer 5

AUDIT & REPAIR

研究审计与修复

面对已有研究包，识别信息泄漏、错误归因、状态更新或执行假设问题；定位根因、提出最小修复，并通过对照重放解释影响。

典型交付
证据定位、修复代码、对照结果与结论修订
跨 Layer 2–Layer 5 的任务形式

选题矩阵：能力层级 × 系统模块 × 市场场景 × 任务形式 × 数据粒度。它用于检查覆盖与空白；维度组合数量不能直接当作独立样本量，也不承诺所有组合都适合生产。

4.3

同一研究主题，如何形成不同层级的任务

以“状态自适应的日频趋势策略”为候选主题：研究状态识别与预测可靠性，是否能在共同风险和成本约束下改善简单趋势基线。下面展示任务责任如何变化，尚未形成可交付的正式题目。

候选样例 · 从实现到自主研究

选择层级，查看输入、决策责任与验收变化

设计示意

在研究约束下，形成完整的策略设计

能力重点：设计与验证
公开输入
资产范围、可用数据、趋势研究目标、风险预算与交易约束，给出共同评价协议。
模型需要完成
选择状态与预测方法，设计入场、仓位、退出和停机规则，并说明相对简单基线的必要性。
交付与评价
策略包、对照实验与决策日志；同时检查经济意图、行为完整性、成本和风险。
保留的研究责任
不预先提供最优参数和方法组合。允许选择简单方案，也允许得出复杂模块没有增益的结论。
NOT YET EVALUATED · 尚未评测自然失分、经济表现与泛化能力均待验证

三种层级沿用同一主题，但任务输入和模型责任不同。该示例用于说明构造方式，不是已验证难度或收益的样例展示。

4.4

AI-native 系统要学会处理状态变化

相同的预测方向，在不同的模型可靠性、账户和运行状态下，可以对应不同动作。训练数据需要保留这些条件与动作之间的关系，才能覆盖“什么时候不应继续交易”的判断。

决策状态演示

概念示意 · 每个场景只展示一种可能的政策规则

Toneme

SIGNAL → RISK CHECK → ACTION

信号成立后，还需通过执行与风险检查

在趋势信号、模型可靠性和可执行性都满足已定义规则时，按风险预算形成目标头寸。预测方向只构成决策输入，不能单独决定下单规模。

记录市场与模型快照核算组合风险生成订单意图核对实际成交
这些是任务设计场景，不是具体交易建议或有效策略证明。日频 K 线不能还原日内止盈、止损触发的先后，也不能验证盘口排队和毫秒级执行；相应任务须匹配更细数据，或明确约束成交假设。
4.5

评价设计：正确性、研究质量与经济结果并列

评价需要同时看系统是否做对、研究结论是否有依据，以及在给定市场条件下产生了什么后果。单一综合分可以用于约定场景，但底层分项、有效样本数与失败原因必须保留。

IMPLEMENTATION & BEHAVIOR

实现与行为

  • 信息时点与金融语义
  • 订单、持仓、现金一致性
  • 风险约束与停止恢复
  • 重放与任务接口正确性
RESEARCH EVIDENCE

研究证据

  • 假设、基线与实验选择
  • 完整搜索记录和预算
  • 稳健性与反例分析
  • 结果解释与适用边界
ECONOMIC OUTCOME

经济结果

  • 扣成本后的收益与风险
  • 市场、风格和选择归因
  • 换手、容量与暴露
  • 独立样本外表现及不确定性

空仓、低换手或保守策略是否合理，取决于任务目标和基准。评价应防止只靠减少暴露得到高分，也不应因合理控制风险而机械惩罚“不交易”。

如何转化为 SFT、偏好数据、RL 环境与独立评测集
资产候选内容准入条件
SFT 示范有证据支撑的研究、实现、审计和修复过程。关键动作与结果已验证；不把错误但流畅的解释当作示范。
偏好数据同一输入与约束下可比较的两个方案或局部动作。优劣依据可说明；控制预算、风险和环境差异，避免只按单次 PnL 排序。
RL 任务环境可重置、可重放、具有动作和反馈接口的研究任务。奖励与目标一致；通过投机取巧检查；区分合法负面结论与真正失败。
独立评测集未用于构造选择和训练的任务、来源或后续时间窗口。按相关性分组隔离，控制模板、资产和时间重叠；持续审查污染。

环境中完成更多回测，属于 Agent 的研究过程；它本身不等于更新了 LLM 权重。是否产生后训练收益，应由独立的训练与评测对照确认。

4.6

能力边界与交付预期

范围当前定位交付前提与限制
现有技术基础复用任务运行、原生轨迹、确定性评分和数据版本管理经验。可以作为研发起点；已有基础设施不等于已拥有成熟的量化难题库。
Layer 3 / Layer 4 核心任务优先建设因子研究、策略设计与审计修复样例。需先完成数据、环境、评价与真实试测的闭环，确认可学信号后再扩量。
有限 Layer 5 研究环境在受控市场、窗口与预算内探索少量完整任务。需要封存评估、完整搜索轨迹及跨任务验证；不能预设每个研究任务均有可获利答案。
数据覆盖与粒度已有 A 股日频、Tick 与 L2 存量，按任务建立固定版本视图。各频率仍需核验历史区间、字段和权限；历史成员、公司行动、修订与实际可得时点需单独验收。
Layer 6 可观测性纳入日志、版本、状态与账本回放。先形成可追溯的研究环境；正式运行监控需结合目标系统定义。
Layer 7 执行器构造工具编写、接口适配与模拟交易任务。具体交易软件接入依赖授权、接口与测试环境；实盘、高频与微观结构不作首版默认承诺。
收益与训练效果承诺透明的构造和验收过程，报告实际证据。不预先保证低分比例、后训练提升或实盘 Alpha；规模、覆盖和验收阈值以样例验证为依据。

表格可左右滑动

首版研发由范围核验、样例与环境建设、真实试测和独立验证逐步推进。每个阶段以可审阅的结果决定下一步投入；早期 sample 需要多轮打磨，不宜把演示样例直接作为批量交付能力。

  1. SCOPE

    范围与数据核验

    确认研究问题、信息条件和可评价边界。

  2. PROTOTYPE

    环境与样例研发

    连通研究、决策、账本与评价，打磨候选任务。

  3. VALIDATION

    试测与独立验证

    复核真实失分、淘汰无效难度，检验可迁移性。

  4. DELIVERY

    首版交付与迭代

    整理任务、环境、训练资产、评测集和限制说明。

2–3 个月首版完整研发的预期周期

该周期以核心数据可用、任务范围稳定、模型试测资源和专家复核条件具备为前提。初期优先建立少量可信样例与验收机制；最终数量、覆盖和交付节奏，需要根据试测结果确认。

4.7

构想：由 LLM Agent 贯通的量化系统

LLM 参与从数据处理、研究验证到运行诊断的多数环节：既完成研究工作，也编写和调用专业工具。冻结的模型、交易代码与独立风控共同承担运行职责。

AI-native Quant System

RESEARCH → LIVE DECISION → OBSERVABILITY → LEARNING

目标架构 · 待研发验证
A LLM 研究、编排与诊断B LLM 编写 / 调用工具，程序运行C 独立权限与硬风控
01 / RESEARCH PLANE

研究与验证

B

数据与特征基础设施

Data & Feature Infrastructure

OHLCV · Tick · PIT · Order Book · Market Metadata

LLM：字段绑定、清洗代码、特征构造与数据质量检查

特征、样本与可见时点 ↓
A

Alpha 研究

Alpha Research

LLM 提出假设、写代码、安排实验；调用 GPR / GP / ML / RL / 规则工具箱。

A

策略验证

Strategy Validation

LLM 组织滚动验证、样本外、消融与压力测试；由工具计算并核验结果。

通过验收与发布权限检查 ↓
B

已验证模型与策略注册库

Validated Model & Strategy Registry

LLM 整理版本、参数、依赖与发布说明；受控冻结、发布、回滚。

02 / LIVE DECISION PLANE

运行与决策

B

市场状态识别

Market Regime

波动、趋势、流动性与状态概率。

LLM：设计识别方法，生成实现与解释。

B

模型推断

Model Inference

方向、幅度、不确定性与有效性。

LLM：训练、部署与调用专业预测模型。

市场、模型、账户与运行状态 ↓
B

决策政策引擎

Decision Policy Engine

是否交易 · 多 / 空 / 观望 · 预期净效用 · 风险预算

LLM：设计并测试政策；运行时按已验证规则或策略模型生成订单意图。

通过风险预算与权限检查 ↓
B

持仓生命周期管理

Position Lifecycle Manager

Entry · Add · Reduce · Take Profit · Stop · Reentry

LLM：编写入场、加减仓、退出与重入逻辑，验证状态转换。

下单、撤改单与成交事件 ↓
B

执行与对账

Execution & Reconciliation

订单路由 · 成交回报 · 部分成交 · 账户对账 · 交易所风控

LLM：编写行情 / 交易适配器，诊断异常；执行器负责确定性下单与账本更新。

03 / RISK & GOVERNANCE PLANE

风险、治理与学习反馈

B

组合风险

Portfolio Risk

敞口 · 杠杆 · 相关性 · 回撤 · 强平风险

LLM：构造风险测试、分析暴露；限额由独立控制器执行。

C

系统安全

System Safety

Circuit Breaker · Kill Switch · 故障降级

LLM 辅助诊断与恢复建议；硬停机和恢复权限独立于 Agent。

关联研究、决策、成交与账本证据 ↓
A

可观测性与反馈

Observability & Feedback

LLM 解读预测监控、交易归因、数据漂移与审计日志，定位失败并提出下一轮研究。

↑ 反馈至研究平面 轨迹 → 样本审核 → 后训练 / 再训练 → 独立验证 → 新版本
颜色表示 LLM 的参与方式，不是自动化成熟度。研究编排可较广泛交给 Agent；数值计算、低延迟执行及硬约束由可测试的程序承担。此为目标架构，非当前已上线系统；模块分工参考 LEAN Algorithm Framework 并结合本项目扩展。
4.8

Toneme 的数据底座：面向量化能力训练

TONEME / RESEARCH DATA FOUNDATION已有存量 · 持续建设
~250 GB当前数据存量 · 团队盘点口径

A 股全市场历史行情

已取得量化机构清洗后的数据，并完成多数据源聚合调差，为 LLM 的量化能力训练与养成提供数据库基础。

日频 因子与策略研究Tick 成交与时序研究L2 盘口与执行研究
量化机构清洗→多源聚合与调差→本地历史数据资产

存量、来源与处理状态据团队现有盘点。各频率的历史起止、证券范围、字段与使用权限，以数据目录为准；不将“全市场”解释为每个证券、每个时期、每种字段均无缺失。

REPEATABLE

同一版本，重复实验

固化数据快照与时间边界，让多模型、多次试测使用同一输入。

TRACEABLE

从指标追溯到字段

统一代码、单位与复权口径，保留来源及差异处理依据。

TRAINABLE

批量产生可验证反馈

本地重放候选策略，将工具调用、结果与错误修复连接起来。

数据资产与接入方式，各自解决不同问题

MCP、API 可以连接这套数据库；本地数据底座让批量研究不必反复依赖远端取数。

01 / LOCAL DATABASE

Toneme 固定版本数据

批量试验
已落地数据可反复查询与重放；吞吐受本地算力和存储约束。
指标口径
多源校核后统一字段、单位与时点；仍需任务级语义检查。
训练价值
版本稳定、输入一致、可定位差异；适合重复试测和训练反馈。
02 / REMOTE DATA API

外部数据接口

批量试验
请求数、速率、数据额度及权限受服务与账户限制；可分批缓存。
指标口径
字段覆盖广，但参数、频率、复权和历史版本仍需显式指定。
互补用途
补齐外围字段、更新增量数据；成本和可复现性按协议管理。
03 / MCP TOOL ACCESS

LLM 的工具接入协议

批量试验
能力与限制取决于连接的数据库或 API；协议本身不提供数据。
指标口径
自然语言到工具、字段和参数的映射可能错配，需明确 schema 与校验。
互补用途
将本地库与外部接口统一开放给 Agent，保留完整调用证据。

MCP 是工具协议，语义误解来自模型或接入层的映射，不是协议必然造成的错误。数据清洗也不能消除所有时点和口径风险。参考：MCP 工具规范 · iFinD 数据量、并发与权限说明。

FOCUSED COVERAGE

字段广度有边界，训练用途有明确范围

相较 Wind / iFinD 等综合数据服务，我们的字段没有那么全；现有行情底座足以支撑首批行情因子、趋势策略、回测审计与数据工具调用训练任务。

基本面、新闻、特殊资产与严格 PIT 任务按需补齐；Tick / L2 执行任务另验字段与仿真条件。数据存量提供研发基础，训练效果仍由独立评测验证。

历史数据固定版本 / 信息边界→研究任务回放环境 / 评价协议→可验证轨迹工具动作 / 反馈 / 修复→后训练资产SFT / 偏好 / RL / 独立评测

让模型反复经历可重放、可验证的研究过程，把数据基础转化为可检验的量化能力。

术语速查
PIT · Point in Time
按某一历史时刻实际可获得的信息重建数据，保留披露、修订和可交易时点。
OOS · Out of Sample
未参与拟合或策略选择的样本外数据；反复查看和调参后，就不再是独立的最终检验。
Alpha / Beta
Alpha 是相对指定基准或模型未被解释的部分；Beta 表示对市场或风险因子的暴露。
IC / RankIC
信号与后续收益的相关性 / 排名相关性。它们衡量预测关联，不直接等于可交易收益。
Regime
市场状态，例如趋势、震荡或不同波动环境。状态定义与识别方法本身也需要验证。
Oracle / Verifier
Oracle 提供参考答案、基线或约束；Verifier 按明确接口检查交付及行为是否满足要求。
SFT / Preference / RL
分别指用示范进行监督微调、以可比较结果构造偏好学习，以及通过环境反馈进行强化学习。
Trajectory
模型在任务中的原生交互、工具调用和环境反馈记录；不等于不可见的内部思维过程。
证据来源与阅读边界

公开结果按具体论文版本与实验协议引用，未重新跑分。内部结果用于说明构造经验。框架、任务与决策示例属于研发设计，不能视为已完成的训练实验或投资效果证明。

  1. [1]
    BacktestBench · 自动量化回测评测

    2026 · 表 1 的合成任务集；区分 SQL ECR、指标计算 MC 及其他任务指标。

  2. [2]
    AlphaBench · 因子生成、评价与搜索

    ICLR 2026 · 项目页 FactorEval，零样本、无执行回测的因子质量评价。

  3. [3]
    Quant-Arena · 封存式量化研究

    v1 · 2026-10-21 · 表 2 与正文 3.2；以全配置结果核对“超过市场”的范围，避免仅按摘要泛化。

  4. [4]
    KTD-Fin · From Knowing to Doing

    v1 · 2026-05-27 · 记忆控制设置与 Barra-style 收益归因；Selection Alpha 依赖具体归因模型。

  5. [5]
    AlphaOpsBench · 经济意图到策略执行

    v1 · 2026-09-25 · 表 9 的独立完整生成实验与附录 I；35/180、20/180 为汇总尝试通过数。

  6. [6]
    Gaussian Processes · scikit-learn 技术文档

    用于核查 GPR 的概率预测与噪声设定。GPR-Adaptive 的具体机制解读来自提供的产品截图，未验证其完整实现和收益。

  7. [7]
    TradingView · Repainting · Freqtrade · Backtesting assumptions

    用于说明历史与实时信息差异，以及回测中的成交假设边界；不代表对某种框架的收益背书。

  8. [8]
    内部构造与真实试测记录 · 2026-10 / 11

    QFBench 银行题正式增难：6 轮、5 题；量化数据 canary r01：3 题、每题 2 次。另引述费用计量错误的因果诊断。依据冻结成绩、原生轨迹与复盘记录；样本较小且经过构造筛选，不代表总体难度分布。记录定位与版本哈希保存在随附开发说明中。