- CPCV · purge + embargo
- Deflated Sharpe · 修正试错次数
- Bootstrap Sharpe 95% CI
- 参数邻域敏感性
挡住 走运的一段窗口冒充不了 edge
Why Inalpha · the black box vs the ledger
大多数 AI 交易是个黑盒。Inalpha 把每一步都记下来。
黑盒
亏钱时
「买入 BTC，置信度 0.62」——到底哪份数据、哪一步出了错，无从查起。
赚钱时
是真本事，还是运气？复现不出来，就没法信。
谁能下单
模型直接握着你的账户钥匙，一句乱指令就变成一笔真单。
Inalpha · ledger
01
亏钱时
把那次决策原样重放：它看了什么数据、跑了什么逻辑、给了什么理由。
02
赚钱时
每个想法、每次测试都留底，是真本事还是碰运气，能验证给你看。
03
谁能下单
AI 只负责提议，真正下单由你设好的规则执行——它自己扣不动扳机。
每一步都讲得清，每一单都要你点头。
Intelligence · factors that work now
会挑当前有效因子的 agent。
factor.timing 用滚动 Rank IC 给一个 79 因子库排名——价 / 量 / 基本面 / FRED 宏观四大族——浮出当前有效的信号。每个因子都经形式化、IC 检验、多重检验校正、去相关，并记录提出人、时点与经济学故事门的判定。
factor.timing · 滚动 Rank IC
── 一座被治理的因子库
- 79 因子 · 7 大族 · 含 FRED 宏观（美债收益率 · 美元指数 · VIX · CPI）
- 衰减巡检 · 逐因子透出 rank_ic_recent vs rank_ic
- top-N 在 ρ < 0.85 去相关——绝不是同一信号的十份拷贝
- 横截面 · factor.panel_score 按横截面 Rank IC 给一篮子标的排序——选哪只，而不只是何时
- 因子发现 L1 · 白名单 DSL（无 eval/exec）→ 自动评估 + 查重 + 推荐注册
factor.timing — ranked by 60d rolling Rank IClive · illustrative
momentum_60deffective
+0.082↘ +0.071
residual_reversaleffective
+0.061↗ +0.066
vol_carryeffective
+0.047↘ +0.039
amihud_illiq
+0.024↘ +0.021
pead_drift
+0.012↗ +0.018
value_bm
-0.007↘ -0.012
79 因子 · ρ<0.85 去相关 · 衰减巡检 · 近期 IC vs 基线
Research · opposing minds, one synthesis
deep_dive ~ NVDA · 实时辩论示例
▲ 多方 00 空方 ▼
研究是一场辩论，不是一个声音。
一次 deep dive 会召集技术、基本面、情绪、估值分析师，需要时再加一桌投资大师团。他们各执一词、正反交锋，再由 Inalpha 把分歧综合成一份留底的决策。
可选 · 一桌投资大师团
BuffettLynchWoodBurryDruckenmillerMarks
可插拔方法论 · agent skills
大师团之外，agent 还能把投研方法论当 skill 即插即用——比如一套供应链分析法、你自带的一套打法——只在用得上时才读取。知识插进来，token 不花在没用上的地方。
Evolution · written, sandboxed, mutated
Agent 写策略——再改写策略，去打败自己。
agent 用 Python 写出完整策略。先过三道沙盒关，才允许跑第一次回测。然后在多目标 fitness 下变异迭代，单一指标刷不动分——只有跑赢基线的策略才留下。
从经验证的原型起步趋势均值回归波动多因子
Agent 写出
class Strategy(Bar): ...三道沙盒关
1AST 审计
禁 os / eval / 越狱式 import
2子进程隔离
与内核隔墙运行
3Strategy 契约
必须继承 + 实现 on_bar
多目标 fitness
sharpe + 0.3·calmar − 0.1·turnover − 1.0·(maxDD > 30%)变异 · 评估 · 留下跑赢基线的
质量门
上线前，质量门拿候选与基线打分；不达标，agent 自动改一版重写——只有过线的才发布。过线者还可跑交叉验证——WalkForward / Purged / Combinatorial CV 配 Deflated Sharpe——让 edge 必须在多条样本外路径上都站得住，而非靠一段窗口走运。
Robustness · the overfitting gauntlet
过得了这道关，
才算真有 edge。
「从一堆尝试里挑最优」这个动作本身就会过拟合。所以每个环节——因子筛选、策略挑选、参数、样本外——都各自带一套统计校正，而不是一份你看着顺眼的回测。
核心敌人多重检验偏差
- null-IC 选择效应基准
- Benjamini–Hochberg FDR
- 经济学故事门
- ρ < 0.85 去相关
挡住 数据挖出的伪因子进不了库
- 多目标 fitness
- 回撤一票否决
- 换手率惩罚
- buy-and-hold 基线并跑
挡住 单一指标刷不动分
- 财报 point-in-time
- FRED 发布滞后表
- bar 截断到 as_of
- test 段止于最新 bar
挡住 回测永远看不到明天
Unified kernel · same code, three modes
一份代码，
三种模式。
策略代码只写一次。回测、模拟盘、live runner 共用同一份——只换 Clock 和 Gateway，业务逻辑不动。剩下能让分歧出现的，只有物理差异（滑点、延迟、数据精度）。
strategy = MomentumStrategy(params)
clock =SimClock(bars_2024)
gateway =SimGateway()
engine.run(strategy, clock, gateway)
only clock + gateway change · your strategy never does
data
多 venue 行情：crypto / 美股 / A 股 / 港股 / 日韩澳印巴英德 / 全球指数 / FRED 宏观。freshness 锚定。
from inalpha_data import get_barspaper
内存撮合 + 回测引擎 + 持久化模拟盘。状态可任意回放。
from inalpha_paper import run_backtestresearch
多分析师 LLM 对抗辩论。立场天然对立。绝不把过期数据当洞察。
from inalpha_research import debateTrust boundary · the moat
AI 只负责提议，
永远不亲手下单。
每一个下单意图都走一条单向路：agent 起草一份 plan，由你设的规则（或你本人）批准，之后才有一枚一次性、会过期的 token 解锁执行。模型手里没有任何能直接碰到订单簿的工具——越狱也好、幻觉也好，都绕不过去。
LLM agent
trade.create_planagent 起草 plan
trade.approve_plan规则 / 你 批准
trade.execute_plan一次性 token 执行
订单簿
guard-stop · 框架级兜底
独立于策略逻辑，框架给每个持仓罩一道 −20% 硬止损——回测里也一样施加，所以你看到的回撤就是你会真实经历的回撤。它的平仓只有在三重签名（SELL · guard 标签 · guard- 订单前缀）下才豁免风控门，任何东西都仿冒不过这道边界。
LLM agent订单簿
deny —— LLM 没有直达路径
Coverage · twelve markets, one kernel
同一内核 · 同一 prompt · 同一组 agent。
所有市场共享同一个 orchestrator。新增一个 venue，所有 agent 即刻可用。
orchestrator
research
factor
risk
execution
add a venue — every agent gets it for free
── 诚实告知 ——
- 01无人值守模拟盘 runner + 跨币种 cash：promoted 策略在真实 bar 上自动跑一个多币种模拟账户，经 plan/exec 机器审批，留完整决策复盘
- 0279 因子库，带血缘追踪与衰减告警——因子经 IC 监控并去相关；告警只提示，绝不替你动仓
- 03框架级持仓保护：−20% 硬止损，回测与模拟盘一视同仁，独立于策略逻辑
- 04RiskEngine 在 paper HTTP 边界生效：仓位上限 / 价格偏离 / 回撤一票否决 / 全市场真实交易日历
- 05财报 point-in-time：依报告期 + 发布滞后过滤，回测看不到尚未公开的数字（akshare 已生效；yfinance v1 尚未 PIT，已就地标注）
- 06暂不接真金——runner 跑的是模拟账户，订单本地撮合；每步走 plan/exec 审批并落盘
常见问题SEO.md §FAQ
你可能在想的问题。
坦诚回答我们被问得最多的几个问题。