策略库研究策略协整配对交易
仿真实验 · 参数进化
A10G · 5 代 · 160 个候选 · 9 类配对机制
结论
GPU 用于发现，不负责裁决
A10G 在固定的九类合成配对机制上连续产生、评估和繁殖候选。五代共记录 160 个候选；最终代 32 个通过预资格门槛，8 个非支配候选被冻结并送往 CPU 隐藏历史考场。GPU 未获得隐藏数据，也不能自动晋级候选。
图 1｜GPU 搜索与筛选漏斗。 a，五代候选在最差最大回撤与 P05 收益上的分布，星号为冻结父代。b，每代通过最低活跃度、市场覆盖与父代改进门槛的数量，以及非支配候选数量。c，最终代换手与中位收益；蓝色为随后获得 CPU 支持的候选，橙色为 CPU 拒绝的冻结候选，浅灰为未导出的候选。合成路径仅用于开发，不是历史表现。
固定 campaign
| 项目 | 设置 |
|---|---|
| Campaign | cointegration-generation-1 |
| 父代 | cointegration-pair-residual-zscore-v1 |
| 候选预算 | 每代 32 个 |
| 代数预算 | 5 代 |
| 机器学习 | CUDA MLP：参数 → 五目标表现代理模型 |
| 变异参数 | 回归窗口、入场 Z、退出 Z |
| 多目标 | 中位收益、P05、最大回撤、换手、机制覆盖 |
| 开发路径 | 9 类机制 × 32 条路径 |
| 自动晋级 | 禁止 |
九类开发机制
MEAN_REVERTING、WEAK_REVERSION、RANDOM_WALK、STRUCTURAL_BREAK、VOLATILITY_SHOCK、TREND_DIVERGENCE、FAST_REVERSAL、COMMON_CRASH 与 DISORDER。
它们的作用是暴露残差回归策略在脱锚、突变、弱回归和混乱市场中的边界。它们不是对真实 BTC–ETH 分布的拟合，也不应被解释为未来收益概率。
资格门槛
候选必须同时满足：
- 每条路径的中位调仓次数不少于 2；
- 至少 25% 路径发生有效交易；
- 至少 2/9 市场机制的中位收益为正；
- 五项目标中至少两项优于父代；
- P05 不得比父代更差。
这组门槛来自上一轮时间序列动量实验的失败反馈：如果没有最低活跃度约束，模型会通过长期空仓来获得低回撤和低换手。
逐代记录
| 代 | 候选 | 通过资格 | Pareto 非支配 |
|---|---|---|---|
| 1 | 32 | 22 | 29 |
| 2 | 32 | 32 | 29 |
| 3 | 32 | 32 | 28 |
| 4 | 32 | 32 | 28 |
| 5 | 32 | 32 | 26 |
Pareto 数量较多不是“26 个都优秀”，而是五目标之间存在明显权衡。最终只导出 8 个代表性非支配候选进入独立 CPU 考场。
下载实验资产
完整的五代 JSON 和 8 个候选包随网站证据目录保存，失败与未导出候选没有被删除。