卡尔曼滤波嵌入评估报告（2026-10-02）

一、任务与事前设计（跑 A/B 之前定稿，未事后修改）

• 模型与产出：见 回测/kalman/README §二（状态 [level, slope]、观测 = log 价格、三参数 MLE、

滚动重估窗口 104 周 bar / 步长 13、特征 kf_level/kf_slope/kf_innovation/kf_uncertainty）。

• 注入：V1（判据）= kf_level + kf_slope；V2（同表并列）= 全 4 特征；诊断 = innovation/uncertainty 统计量。

两版本都报告，不挑选；L0 阈值/G1 闸门/L2/L3/成本/事件否决未动。

• 判定门槛（事前写死）：拼接样本外夏普改善 ≥ +0.10 且 ≥ 4/6 折同向 且 换手不劣化 > 20%。
• 折定义：与既有 回测/engine_v1/wf/fold_0..5.json 逐字段一致（实测 train 8 年 + test 2 年，起点 2006-01-01）。

二、无前视证据（原始命令与原始输出）

$ cd 回测/kalman && python3 kalman_selftest.py --only 2          # 真实 gold_pm 尾 900 bar
== kalman_selftest (full) ==
  T2 对比：全样本 900 bar vs 截断 801 bar（cut=800）；截断点之前非空行 697
  T2 OK  删除 t 之后全部数据 → t 及之前 kf_level/kf_slope/kf_innovation/kf_uncertainty 逐位不变
     （2 用时 37.5s）
MLE 拟合次数 30、回退 0 次

$ python3 kalman_selftest.py --only 3
  T3 OK  重估 12 次，全部 fit_end=生效位置、n_obs≤104；不同参数组 107 组；首次生效位置 104
        pos= 104 样本[   0, 104) R=6.7379e-03 Ql=6.7379e-03 Qs=4.0286e-06 conv=True nll=-89.7546
$ python3 kalman_selftest.py --only 6
  T6 OK  截断逐位不变；kf 比率中位数 1.238（真值 1.2）、OLS60 中位数 1.171

其余自检（--quick 全绿）：T1 滤波器可复现（合成序列）、T4 两次拟合逐位相同 + 短样本确定性回退 （reason='sample<MIN_FIT_OBS'、返回有限值非 NaN）、T5 缺观测只做预测步、T7 真实数据端到端。 MLE 收敛日志摘要：滚动重估 140 次全部 conv=True，回退 0 次（回退仅出现在自检的短样本用例）。

三、pre-flight 断言（缓存隔离 / 协议复现）——原始输出

监工点名：_frame_key/_layer_key 漏字段会静默串结果。故：① 两臂分目录；② 注入前后清空引擎层缓存

并断言注入前缓存为空；③ 断言"基线臂 vs 卡尔曼臂"结果不得逐位相同；④ 基线臂复现既有 wf 数字。

$ python3 kalman_embed.py --preflight
[preflight] 注入生效检查：l1_status 不同 bar = 56/105；trend_ok 不同 bar = 5/105
[preflight] 样本外片段(2014-01-01~2016-01-01) 夏普：base=-0.475 v1=-0.528 v2=-0.497；交易次数 10/12/10
[preflight] 净值逐位相同? base==v1 → False；base==v2 → False
[preflight] PASS：注入生效、两臂结果不同、缓存无串扰

$ python3 kalman_embed.py --verify-baseline        # 复现既有 wf/fold_0.json
[verify] 折0 择优参数：harness={'vol_target': 0.1, 'l1_confirm_days': 2, 'hard_stop_pct': 8.0} 既有={...} 相同
[verify] 总收益_策略  harness=-0.0926  既有=-0.0926  OK
[verify] 夏普_策略    harness=-0.475   既有=-0.475   OK
[verify] 最大回撤_策略 harness=-0.1571 既有=-0.1571  OK
[verify] bar数       harness=105      既有=105      OK
[verify] 交易次数      harness=10       既有=10       OK

• 六折全检：ab/base/fold_0..5.json 与既有 wf/fold_0..5.json 的择优参数完全一致，

夏普 −0.475 / 0.961 / 0.728 / 0.431 / 0.418 / 2.268 逐折一致；其余字段逐字段一致， 唯一差异是 总换手 的小数位（harness 未 round(2)）。

• 拼接样本外复现既有 wf/oos_summary.json：基线 夏普 0.754、收益 126.2%、回撤 −15.7%、

总换手 40.69、bar 627 —— 逐项一致。

• 18 次（6 折 × 3 臂）测试段复跑（--emit-curves）全部 复跑一致=True（逐位），

即无状态泄漏、无缓存串扰；且六折 Δ夏普 = 臂 − 基线 无一为 0（§四）→ 两臂确实不同。

$ CURVES_ARM=v1 python3 kalman_embed.py --emit-curves
[curves] v1 折0 复跑一致=True (夏普 -0.542 vs -0.542)   ... 折1..5 同
[curves] v1 拼接样本外：2014-01-03→2025-12-26 bar=627 年化期数=52 夏普=0.79 收益=140.2% 回撤=-17.2% 总换手=42.00

四、表 1 · 样本外 A/B 对照（原始数据）

折协议 = 既有 wf/（训练 8 年 → 测试 2 年）；每折先在训练段用与引擎相同的 12 组风险旋钮网格择优， 再在测试段做样本外评估（两臂协议完全相同，唯一差别 = 是否注入卡尔曼特征）。

基线

V1 · 基线+卡尔曼(level/slope)

V2 · 基线+卡尔曼(全 4 特征)

口径提醒（防止误读 V2 的折级 Δ）：V2 4/6 折的 Δ夏普建立在仅约 19% 的可评估样本上

（l1_status="无法评估" 占 81.0%/81.0%/81.0%/80.8%），其 Δ 不构成特征有效性的证据；

报告 §八 引用的池化 54.1% 为样本数加权平均数（各折 bar 数略有差异）。

另两折的 0.0% 不代表"闸门没开"，而是 l1_confirm_days=2 时引擎的"无法评估不可确认"规则使闸门静默失效（见 §七·补）。

表 1b · 拼接样本外（各折测试段等权拼接；年化 = bar/ppy，ppy=52）

五、表 2 · 参数稳定性（滚动重估轨迹，原始数据）

窗口 104 周 bar、步长 13（≈2 年 / 1 季度），覆盖 1990-01 起、共 140 次重估（全部 conv=True、回退 0 次）。

• 同一重估窗内 R ≡ Q_l（恒等）、R 的唯一取值数 = 1 ⇒ 所谓"滚动重估"实际退化为固定参数滤波。
• 判读：参数漂移 = 0 不是稳定，而是不可识别（漂移的来源被边界吃掉）。

按任务书"参数漂移剧烈 = 不可部署的直接证据"的同一逻辑，参数被边界锁死同样是不可部署的证据。

六、表 3 · checklist 逐条判定（本模块自查；清单已扩至 16 条，#15/#16 由本轮实测触发）

七、表 4 · 退化诊断（量化）

无界性证据（原始命令与输出）

$ python3 /tmp/kf_bounds_diag.py                # 诊断脚本：官方边界 vs 独立网格 vs 放松边界
== D 频率，近 504 bar ==
  L-BFGS-B（事前边界 (-5,-5,-15)）: log_params= [-5. -5. -15.]  nll= -526.662  conv= True  it= 1
  网格搜索 (100 点，76.1s) 最优: log_params=(-6, -6, -14) nll= -760.805
  放松边界 (-12,-12,-20): log_params= [-11.6072  -8.5403 -19.1587]  nll= -1356.813
== W 频率，近 104 bar ==
  网格搜索 (100 点，6.3s) 最优: log_params=(-6, -6, -14) nll= -131.435
  放松边界 (-12,-12,-20): log_params= [-12.  -8.3494 -20.]  nll= -228.579

⇒ 局部线性趋势对价格序列的似然无上界（R→0 时模型可逐点跟踪观测）；事前边界是建模选择而非估计结果。 v2 合法修正（事前声明，本轮未做）：固定 R 为归一化常数、只估信噪比 → 一步预测方差 ≥ R > 0， 似然有下界、无界性消除（退化为角点最优）。

七·补 · V2 闸门机制诊断（2026-10-02 复核后补，只读诊断，未改码）

触发原因：逐折 uneval_frac 实测为 0.810 / 0.810 / 0.000 / 0.810 / 0.808 / 0.000，

与"|kf_innovation| ≥ 3"（该特征 std ≈ 0.18）自相矛盾 → 必须查清是哪条闸在起作用。

原始命令与输出（python3 回测/kalman/v2_gate_diag.py（输出留档 cache/v2_gate_diag.log），逐折用该折已落盘的择优参数重算注入层）：

列定义：kf_innovation = innovation/sqrt(S)（标准化残差，无量纲）；kf_uncertainty = tr(P)（log 价格²）
--- 折0 2014-01-01~2016-01-01  n=105 ---
  innovation 闸：  0/105 = 0.0%   |kf_innovation| p50/p90/p99/max = 0.109/0.257/0.425/0.459（阈值 3.0）
  uncertainty 闸： 80/105 = 76.2%   unc p0/p10/p50/p90/max = 0.00423/0.00423/0.00423/0.00423/0.00423  thr(末值)=0.004227
     unc 首值=0.004227 末值=0.004227 单调增占比=100%  严格>阈值 的次数=80
  合并后 l1_status==无法评估：85/105 = 81.0%；kf 特征 NaN bar = 0
--- 折1 … 闸： innovation 0/105 = 0.0% ；uncertainty 80/105 = 76.2% ；合并 85/105 = 81.0%
--- 折2 … 闸： innovation 0/104 = 0.0% ；uncertainty 79/104 = 76.0% ；合并 84/104 = 80.8%
--- 折3 … 闸： innovation 0/105 = 0.0% ；uncertainty 80/105 = 76.2% ；合并 85/105 = 81.0%
--- 折4 … 闸： innovation 0/104 = 0.0% ；uncertainty 79/104 = 76.0% ；合并 84/104 = 80.8%
--- 折5 … 闸： innovation 0/104 = 0.0% ；uncertainty 79/104 = 76.0% ；合并 84/104 = 80.8%
（6 折 innovation 闸均为 0；|kf_innovation| 每折 max = 0.459/0.682/0.314/0.519/0.425/0.521 ≪ 3.0）

1) 两条闸各自闸掉的 bar 数（生效条数）

2) 量纲与分位（折 0 测试段，逐折同型）

3) 结论一句话

两条闸是两类不同的失败：innovation 闸属"特征退化导致闸门完全失效"（6 折 0 命中，

|z| 最大 0.68 ≪ 3.0，因残差 std 仅 0.18 而永远够不到 3σ）；uncertainty 闸属"闸门设计本身有误"

——拿一个近似常量、在窗内单调微漂移的量去比扩张 90% 分位，阈值必然长期低于当前值，

于是闸门退化为"预热 26 bar 之后几乎全部关闭"（每折稳定 76%，与市场状态无关）。

两者叠加后再与引擎既有的"无法评估 不可被迟滞确认"规则（l1_cand != "无法评估"）交互，

使 l1_confirm_days=2 的两折出现静默失效（闸门开了但状态不被采纳）。

⇒ 本次 V2 的结果不能读作"全 4 特征无用"，只能读作"该闸门实现有缺陷、V2 未被公平检验"。

⚠ 未决缺陷（本轮未修改任何代码，按监工条款停下报告）：

1. uncertainty 闸应改为稳健阈值（如固定相对带宽 unc > k × 滚动中位数、或用排名而非扩张分位），

且必须先验证该量在窗内不是单调/非常量；否则该闸无判别力。

1. innovation 闸在残差退化（std≈0.18）前提下无意义 → 须先解决参数退化（固定 R 的 v2 规格）再谈 3σ 闸。
2. 需与引擎的 l1_confirm_days 语义对齐（"无法评估 不可确认"会让闸门在 confirm≥2 时形同不存在）；

若要使闸门生效，应走独立的 no-entry 通道，而非复用 L1 状态机。

八、判定结果与结论

本轮结论只针对 V1 主臂；V2 因两处闸门缺陷（innovation 刻度错、uncertainty 统计量用错）未被公平检验，

其折级 Δ 既不支持也不否定"全 4 特征"。

事前门槛（跑之前写死，未事后修改）：拼接样本外夏普改善 ≥ +0.10 且 ≥ 4/6 折同向 且 换手不劣化 > 20%。

⇒ 结论：【无改善】→ 不引入

• 不接入 scripts/、不改 portfolio.py、不产生任何 order/signal；本目录整体归档为研究层证据。
• 关于 V2 的表面数字：其改善来自少交易 / 不交易而非更好的择时——OOS 627 bar 中 l1_status="无法评估"

占比 54.1%（样本数加权；逐折 81.0%/81.0%/0.0%/81.0%/80.8%/0.0%，见 §七·补）， fold_5 的交易次数 = 0（卫星完全停摆，只剩 60% 核心底仓），该折的 +0.338 是"什么都不做"的结果， 不构成引入理由。并且经 §七·补 诊断确认：该 54% 并非来自"闸门严格"，而是 uncertainty 闸设计有误 （近似常量去比扩张分位）+ innovation 闸因特征退化永不触发 ⇒ V2 事实上未被公平检验； 因此 V2 一栏的结论只能记为"无改善（且实现有缺陷、不构成对全 4 特征的否定）"。

• 门槛只差夏普一项（+0.037 vs +0.10），但因参数钉在边界（表 2/表 4）这一独立缺陷，

即使硬凑过线也不具备部署条件；不做"再调 Q/R/窗口/频率试一次"的动作（正是 checklist 第 3 条禁止的行为）。

九、组合层对照：kf_hedge_ratio vs portfolio.py 逆波动率（只对照，未改 portfolio.py）

逆波动率（60 周 bar、季调仓、5% 偏离带）最新记录：黄金 44.5% / 纳指 55.5%（数据/portfolio_state.json，nav 0.9812）。 动态对冲比率（周频 W-FRI、log 价格、δ=1e-3、观测方差由 52 周 burn-in 残差确定、burn-in 前不报告）：

• 两者回答的不是同一个问题：对冲比率 = 金对纳指的动态 beta（≈0.49），逆波动率 = 等风险权重（比 1.25）；

数值相差约 2.6 倍，不可互换引用。

• 对冲比率本身在 1990–2026 上漂移 2.25 倍（p10–p90：0.43→0.81），固定窗 OLS 更不稳定（中位 0.05、可穿越 0）

⇒ 作为权重来源同样不可部署；仅作为"金/纳指联动随时间变化"的诊断量留档。

十、未完成 / 存疑（诚实列出）

1. 只测了周频（与既有 wf/ 折同频）；日频/月频未做（iSH 成本，且需另建折协议）。
2. 未做 DSR / 多重检验修正（checklist #3 判"存疑"）：两个事前版本、12 个样本外数字，未按 12_dsr_validation 折减。
3. V2 闸门实现有缺陷（本轮新发现，未修码）：uncertainty 闸 = 拿近似常量（折内 p0=p90）比扩张 90% 分位

→ 每折稳定闸掉 ~76% 的 bar，与市场状态无关；innovation 闸因残差退化（std≈0.18）永不触发（6 折 0 命中）； 再叠加引擎"无法评估 不可被迟滞确认"，使 l1_confirm_days=2 的两折静默失效。 ⇒ V2 未被公平检验，其折级 Δ 不构成特征有效性的证据（见 §七·补）。修复方案留待下一轮，本轮不顺手改。

1. 似然退化的合法修正（v2 规格：固定 R、只估信噪比）未实现，按监工裁定留给 v2，且必须与 v1 结果并列报告。
2. 未跑 tests/ 全量测试套件（成本高；本模块自带 7 项自检已全绿，engine_v1 自身用例未复跑）。
3. 对冲比率的 obs_var 由 burn-in 固定回归确定 → 换 burn-in 长度会改变比率数值（只影响 §九 对照，不影响 A/B）。
4. 本模块未接入任何生产路径，因此不存在"生产行为变更"；回测口径数字不得与纸面/生产混用。

附录 A · 文件与指纹、回滚点

• 被修改文件：00 驾驶舱（投资MOC）.md（+1 行入链）、回测/回测审核清单_backtest_pitfalls.md（+ 第 15 条）。

scripts/、回测/engine_v1/、回测/engine_multi/、框架/、归档区、已发布复盘、predictions.jsonl 一字未动。

• 回滚点：/var/minis/shared/backup/DUCKERRY_pre_kalman_20261001/

（pre/ 快照 + md5_before.txt + post/ + md5_after.txt + REVERT.md）。

• 复现路径：kalman_selftest.py --quick → kalman_embed.py --preflight → --build-kf（可多次续跑）

→ --fold K --arm base|v1|v2（逐折 <2 分钟短进程串行）→ --emit-curves → kalman_report.py。