601318 卖出策略得分骤降 21.8 分：市场结构变化还是数据降级失真？得分制与胜率制的矛盾
本文最后更新于 2026年8月31日 凌晨
601318 的卖出策略得分，一天内降了 21.8 分。
我的第一反应是市场要变天。但把行情数据拉出来逐项排查，市场结构没有任何异常。真正的原因在两天前的一次「无感升级」：我把策略打分依赖的分类模型从 Qwen3.6-35B-A3B 换成了 Qwen3.5-35B-A3B-Ornith，输出分布漂移，得分跟着失真。
这轮排查让我想通了一件事：得分制与胜率制冲突时，先信谁，后信谁，应该有一条硬规则。
现象：分数掉得不像市场波动
这套系统每天收盘后跑一遍 601318 的 daily pipeline：特征工程 → 分类模型 → 卖出策略得分。分数在 0-100 之间，用于控制卖出档位的触发阈值。
某天早上打开监控，得分少了 21.8 分。过去三个月，单日波动最大才 4 分。
我没有急着调参数。调参是最差的反应——先搞清楚是市场变了，还是评估链路坏了。
第一步：排除市场结构变化
我把 601318 的行情数据单独拉出来，和前 60 个交易日对比：
- 价格：没有突破关键分位
- 成交量：正常
- 波动率：正常
- 行业 beta：正常
- 保险板块和大盘：没有结构性事件
市场结构没问题。那问题在数据链路。
第二步：找到数据降级源
排查顺序：输入数据 → 特征工程 → 模型 → 得分映射。
输入文件没有变。特征工程的代码 diff 为空。得分映射逻辑没动。
再往前查推理环境。两天前我把模型从 Qwen3.6-35B-A3B（Q4_K_M）换成了 Qwen3.5-35B-A3B-Ornith（Q4_K_M），实测速度从 103 t/s 提到 104 t/s，几乎无感知。当时我判断：这只是小版本升级，行为应该等价。
账单就在这里。新模型的输出分布整体更保守——对 601318 的关键卖出标签，置信度整体下移。策略得分对置信度敏感，这一降就丢了 21.8 分。
这就是数据降级失真：输入没变，模型名义上「升级」了，但评估结果坏了。
第三步：用胜率制仲裁
市场结构没变，数据链路有噪声。那真实交易结果呢？
我回看了过去 60 个交易日的卖出策略实际执行记录，按日统计胜率。结论：胜率波动很小，既没有恶化，也没有改善。
这个信号非常关键。它说明两件事：
- 601318 的市场状态没有发生结构变化——真实的交易质量稳定。
- 得分骤降 21.8 分，不是策略变差了，是评估链路自己失真了。
得分制是瞬时的、前瞻的、对输入分布高度敏感的；胜率制是滞后的、保守的、统计稳定的。两者矛盾时，我现在的规则是：
得分与胜率背离，先信胜率，后信得分，第一步永远是查数据管道。
得分制与胜率制的矛盾
顺着这次事故，我把两者的使用边界理了一遍。
得分制的优势是速度快，能提前反映策略质量变化。代价是它对评估链路里的任何一点噪声都极其敏感。一次模型热更、一个特征源里的数据缺口、一个量化档位的差异，都能造成十分位的虚假跳变。
胜率制的优势是统计稳健，能过滤掉单次噪声。代价是滞后——市场真变差了，胜率要十几个交易日后才反映出来，预警作用有限。
所以不能只用其中一种。我建了一个「残差监控」：得分与滚动胜率的偏差，超过 2 倍标准差就冻结策略信号，先查数据，再决定要不要调参数。
这次 21.8 分的骤降，如果当时没有胜率制兜底，我会以为是市场结构变化，然后把卖出阈值调松，犯一个方向性错误。
踩过的坑
三个坑，按代价排序。
坑一：模型升级只看速度，不看分布。
103 t/s → 104 t/s 看起来很美好，像纯性能提升。实际上模型行为变了。升级前应该跑一组固定样本，对比置信度分布，而不是只看速度和困惑度。
坑二：显存太大，反而放松了对软件风险的警惕。
我的推理机器是两张魔改版 RTX 2080 Ti，单卡 22 GB，双卡 44 GB，跑 35B 量化模型很轻松。硬件越宽裕，越容易忽略模型版本、量化方式这些软变量。这次事故全程和硬件无关，纯粹是模型版本行为漂移。
坑三：先写了半天「市场为什么弱」的叙事。
事故发生后，我最先做的是看新闻、看板块、找下跌理由，浪费了大半天。正确的顺序是：先查输入数据有没有变，再查代码有没有变，再查模型有没有变。市场叙事应该放最后。
怎么避免
三件事，一劳永逸：
- 模型切换前跑 golden set 回归。 固定 100 个样本，比较新旧模型的置信度分布。分布差异超过阈值，禁止上线。
- 策略得分每日快照。 原始输出存档，出问题当天就能 diff 定位，不用靠回忆。
- 得分 vs 胜率残差监控。 超过阈值自动冻结信号，先崩管道，再谈市场。
这次 21.8 分的教训是：量化系统里，得分是意见，胜率是事实。意见和事实打架的时候，先检查提意见的人嗓子坏了没有。
参考文献