Paw Auto Research Eval v0

第一版公开报告：量化策略 eval gate、bias 检查、内部绩效报告，以及一次最小 research loop。

Quick Demos

PASS

Demo L/S Momentum

正常 causal 动量策略。Bias gate 通过，但 Net Sharpe 只有 0.409，适合进入人工 review，不适合 promotion。

内部报告 Bias 报告 Summary

FAIL

Demo Lookahead Cheat

故意使用未来收益信号。Sharpe 很高，但 bias gate 拦下，用来验证 eval 能抓住明显泄露。

内部报告 Bias 报告 Summary

🔬 优化研究 v11 — OOS Sharpe 翻倍

基于4条建议的系统性研究：① 相关性/权重优化 ② 资产筛选 ③ 动量先验 ④ Pairs细粒度。核心发现：VRP在样本外是负夏普且与其他成分正相关，剔除后 OOS Sharpe 从 0.133 翻到 0.30+。最优变体 v11c 在 Net Sharpe、OOS Sharpe、最大回撤三项上全面超越 baseline。

⭐ v11c Dashboard (最优) v11a (OOS最高) v9a (去VRP等权)

变体	构成	Net Sharpe	OOS Sharpe	MaxDD	Report
v7a (baseline)	4成分含15%VRP	0.401	0.133	-23.1%	open
v11c ⭐ 全面最优	40%细粒度Pairs+35%TSMOM+25%LowVol	0.414	0.318	-21.1%	open
v11a (OOS最高)	细粒度Pairs+趋势TSMOM+LowVol	0.377	0.380	-26.6%	open
v9a (去VRP等权)	原Pairs+TSMOM+LowVol	0.413	0.304	-23.5%	open

⚠️ 注：v9/v11 变体触发 bias 测试的"均值回归结构性误报"（VRP原本用于掩盖Pairs的MR特征，详见决策文档），需走人工 review，不能自动 PASS。这是 OOS 表现与自动门控之间的真实权衡。

Ensemble v1 — Final Passing Strategy ✅

12 轮迭代后首个通过完整 eval 门控的策略：ensemble_v7a_15pct_vrp。配置：28.3% pairs-cointegration + 28.3% cross-asset TSMOM + 28.3% inverse-low-vol + 15% short-VIXY (VRP)。

📊 完整 Dashboard 内部报告 Bias 报告

Strategy	Bias	Decision	Net Sharpe	MaxDD	Report
ensemble_v7a_15pct_vrp	PASS	PASS	0.401	-23.14%	open

Research Loop v0

本轮自动生成 4 个简单候选，逐个 eval，最后写出 decision。当前结果只证明流程跑通，不证明真实 alpha。

Decision Best 内部报告 Best Bias 报告

Candidate	Bias	Gross Sharpe	Net Sharpe	Net MaxDD	Report
momentum_60d	PASS	0.534	0.409	-29.51%	open
vol_adj_momentum_60d	PASS	0.386	0.256	-37.04%	open
momentum_20d	PASS	0.266	0.046	-37.45%	open
mean_reversion_5d	FAIL	0.093	-0.341	-38.96%	open