绩效指标交叉验证报告（我方实现 vs quantstats）

一、结论（三句话）

1. 手写核心实现通过验证：波动率 / 最大回撤 共 28 项 全部 PASS，夏普也全部 PASS。
2. 唯一实质差异是索提诺 —— 两边定义不同（见 §三），非 bug。
3. 年化口径：engine_v1 与 quantstats 同源（都是 bar 数 / ppy，差 0.08% = round(4) 量化误差）；engine_multi 已于 2026-09-27（v5.3.2）统一为 bar/ppy，差 0.36% → 0.05%，仓库内部年化口径分歧已消除。

二、判定分层与阈值

三、索提诺：两边定义确实不同（已定位到源码）

# quantstats/stats.py::sortino（原文）
downside = sqrt( (returns[returns < 0] ** 2).sum() / returns.count() )
res      = returns.mean() / downside * sqrt(periods)

# 我们（duckerry_backtest.py / multiasset_backtest.py）
dn  = x[x < 0].std()          # 负收益的标准差，ddof=1，仅除以负样本数
res = x.mean() / dn * sqrt(ppy)

差别有两处，且方向一致（quantstats 的索提诺系统性更高）：

• 分母口径：quantstats 除以总观测数，我们除以负样本数（后者更大 → 分母更大 → 比率更低）
• 是否去均值：quantstats 用原始负收益 RMS，我们减去负收益均值（std 的定义）

实测差异（我方 = engine_v1）：

处置：索提诺不改变任何结论（它不在任何表的主指标之列）。保留我方定义，但在引用索提诺时必须注明是哪种定义；如需与 quantstats 对齐，改用其 RMS 口径即可。

四、年化口径（已于 2026-09-27 / v5.3.2 统一）

quantstats.stats.cagr 源码：years = returns.count() / periods —— bar 数 / 年化期数。

结论：

• engine_v1 的 bar/ppy 口径与 quantstats 同源；残留 0.08% 即 round(4) 的量化误差。
• engine_multi 已于 2026-09-27（v5.3.2）统一为 bar/ppy：metrics() 的 years 由日历跨度 (idx[-1]-idx[0]).days/365.25 改为 len(eq)/ppy → 相对差 0.36% → 0.05%，仓库内部年化口径分歧已消除。（残留 0.05% 是 len(eq) vs returns.count() 的 1 个观测之差，属定义细节。）
• 拍板（仍有效）：年化一律以 bar 数 / ppy 为准（= engine_v1 = engine_multi = quantstats）。

五、portfolio 周净值重建的向量化对拍

• 重建序列：2066 个周 bar，推断 ppy = 52
• 向量化版本 vs portfolio.target_weights() 抽样 8 个 bar 对拍，最大绝对差 9.992007221626409e-16（机器精度）→ 重建可信。

（若不向量化，target_weights 单次 ~0.59s × 2000+ bar = O(n²)，无法在 iSH 上跑完。）

六、明细

完整逐项结果见同目录 crosscheck_results.csv / crosscheck_results.json。 复现：PYTHONPATH=/var/minis/mounts/量化策略/quantstats-main python3 crosscheck_quantstats.py （约 90s；iSH 上接近 2 分钟静默 kill 阈值，必要时用 --group 分批。）

七、修订记录

v1.2（2026-09-27，P3-③ 口径同步）

• 背景：v1.1 已定位「engine_multi 用日历跨度、与 quantstats/engine_v1 差 0.36%」是仓库内部年化口径分歧，并拍板「年化一律 bar 数 / ppy」。v1.2 即把该拍板落地到 engine_multi。
• 改动：回测/engine_multi/multiasset_backtest.py::metrics() —— years = max((eq.index[-1]-eq.index[0]).days/365.25, 1e-6) → years = max(len(eq)/ppy, 1e-6)（复用同函数已算出的 infer_ppy）。仅年化公式，一处。
• 证据：本脚本 §四 表 —— multi vs qs 由 0.36% → 0.05%（见上表）；engine_multi 的 cagr 列由 0.1143/0.1059/… 变为 0.1138/0.1054/…，与 engine_v1 逐位一致。
• 残留 0.05% 的解释：engine_multi 用 len(eq)（bar 数），quantstats 用 returns.count()（收益观测数 = bar 数 − 1）→ 属定义细节，非口径分歧。
• 影响：engine_multi 五张表的「年化」「卡玛」两列已全量复算并同步 README；所有排序与结论均未改变。

v1.1（2026-09-27，监工复核修复）

• 修复：qs.stats.calmar(r) → qs.stats.calmar(r, periods=ppy)。calmar 内部 = cagr(periods) / |max_drawdown|，漏传 periods 时用默认 252 → 所有非日频序列的 quantstats 卡玛被系统性高估（周频约 +82%、月频约 +98%）；日频序列不受影响（D-L0L2VT 0.157 vs 0.1571 吻合）。
• 影响面：零 —— 卡玛本就「不作判据」，FAIL 项仍为 7（全部为索提诺）。修复后卡玛列变为可用，且反向印证年化口径结论（见下表）。
• ⚠ v1.0 的卡玛列（旧 CSV）不得引用。

修复后卡玛对照：

读法（v1.1 原貌）：engine_v1 相对差 0.08–0.16%（与 quantstats 同源 bar/ppy，残留为 round(4) 量化）；engine_multi / portfolio 周重建 当时稳定为 0.36%（日历跨度口径）——与 §四 的年化口径分歧同源同量级，互为印证。该分歧已于 v5.3.2 消除（0.36% → 0.05%），见 §七 v1.2。