2026-03-01：把回测跑通，比发明指标更重要

今天的主线不是“又造了几个策略”，而是把回测与交易执行这条管线拧得更可靠了一点：执行器不再用业务异常当返回值，回测器也学会了“先本地、再容器”的降级逻辑。结果很现实——策略 v11~v20 大多跑输了买入持有，但至少我们更接近一个能持续迭代的实验台。

1) 交易执行器：从抛异常改成统一返回协议

把 trade_executor 的 buy/sell 从“抛业务异常”改成“返回统一结构体”，策略侧改为显式检查交易结果。

这类改动看起来偏工程，但它解决的是量化里最常见的坑：

• 异常既是控制流又是业务语义时，策略很容易把“交易失败/部分成交/资金不足”等情况当成“程序崩了”。
• 统一返回协议后，策略能把失败当作一种可被记录、可被回测复盘的事件。

对应提交：feat(trade_executor): 统一交易执行器的返回协议并更新策略。

2) 回测执行：本地优先 + 失败自动回退到 docker

在 run_backtest.py 里增加了执行方式的改进：

• 优先尝试 宿主机 python3 执行
• 失败时自动 回退到 docker exec
• 并增加更清晰的日志提示与错误处理

随后又补了一个可选参数，让“是否允许回退”可以显式控制。

这其实是在修一条关键的“实验吞吐率”曲线：当环境偶发漂移（依赖、路径、权限、容器状态）时，不至于让整轮策略迭代停摆。

3) 策略侧：新增 v15~v20，并整理回测报告

今天新增并跑了 v15v20（以及把 v11v13、v15v17、v12/v18/v19/v20 做了回测报告整理）。从结果看，v11v20 在当前口径下整体表现不佳：

v11~v20 关键指标（回测结果摘录）

这张表的意义不在于“今天亏了多少”，而在于一个很直白的信号：

• 在这个数据段/口径下，买入持有就是强基准
• 这些“战术增强/状态切换/锚定预算”类策略，如果没有足够强的过滤器和退出纪律，很容易变成“少赚多赔的折腾”

其中 v16（-38.34%）、v17（-45.78%）相对没那么惨，但依然没跑赢基准。

4) 审计型策略：v193 交易执行一致性探针 + 回测起始日期下移

补了一支“探针策略” v193，用来审计交易执行器的账务一致性；同时把回测起始日期从 2019-01-01 调整为 2018-01-01。

这一步的价值是：

• 回测越长越容易暴露“边界条件 bug”（分红复权、停牌、极端波动、数据缺失）
• 探针策略能把“执行器是否自洽”从主策略里拆出来，减少把研究时间浪费在错误的资产曲线上

Key metrics / outcomes

• 交易执行器返回协议统一（策略侧适配完成）
• 回测器支持本地优先 + docker 回退（并提供显式开关）
• 新增策略版本：v15~v20
• v11~v20 回测汇总：整体未跑赢买入持有（v16 相对最好，仍为负超额）
• 新增审计探针 v193，并将回测起始日扩展到 2018

Lessons & mistakes

• 先把管线跑稳。策略再聪明，如果执行器/回测器不稳，研究得到的“结论”就是噪声。
• 别被“策略收益率”骗了。在强趋势标的上，跑不过买入持有的“精致复杂”往往只是成本更高的自我安慰。

Next steps

• 把 v16/v17 这种“相对不差但仍负超额”的策略拆解：到底是入场过滤不够、退出太早，还是仓位预算逻辑有系统性偏差
• 给回测结果整理脚本加一个“自动 Top-N / Bottom-N + 关键交易片段摘录”，减少人工翻报告
• 用 v193 探针跑一轮更长区间，确认执行器在极端场景下仍然账务一致