交易员的深夜复盘：我们是如何一步步掉进“控制幻觉”陷阱的

自主选择号码的受试者，认为手中的彩票平均值为8.16美元。由实验者随机分发彩票的受试者，平均估值只有1.96美元。两组彩票的中奖概率没有差异。差异只来自一个动作：是否由自己选择。

8.16美元对1.96美元。约4.16倍。

交易员每天都在重复这个实验。只是彩票号码换成了入场点、止损位、指标参数和复盘笔记。自主选择越多，参与感越强。参与感越强，控制感越容易被误判为能力。

问题不在于复盘无效。问题在于复盘很容易从规则校验，滑向事后解释。随后，事后解释又会被包装成预测能力。最终结果通常是过度交易、风险警告失效，以及交易成本持续上升。

深夜复盘的心理陷阱：当“勤奋”演变为控制幻觉

交易结束后，市场数据已经固定。

K线完成。成交量完成。盘口变化完成。盈亏结果完成。复盘者拥有一组完整的历史路径。此时再回看图表，任何波动都可以被解释。

均线交叉之前，价格已经出现了某种结构。

突破之前，成交量已经发生了变化。

趋势反转之前，某个指标已经进入了极端区域。

这些说法在历史图表上通常成立。问题是，它们只描述了已经发生的路径。它们不能自动转化为当时可执行、可重复、可交易的规则。

复盘最危险的阶段，就是把“我现在能解释”误认为“我当时能识别”。

这两个命题不等价。

可以把交易复盘拆成三个状态：

1. 事前信息集：下单时真正可获得的数据，包括当时已经收盘的价格、成交量、指标值和账户状态。

2. 事后完整路径：交易结束后看到的全部价格轨迹，包括未来波动、最高点、最低点和最终结果。

3. 规则输出：基于事前信息集生成的明确动作，例如开仓、减仓、止损或不交易。

控制幻觉通常发生在第二步。交易员利用事后完整路径寻找结构，再把结构反向投射到第一步。这个过程不需要恶意，也不需要主观夸张。只要在图表上拖动几条线，选择几个指标，认知偏差就已经开始运行。

复盘不是解释过去，而是约束下一次决策

有效复盘的输出不是“这笔交易为什么涨了”，而是：

• 当时哪些变量已经进入策略数据集；
• 哪些信号满足预先定义的条件；
• 哪些信息只在收盘后才出现；
• 如果删除交易结果，规则是否仍然给出同样的动作；
• 这条规则在样本外是否具有稳定表现；
• 交易成本、滑点和延迟是否改变了结果。

这是一种程序化区分。

无效复盘倾向于围绕结果组织叙事。盈利交易被解释为判断正确。亏损交易被解释为执行偏差。连续亏损被解释为市场环境变化。连续盈利被解释为模型升级。

有效复盘围绕输入和输出组织记录。输入固定。规则固定。输出可重现。结果只是样本，不是能力证明。

复盘的目标不是让未来变得可控，而是让下一次决策不依赖临场解释。

这一区分很冷。也很必要。

控制幻觉的基本结构

控制幻觉指个体在面对随机或不可控事件时，高估自身影响力和控制力。

交易市场不是纯粹随机过程。价格序列可能存在趋势、波动聚集、期限结构、流动性差异和风险溢价。但局部存在统计特征，不代表个体可以控制单笔交易结果。

策略只能改变条件概率。不能直接决定结果。

一个趋势跟踪模型可以在特定样本中获得正期望。它不能保证下一笔交易盈利。一个均值回归模型可以在震荡阶段有效。它不能阻止极端行情继续扩散。一个低延迟系统可以减少执行误差。它不能消除模型风险。

如果把“降低不确定性”写成“控制结果”，模型就会发生概念越界。

兰格的彩票实验：为什么主动选择会让我们高估胜算

兰格的实验提供了一个非常清晰的机制。

自主选择会增加主观估值。彩票号码本身没有获得额外信息。中奖概率没有改变。选择行为却改变了参与者对彩票价值的判断。

交易中的自主选择更多。

选择交易品种。

选择时间周期。

选择指标。

选择参数。

选择入场点。

选择止损距离。

选择加仓方式。

选择复盘角度。

每一个选择都可能提供额外的“技能暗示”。技能暗示不是实际优势。它只是让人感觉自己参与了更多过程。

参与过程越多，结果越容易被归因于个人能力。

主动选择不等于信息增益

量化交易中，信息增益可以被形式化。一个变量只有在样本外带来稳定的预测改善，才具备策略价值。改变变量名称、颜色、显示周期，或者把入场点手工移动到更合理的位置，都不构成信息增益。

可以从下面几个层面区分二者：

表格中的关键项不是“努力”本身，而是努力是否改变了可验证的统计性质。

如果一个变量在样本内有效，样本外失效，它不是稳定因子。它可能是噪声，也可能是过拟合。即使加入更多解释，也不能自动提高模型质量。

彩票实验如何映射到交易系统

把彩票实验映射到交易过程，可以得到一个简化模型：

• 随机分配的彩票，对应系统自动生成的交易信号；
• 自主选择的彩票，对应交易员手工筛选后的交易；
• 彩票价格估值，对应交易员对策略质量的主观评价；
• 实际中奖结果，对应真实交易绩效。

自主筛选后的交易，往往更容易被赋予更高的主观权重。因为交易员知道自己为什么选择它。知道理由，会被误认为拥有优势。

但理由可能只是事后构造的分类标签：

“波动结构更干净。”

“位置更合理。”

“量价关系更协调。”

“这个品种更熟。”

这些词只有在规则定义、样本统计和样本外验证之后才有意义。否则，它们只是不可复现的描述。

选择权会制造虚假的精细化

交易员常常认为，选择越精细，系统越精准。

从日线筛选到小时线。从小时线筛选到15分钟。从15分钟筛选到盘口。时间分辨率不断提高。指标不断增加。过滤条件不断扩展。

结果不一定更好。

当策略参数数量增加时，模型可以适应更多历史细节。适应能力上升。泛化能力可能下降。样本内曲线更加平滑。样本外表现更加脆弱。

这是过拟合的典型结构。

控制幻觉在这里提供了额外推动力。交易员看到自己对每个细节都有解释，于是认为自己已经接近市场机制。实际上，只是对历史噪声进行了更高维度的拟合。

技能暗示与微观勤劳：交易员如何自我欺骗

控制幻觉容易被几类技能暗示激活。

自主选择权

可以自己选择交易对象、信号和参数。于是更容易认为结果与个人判断有关。

自动化策略减少了这类选择。很多交易员因此感到“不够专业”或“不够主动”。他们开始手工干预系统。删除一笔不喜欢的信号。推迟一次开仓。提前平掉一部分仓位。

每次干预都可能被记录为“经验”。

但如果干预没有独立规则，它就无法进入稳定的回测框架。无法回测，就无法区分技能与噪声。

对资产和指标的熟悉度

长期观察某个品种，会积累大量记忆。某个价格区间、某类K线、某种波动节奏，都可能被识别出来。

熟悉度有用。它可以帮助发现数据异常、交易规则变化和流动性问题。但熟悉度不等于预测优势。

交易员最容易犯的错误，是把“我能描述它”当成“我能预测它”。

对历史走势的叙述能力，与未来收益的统计显著性没有必然关系。

前置准备时间

准备时间越长，沉没成本越高。

深夜整理数据。重画图表。重新计算指标。查看多个周期。阅读更多观点。等待更多确认。

准备过程可能提升数据质量。也可能只是在增加心理承诺。

当准备时间已经投入数小时，交易员会更难接受“不交易”这个输出。因为不交易意味着前面的努力没有转化为动作。于是系统被迫产生交易。

这就是控制幻觉与过度交易的连接点。

策略没有给出信号。交易员给出了信号。

竞争环境

交易员之间的排名、收益比较和账户展示，会强化主动性。

别人正在交易。自己不能空仓。

别人抓住了波段。自己必须解释为什么错过。

别人修改了参数。自己也要寻找新的参数。

竞争环境将交易变成连续的选择任务。每一次不操作，都会被感知为能力不足。于是交易频率上升，信号门槛下降，风险预算被临时调整。

在程序化系统中，这等价于修改约束条件。约束条件被修改后，原始回测结论不再适用。

微观勤劳的统计幻觉

微观勤劳，是对局部细节进行大量人工操作，并把操作数量误认为分析质量。

常见形式包括：

1. 在同一段历史区间反复放大和缩小图表，寻找价格结构。

2. 同时叠加大量指标，寻找不同指标之间的共振。

3. 对亏损交易进行长时间解释，却不检查整体收益分布。

4. 反复调整入场点和止损点，使历史曲线更平滑。

5. 把每次人工干预都写成新规则，却不保留原始版本。

6. 只观察成功样本，忽略未触发信号和被过滤掉的样本。

7. 将市场噪声分成更多类别，再为每个类别设置专属处理逻辑。

这些行为不一定完全错误。错误在于没有测量它们的边际收益。

如果增加一个指标没有改善样本外夏普比率、最大回撤、收益稳定性或尾部风险，那么它只是增加了系统复杂度。复杂度本身不是优势。

如果手工调整后的交易表现更好，但调整过程依赖完整走势，那么结果不具备可交易性。它只是事后最优解。

绩效的悖论：为何控制感越强，交易表现反而越差

针对金融交易员的研究显示，控制幻觉程度越高的交易员，真实交易绩效越差。他们更容易过度交易，也更容易忽略潜在风险警告。

这不是“自信导致失败”的简单道德判断。

机制更具体。

控制感提高后，交易员会改变行为参数：

• 增加交易频率；
• 缩短决策时间；
• 降低入场门槛；
• 放宽策略限制；
• 延后止损执行；
• 提高仓位；
• 忽略异常波动；
• 将警告解释为暂时噪声。

这些变化都会影响收益分布。

过度交易首先侵蚀的是成本项

交易频率上升，不一定立刻表现为亏损。短期内，更多交易可能带来更多盈利机会。问题在于成本是确定发生的，而优势并不确定。

手续费、买卖价差、滑点、冲击成本和执行延迟，都会从毛收益中扣除。

如果一笔交易的预期优势低于交易成本，它即使方向判断正确，也可能无法形成净收益。控制幻觉会让交易员忽略这一点，因为每笔交易都被赋予了一个主观理由。

交易数量增加后，累计摩擦成本上升。模型的有效信号没有同步增加。净绩效自然下降。

可以把净收益简单写成：

净收益 = 毛收益 − 手续费 − 买卖价差 − 滑点 − 冲击成本 − 执行误差

公式不复杂。复杂的是交易员往往只复盘毛收益。

风险警告为什么容易被忽略

风险警告通常不是一个单独数字。它可能表现为：

• 波动率突然扩大；
• 相关性结构改变；
• 流动性下降；
• 价差扩大；
• 信号连续失效；
• 最大回撤接近历史极值；
• 订单执行偏离回测假设；
• 策略持仓暴露超过预设范围。

如果交易员认为自己理解市场，就会对这些警告进行解释，而不是执行。

“这只是短期噪声。”

“指标暂时失真。”

“下一笔会修复。”

“当前环境与历史不同。”

这些句子都可能正确。但它们不应当由持仓中的交易员临时决定。因为临时决定已经受到结果影响。规则应当在没有仓位压力时定义，在执行阶段直接运行。

否则，风险控制就从约束变成了意见。

盈利交易同样会强化偏差

控制幻觉不只在亏损后出现。

连续盈利更危险。

盈利交易会提供正反馈。交易员回顾图表，发现自己提前识别了结构。随后扩大解释范围。原本只适用于一个品种、一个周期和一组条件的规则，被推广到其他品种和其他阶段。

盈利被归因为能力。随机性被排除在解释之外。

但单笔盈利不能证明策略有效。连续盈利也不能自动证明控制能力。需要观察完整收益分布、样本量、样本外结果以及不同市场状态下的表现。

如果盈利主要来自少数极端交易，均值可能看起来不错，尾部风险却没有被正确建模。如果盈利依赖单一阶段，策略可能只是暴露在某种特定趋势或波动环境中。

控制幻觉会压缩对不确定性的估计。风险因此被低估。

连续盈利不会证明你控制了结果。它只证明样本中出现了连续盈利。

从事后解释到前视偏差：复盘如何污染回测

控制幻觉最容易通过回测进入系统。

回测本来是为了检验规则。问题是，规则经常在看过结果之后被修改。修改后的规则再回到同一段历史数据中测试。曲线变好。交易员认为模型升级。

实际上，测试集已经被使用过多次。

这不是严格意义上的独立验证。它是数据挖掘。

常见的事后污染路径

第一步，观察历史走势。

第二步，发现某些亏损点“本来可以避免”。

第三步，增加过滤条件。

第四步，重新回测。

第五步，删除新的异常交易。

第六步，再次调整参数。

第七步，直到曲线符合预期。

此时模型已经不再检验市场结构。它在检验交易员对这段历史的记忆能力。

如果同一数据集被反复用于参数选择，样本内指标会越来越好看。策略对未知数据的表现则可能下降。

前视偏差不只来自未来价格

很多人只把前视偏差理解为使用未来收盘价。实际问题更广。

以下行为都可能带来未来信息污染：

• 使用当天最终成交量决定当天早盘是否入场；
• 用完整K线计算指标，再假设在K线开始时执行；
• 根据交易结束后的最高点重新定义入场位置；
• 用包含未来样本的滚动统计量；
• 根据后续回撤调整此前的止损参数；
• 先筛选表现好的品种，再报告策略结果；
• 忽略已经退市、暂停交易或流动性消失的标的；
• 用最终可见的指数成分股测试历史策略。

这些问题未必源于欺骗。多数来自时间索引管理不严谨。

量化系统不接受“当时大概知道”这种表述。只有时间戳。

复盘记录需要保留不可修改版本

交易员可以建立三个版本的记录：

1. 原始决策记录

在下单前保存输入数据、信号状态、参数版本、账户暴露和预期风险。

2. 执行记录

保存订单发送时间、成交时间、成交价格、数量、滑点、撤单和异常日志。

3. 事后分析记录

在不覆盖原始记录的前提下，添加对结果的解释和规则修改建议。

三个版本不能混成一个文件。

如果事后修改了原始判断，系统就失去了审计能力。无法知道当时真正看到了什么，也无法区分预测与解释。

这是最基础的数据工程问题。不是心理学问题。

重构复盘逻辑：从追求确定性到拥抱概率本质

复盘不需要被取消。需要被重新定义。

复盘的功能至少包括四项：

• 检查规则是否按预期执行；
• 检查数据和订单是否存在异常；
• 估计策略在不同阶段的收益与风险分布；
• 根据新证据更新模型，而不是根据单笔结果修改叙事。

这四项都不要求控制未来价格。它们只要求控制流程。

第一步：把结果从决策质量中剥离

一笔盈利交易，可能是好决策，也可能是坏决策。

一笔亏损交易，可能是好决策，也可能是坏决策。

评价决策时，先删除结果字段。只看当时的信息集和规则输出。

可以使用下面的记录结构：

• 信号是否满足预设条件；
• 入场是否在允许的时间窗口；
• 仓位是否符合风险预算；
• 止损是否按规则设置；
• 执行价格是否偏离预期；
• 是否发生人工干预；
• 干预是否有事前定义；
• 交易成本是否在模型假设范围内。

如果所有流程都正确，即使结果亏损，也不代表执行失败。

如果流程明显违反规则，即使结果盈利，也不代表策略有效。

这一步会削弱结果带来的控制幻觉。

第二步：为人工判断设置“可编码边界”

不是所有判断都能立即量化。但不能因此允许判断无限扩张。

可以为人工干预设置边界：

• 只允许修改哪些参数；
• 哪些条件下可以暂停策略；
• 需要什么数据才能触发人工复核；
• 人工复核的最长时间；
• 是否允许重新入场；
• 是否需要第二人确认；
• 何时必须恢复自动执行。

边界的作用不是消灭人工判断，而是阻止判断变成事后自由度。

如果一个判断无法描述，就无法稳定执行。无法稳定执行，就不能直接纳入策略绩效。

第三步：把复盘指标从“命中率”扩展到收益分布

命中率很容易成为控制幻觉的入口。

高命中率不等于正期望。低命中率也不等于策略无效。

至少需要同时观察：

• 单笔收益分布；
• 盈亏比；
• 最大连续亏损；
• 最大回撤；
• 回撤持续时间；
• 收益的偏度与峰度；
• 不同波动状态下的表现；
• 不同品种和周期的相关性；
• 交易成本占毛收益的比例；
• 样本内与样本外差异；
• 参数扰动后的稳定性。

如果只看胜率，交易员很容易把少数盈利交易解释成识别能力。完整分布则会迫使系统面对尾部风险和样本不确定性。

第四步：使用时间切分，而不是随机切分

金融时间序列具有顺序结构。

训练集、验证集和测试集应当按照时间推进。不能把未来样本随机分配到训练数据中。随机切分会破坏时间依赖，也可能泄露未来分布信息。

更稳妥的结构是：

• 早期数据用于开发；
• 中间数据用于参数选择；
• 后期数据用于最终验证；
• 验证完成后不再根据测试结果反复修改规则。

如果策略在测试集表现不佳，不能立即调整参数再回到测试集。应当回到开发阶段，重新定义假设，再使用新的验证区间。

测试集一旦被读取，就不再是纯粹的测试集。

第五步：进行参数扰动

控制幻觉喜欢精确参数。

均线周期是17，而不是18。

止损距离是1.37%，而不是1.4%。

波动率阈值是0.82，而不是0.8。

这些精确数字通常需要证据。若参数在很窄的范围内有效，在相邻参数下迅速失效，模型可能存在过拟合。

参数扰动不是为了寻找最优点。是为了观察性能曲面是否连续。

可以测试参数附近的一组区间：

• 入场阈值上下调整；
• 持有周期增加或减少；
• 止损比例进行小幅变化；
• 交易成本提高；
• 执行延迟增加；
• 信号减少一部分；
• 删除部分数据。

如果策略只有在一个精确点上表现良好，不能把它解释为精确控制。更合理的解释是，模型对历史噪声过度敏感。

第六步：建立“不交易”作为合法输出

控制幻觉通常迫使系统行动。

没有信号，也要找信号。

风险扩大，也要维持仓位。

连续亏损，也要提高交易频率追回结果。

这说明策略输出空间不完整。一个成熟系统至少应允许三种结果：

• 交易；
• 减少暴露；
• 不交易。

“不交易”不是空白。它是经过风险约束后的输出。

如果当前数据不足以支持正期望交易，空仓比强行寻找解释更符合概率逻辑。

交易员的健康管理：问题不只在认知，也在执行状态

深夜复盘会改变认知，但影响不止于认知。

长时间盯盘和反复修改图表，会增加决策次数。决策次数增加后，人工干预概率上升。睡眠不足、注意力下降和执行疲劳，都会降低规则一致性。

这里不需要使用无法测量的心理描述。只看日志即可。

检查以下记录：

• 交易是否集中在连续工作时段的后半段；
• 手工撤单是否在深夜明显增加；
• 止损修改是否集中于亏损扩大之后；
• 交易频率是否在长时间复盘后上升；
• 是否出现重复下单、漏单或参数版本错误；
• 是否有未保存的策略改动直接进入实盘；
• 是否在非计划时段扩大风险暴露。

如果异常行为与工作时长、交易时间和休息间隔存在稳定关联，就应当把它视为执行风险。

交易员健康管理不必写成生活方式宣言。它本质上是系统可靠性管理。

一个人在疲劳状态下更容易相信自己的解释。自动化系统则不会因为解释更完整而变得正确。因此，应当减少疲劳状态下的自由度。

给深夜复盘设置硬约束

可以采用几条简单规则：

1. 深夜只允许记录，不允许修改实盘参数。

2. 参数修改必须在下一个交易窗口前完成，并保留版本号。

3. 任何新规则至少经过独立回测和样本外验证，不能直接上线。

4. 亏损后的临时加仓、提前止损和追单，必须单独归类。

5. 当日交易结果不能作为下一次参数修改的唯一依据。

6. 复盘结束时记录“不确定事项”，而不是强行给出结论。

7. 如果无法确认某个信号是否使用未来信息，默认该信号不可用，直到完成时间索引检查。

这些规则不涉及行情预测。只降低系统被临时判断污染的概率。

控制幻觉的量化检测

认知偏差可以通过行为数据间接观察。

不需要为每个交易员设计复杂心理测验。先检查行为是否偏离原始系统。

检测维度一：自由度增长

统计一个策略在上线后的变化：

• 参数修改次数；
• 新增指标数量；
• 删除交易数量；
• 人工覆盖信号次数；
• 新增例外条件数量；
• 交易品种和周期扩张情况。

如果自由度持续增长，而样本外绩效没有同步改善，说明系统正在向解释模型转化。

检测维度二：交易频率偏离

比较计划交易频率和实际交易频率。

如果计划每天只允许少量信号，实际交易数量却不断增加，需要检查是否出现了手工放宽条件。交易频率上升时，不能只看收益是否增加，还要看净收益、成本和回撤是否同步变化。

检测维度三：人工干预后的结果

将交易分为两组：

• 自动执行组；
• 人工干预组。

分别计算收益、成本、回撤和收益波动。

不能预先假设人工组更好，也不能因为某段时间人工组盈利就得出技能结论。需要观察多个阶段和样本外表现。

如果人工干预组只在特定历史区间有效，或收益依赖少数交易，应当降低对人工判断的信任度。

检测维度四：警告触发后的处理

统计风险警告出现后，系统采取了什么动作：

• 减仓；
• 停止开仓；
• 维持仓位；
• 增加仓位；
• 修改阈值；
• 忽略警告。

再比较这些动作与后续风险分布的关系。

如果风险警告频繁被解释为“暂时噪声”，而不是触发预定动作，说明风险模块已经被主观判断接管。

检测维度五：复盘文字中的不可编码词汇

交易日志中出现以下表达时，应当要求进一步定义：

• 盘感；
• 结构很强；
• 位置舒服；
• 走势健康；
• 量价配合；
• 主力洗盘；
• 市场情绪；
• 庄家意图；
• 资金在试盘；
• 价格被控制。

这些词不是天然错误。问题是它们缺少操作定义和数据边界。

例如，“波动率扩大”可以定义。可以使用历史波动率、实现波动率或隐含波动率，并指定窗口和阈值。

“走势健康”无法直接执行。除非把它拆解成趋势斜率、回撤比例、成交量条件和波动约束。

没有定义，就没有回测。没有回测，就没有证据。

不同策略中的控制幻觉

控制幻觉不局限于主观交易。

趋势跟踪

趋势跟踪策略容易在盈利阶段强化控制感。

交易员看到趋势形成，认为自己识别了方向。随后提前加仓、缩短确认窗口或扩大信号适用范围。

但趋势跟踪的收益通常依赖少数大行情。单个阶段的连续盈利不能证明每一次趋势判断都正确。需要保留完整亏损样本，检查策略在震荡和快速反转阶段的表现。

均值回归

均值回归策略容易在价格偏离后制造“回归必然发生”的错觉。

历史上价格经常回到均值，不代表当前偏离一定会回归。极端行情可能持续扩散。均值、波动和相关结构都会变化。

控制幻觉会让交易员提前接刀。止损被解释为“暂时偏离”。仓位被扩大，用于等待均值回归。

此时策略已经从均值回归变成了方向性补仓。

高频和低延迟交易

低延迟系统减少了执行时间。它不等于掌握价格方向。

交易员可能把基础设施优势误认为预测优势。延迟下降后，收益改善可能来自更低的滑点或更高的成交概率，而不是信号质量提升。

需要分别测量：

• 信号产生延迟；
• 订单发送延迟；
• 市场确认延迟；
• 实际成交偏差；
• 订单取消率；
• 交易成本；
• 延迟变化前后的净收益。

如果只看最终收益，无法知道优势来自哪里。

主观基本面交易

基本面分析的信息周期更长。报告、估值和行业判断都可能形成复杂叙事。

叙事越完整，控制感越强。问题在于，完整叙事不等于可验证预测。需要明确发布日期、可获得时间、变量定义和持有期限。

如果分析使用了事后修订数据，或把后来发生的事件加入此前判断，就存在信息污染。

复盘中的“正确答案”通常不存在

交易员希望在复盘结束时得到一句确定结论：

这笔交易应该买。

这笔交易不该买。

这个参数最优。

这个指标有效。

这个形态可靠。

但市场数据通常只提供概率证据，不提供单笔交易的正确答案。

更合理的复盘结论是分层的：

• 规则是否按设计执行；
• 交易结果是否位于历史分布范围内；
• 当前样本是否足以支持参数变化；
• 是否出现了新的数据异常；
• 是否需要扩大样本；
• 是否需要暂停策略；
• 哪些问题暂时无法判断。

“无法判断”是合格的统计结论。

它比强行解释更接近真实。

如果一个复盘系统要求每笔交易都必须写出完整原因，它会鼓励交易员制造因果关系。随机结果需要叙事。叙事越流畅，错误归因越难被发现。

因此，复盘日志应当允许保留空白：

• 原因未知；
• 信号有效性未知；
• 当前样本不足；
• 需要更多样本；
• 无法排除随机性；
• 需要检查前视偏差；
• 需要重新估计交易成本。

空白不是偷懒。是避免伪精确。

最小可执行的复盘框架

如果把流程压缩成一个可执行版本，可以保留以下五个模块。

模块一：时间一致性

记录所有输入数据的时间戳。确认每个变量在决策时已经可用。确认指标没有使用未来数据。确认成交价格和执行时点符合实际规则。

模块二：规则一致性

记录信号是否满足条件。记录是否出现人工覆盖。人工覆盖必须单独标记，不能混入原始策略结果。

模块三：成本一致性

记录手续费、价差、滑点、冲击成本和执行延迟。回测使用的成本假设需要定期与实盘数据比较。

模块四：分布一致性

观察收益、回撤、连续亏损和波动是否仍然处于历史分布范围。单笔结果不触发参数修改。只有分布变化达到预设条件，才进入模型审查。

模块五：版本一致性

保存数据版本、代码版本、参数版本和报告版本。任何改动都要可回滚。不能使用覆盖式修改。

这五个模块没有预测功能。它们只负责限制控制幻觉的操作空间。

参数优化的边界：不要把稳定性误读为最优点

参数优化可以改善模型。也可以制造最精确的过拟合。

建议优先寻找稳定区间，而不是单一最优参数。

例如，一个策略在多个相邻参数下都保持相近的风险收益特征，说明它对参数变化不敏感。这样的系统更容易承受执行误差和市场状态变化。

如果只有一个参数点产生最高收益，其他点迅速失效，首先应当怀疑数据挖掘，而不是赞美精度。

优化时至少保留以下约束：

• 不根据单笔交易修改参数；
• 不根据单一品种确定通用规则；
• 不把样本内最高收益作为唯一目标；
• 不忽略交易成本和滑点；
• 不重复使用最终测试区间；
• 不删除不符合叙事的交易；
• 不把人工经验直接伪装成自动化规则；
• 不用更多指标掩盖更差的样本外表现。

目标函数也不应只有收益最大化。最大回撤、尾部损失、收益稳定性、换手率和成本敏感度，都需要同时纳入。

一个净收益更低但参数稳定、回撤可控、执行一致的系统，通常比样本内收益更高但高度敏感的系统更适合长期运行。

这里仍然不涉及行情预测。

只讨论模型是否具备持续运行的工程条件。

结语：能控制的是流程，不是市场结果

控制幻觉不会因为交易员读懂了一个概念就消失。

它会随着自主选择、连续盈利、长时间复盘和复杂参数不断出现。人类倾向于为结果寻找原因。交易系统则要求原因能够被定义、记录和复现。

兰格的彩票实验已经说明：主动选择会显著抬高主观估值，但不会改变随机事件的实际概率。交易中的手工筛选、指标叠加和深夜分析，也不会因为投入更多注意力就自动产生可验证优势。

复盘仍然必要。

但复盘应当检查规则、数据、执行和风险分布。不能把事后完整路径当成事前信息。不能把解释能力当成预测能力。不能把交易频率当成勤奋程度。不能把参数精度当成模型质量。

最可靠的改进通常不来自增加一个指标，而来自减少一个没有证据的自由度。

保留原始记录。分离事前与事后信息。执行时间切分。检查前视偏差。进行参数扰动。计算真实成本。允许不交易。保留模型的失败边界。

市场结果不受复盘者控制。

代码版本、数据质量、执行规则和风险上限可以控制。

这已经足够。

Related reading: 夜盘交易员的生物钟重建：长期熬夜对决策能力的生理侵蚀与修复 and 量化策略回测指标的虚与实：如何看穿超高收益率背后的陷阱.