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

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