OOS-Gauntlet 数据驱动审计方法 一套用于"决定要不要改策略"的证伪流程。核心一句话: 任何"改动会变好"的假说, 先用它自己的数据尽力推翻它,推翻不掉才部署。 2026-06-05 整理,源自黑名单审计 / WLD 调查 / range_break_probe 关闭等一系列实战。 1. 背景:为什么需要这套方法 量化策略的每一次改动——加黑名单、加 gate 、关闭某个 mode 、按某指标缩 sizing—— 背后都是一个假说:"这样改,整体会变好"。这些假说往往来自对历史数据的观察: 某个币一直亏、某个信号胜率低、某个 confidence 区间表现差。 陷阱在于: 历史数据里看到的"规律",大部分是假的。 它可能是: 单日/单时段的运气 :某币在某一天爆亏 -24,看起来很差,但那是当天的市场事件,不可外推。 单个 symbol 的巧合 :某"类型"的币赚钱,拆开发现整类只有 1 个币在赚,其余在亏。 聚合数字的假象 :"全市场关闭 X 改善 +98%",拆到 symbol 级发现主流币其实在赚,+98% 是被少数...