regimen

Regimen

夏普比率是一个估计值。Regimen 会告诉你它是否属实。

Regimen 根据交易策略的权益曲线回答两个汇总绩效数字无法回答的问题：测得的优势能否与运气区分开来，以及它在哪些市场条件下确实成立？

它既面向 Agent，也面向用户。所有功能都可通过 REST API 和 MCP 使用；它最常给出的答案是：证据太少，无法支持当前结论。这就是产品本身，并非故障模式。

• 在线 API — https://regimen-nu.vercel.app
• MCP 端点 — https://regimen-nu.vercel.app/mcp（修订版 2026-07-28）
• OpenAPI — https://regimen-nu.vercel.app/api/v1/openapi.json
• MCP Registry — 已发布，名称为 io.github.RaYYeR220/regimen（条目）
• 自行验证 — verification/README.md · 声明清单 — CLAIMS.md · 真实与模拟 — MOCKS.md · 评分卡 — EVAL.md

---

问题所在

某策略公布了六周内 2.4 的夏普比率，以及 40 笔交易中 58% 的胜率。这两个数字都是真的，但都不是证据。

根据短期、偏态、厚尾样本计算出的夏普比率，其误差范围足以吞没这一结论。40 笔交易无法区分 58% 的优势和抛硬币。而当一个策略经过 20 次重新调参后，最好的配置看起来表现出色，原因和 20 个随机的人中最高的那个人个子高是一样的。

这不是冷门的统计学异议——这是资金因回测而损失的最常见原因。解决这一问题的数学方法自 2012 年以来就已存在，却几乎从未得到应用，因为它不只是用均值除以标准差那么简单。

以下是在线服务针对一条年化夏普比率为 3.72的曲线给出的真实输出：

verdict      weak
confidence   92.3% that the true Sharpe exceeds 0
95% interval [-0.033, +0.462]        zero is still inside
track record 60 periods; 78 needed for significance at 95%

仪表板只会显示 3.72，然后就此打住。

功能

1. 显著性。 概率夏普比率（Probabilistic Sharpe Ratio）——根据样本长度、偏度和峰度，计算真实夏普比率超过基准的概率。最短记录长度（Minimum Track Record Length）——要做出这一结论，至少需要多少个周期。去膨胀夏普比率（Deflated Sharpe Ratio）——对比率进行修正，以纳入此前尝试过的配置数量。保留序列相关性的平稳自助法置信区间。

2. 市场状态归因。 每个周期的收益都会与该 UTC 日期有效的市场状况关联起来，包括波动率、资金费率、未平仓量、持仓情况、市场情绪和趋势状态；数据按当时可获得的信息读取，因此分组中的任何内容都不会是事后才知道的。每个因子都带有置换检验：将各分组间观察到的绩效离散程度，与随机重排市场状态标签后产生的离散程度进行比较，因为把收益序列切成八组，总能保证找到一个看起来不错的子集。没有这个 p 值，市场状态图就是一台数据挖掘机器。

3. 自我攻击。 每项分析都可以针对答案预先已知的对照组运行：策略自身去除均值后的收益（真实夏普比率恰好为零，因此正确的引擎应将其评为接近 50%），以及一个按长度和波动率匹配的无优势策略模拟群体，这样便可将真实结果作为百分位数与纯粹的运气进行比较。结果会被公布，包括对照组测试失败时。

4. 差异检查。 当数据源公布了自己的数字时，Regimen 会根据权益曲线重新计算并报告差异。大多数差异都可以用计算惯例不同来解释，但引用仪表板数据的用户有权知道底层曲线给出的结果是否不同。

无需凭据即可试用

curl -s https://regimen-nu.vercel.app/api/v1/evaluate \
  -H 'content-type: application/json' \
  -d '{
    "selector": {
      "source": "inline",
      "trackRecord": {
        "label": "demo",
        "equity": [
          {"t": "2026-06-01", "equity": 10000}, {"t": "2026-06-02", "equity": 10180},
          {"t": "2026-06-03", "equity": 10090}, {"t": "2026-06-04", "equity": 10310},
          {"t": "2026-06-05", "equity": 10240}, {"t": "2026-06-06", "equity": 10450}
        ]
      }
    }
  }'

这条曲线故意设置得过短，Regimen 会明确指出这一点，而不是给出一个数字。 verification/README.md 提供了一个完整长度的示例，可生成分级结论，还包含健康状态和部署证明检查。

两种接入方式，一个引擎

REST

方法	路径	回答的问题
POST	/api/v1/evaluate	这份业绩记录能否与运气区分开？
POST	/api/v1/regime-map	优势集中在哪些市场状况下？
POST	/api/v1/self-attack	我为什么应该相信这个结论？
GET	/api/v1/status	上游可达性、缓存占用情况、演示密钥可用性。
GET	/api/v1/openapi.json	机器可读的契约。
GET	/api/health	存活状态和确切的构建提交。

每个响应都是 { data, meta } 或 { error, meta }，其中 meta 包含请求 ID、构建提交，以及为该请求提供服务的凭据模式。错误包含稳定的机器可读 code、retryable 标志，以及一条可供 Agent 采取行动的 remedy，而非一段供人阅读的堆栈跟踪。

MCP

通过 Streamable HTTP 将任意 MCP 客户端连接到 https://regimen-nu.vercel.app/mcp。使用 inline 数据源无需身份验证。对于通过文件配置的客户端：

{ "mcpServers": { "regimen": { "url": "https://regimen-nu.vercel.app/mcp" } } }

如需交互式检查：运行 npx @modelcontextprotocol/inspector，并将其指向相同的 URL。

工具 — regimen_evaluate_track_record、regimen_regime_map、regimen_self_attack、regimen_describe_factors。每个工具都声明了一个 outputSchema，并返回经过验证的 structuredContent；每个工具都标注了 readOnlyHint，因为这里不会写入数据、交易或签名；每个工具都提供 detail 开关，让 Agent 可以只请求结论及其理由，而非所有分桶数据。

资源 — regimen://methodology（完整的统计方法）、regimen://evidence-tiers（精确的评级阈值），以及模板 regimen://factor/{key}，其 key 参数支持 completion/complete。

提示词 — validate_strategy，按正确顺序进行完整审查，并附有不要从年化 Sharpe 开始的指示。

架构

                    REST  /api/v1/*            MCP  /mcp
                          │                        │
                          └────────────┬───────────┘
                                       │
                            engine/  significance · regime · self-attack
                                       │
                            stats/   PSR · DSR · MinTRL · bootstrap ·
                                     conditional attribution · Wilson
                                       │
                            sources/ ── adapter interface ──┐
                                       │                     │
                              olaxbt-nexus              inline
                          (18 tools, point-in-time)  (bring your own curve)

引擎基于领域模型编写——业绩记录和市场状态序列——绝不依赖供应商的响应格式。数据源是一个轻量适配器，负责生成这两类数据。因此，同一套分析既适用于 OlaXBT Nexus 策略，也适用于从电子表格粘贴的曲线；添加一个交易场所只需新增适配器，无需重写代码。

OlaXBT Nexus 是实时数据源。 适配器会读取策略的权益曲线、交易记录和已发布指标，并读取每个日期对应的八个市场状况因子，同时提供明确的 as_of，从而确保市场状态归因不受前视偏差影响。限流和缓存由客户端负责，而不是放在各个调用处：Builder 层级的密钥每分钟允许 80 次请求，而市场状态映射需要数百次时点读取，因此调用会通过令牌桶进行限速，并缓存每一项日期在过去且不可变的读取结果。

测试

pnpm test          # the full suite
pnpm typecheck     # strict, with noUncheckedIndexedAccess
pnpm eval          # the graded evaluation; writes EVAL.md

统计核心包含 370 项测试。PSR、MinTRL、Deflated Sharpe Ratio、偏度、峰度、Wilson 区间和回撤的已知答案测试用例均独立于此实现生成，并在注释中附有计算过程。一项使用 20 个随机种子的负控制测试证实，零均值序列有 20 次中的 2 次达到 95% 置信度，即名义显著性水平；与之匹配的正均值序列则有 20 次中的 20 次达到该水平。

评估结果

EVAL.md 是一项预先注册的分级评估：包含 82 种具有已知真实结果的合成策略，按误报率、检验效能、对退化输入的正确拒绝、校准度和市场状态检测能力进行评分。在引擎首次接受评估之前，测试套件及其目标就已固定。

目前有六项目标中的三项未达标，而且这些失败都如实公布，没有通过调整来掩盖。 值得了解这些结果，因为它们如实揭示了此方法的局限：

• 误报率 5.6%（2/36），目标 ≤5%。 两次失败都由同一种机制导致：在短窗口内，收益分布呈负偏态，但崩盘部分尚未出现。非正态性修正取决于样本三阶和四阶矩，而在 40–60 个观测值时，这些矩几乎不包含有用信息——因此，修正原本要捕捉的模式（“卖出波动率，但还没爆雷”）恰好成了它会误判的情况。现在，只要样本过短，导致这些矩没有实际意义，引擎就会在自己的推理中明确指出这一点。请注意，2/36 也处于标称 5% 的蒙特卡洛噪声范围内；真正的发现是其背后的机制，而不是超出目标的幅度。
• 克制率 66.7%（10/15），目标 ≥90%。 有五种情况中，一个真实但无法证实的优势被判定为已证实，因为运气让观测到的 Sharpe 远高于真实值。引擎在这五种情况下的判断方向都正确，但给出的置信度仍超过了样本量所能支持的程度。
• 市场状态检测率 25%（1/4），p ≤ 0.05，目标 ≥75%。 评估在这里发现了一个真实的设计缺陷：置换检验最初使用的是最高与最低 Sharpe 之间的差值，只能观察两个分桶，而且会随分桶数量增加而膨胀。对于植入的效应，它完全无法区分信号与零假设——植入的差值为 0.493，而零假设对照组为 0.491。此检验已改为按观测值加权的桶间方差；植入案例的 p 值因此从 0.022/0.073/0.092/0.229 变为 0.010/0.054/0.069/0.275，而未植入效应的对照组仍无明显信号（0.18–0.91）。这是实质性的改进，但仍未达到目标，因此该目标仍判定为未达成。

市场状态误报为 0/4，退化输入拒绝率为 8/8。

MCP 一致性

npx @modelcontextprotocol/conformance@alpha server --url <url>

在本地构建版本上：36 项检查通过，23 项失败。 通过的项目包括：协议协商、ping、tools/list、resources/list、prompts/list 和 DNS 重绑定防护。所有失败项都是涉及测试套件自身参考服务夹具的场景——命名测试工具、采样、日志记录、图像和音频内容、资源订阅；Regimen 均未实现这些功能。此处直接列出原始数量，而不将结果概括为通过，因为隐藏分母的一致性声明毫无价值。

请注意，DNS 重绑定场景按其自身说明的设定，对任何非 localhost URL 都会报告失败，因此只有在本地构建版本上运行时才有参考意义。

在本地运行

pnpm install
pnpm dev        # http://localhost:3000

内联源码无需凭据。若要分析 OlaXBT Nexus 策略，请在每次请求的 x-nexus-key 标头中提供密钥，或在环境中设置密钥。

变量	必需	作用
NEXUS_DEMO_KEY	否	在调用方未提供密钥时使用的 OlaXBT Nexus API 密钥，让审查者无需账户即可试用由 Nexus 提供支持的端点。使用该密钥时，响应会报告 meta.mode: "demo"。
REVIEW_COMMIT	否	覆盖 /api/health 报告的提交版本。仅在支持 Git 感知的构建环境之外进行自托管时需要设置；否则会使用平台的构建元数据，以确保报告的提交版本准确无误。

密钥按请求读取，绝不持久化，也绝不记录日志。必须识别密钥时——例如用于速率限制和缓存分区——只会使用不可逆的指纹。

诚实说明局限

• 每次请求中，Regimen 最多读取 45 个日期。 每个日期需要进行五次时点读取，上游每分钟允许 80 次。过去的日期不会变化，且会被缓存，因此重复调用可以扩大覆盖范围；单次请求则不行。
• 上游的时点数据覆盖范围不会延伸到当前时间。 最近日期的状况可能无法获取，这些时段会报告为未匹配，而不会补填数据。
• 只有在提供试验 Sharpe 比率时，才会显示 Deflated Sharpe Ratio。 Regimen 无法知道你尝试过多少种配置，也不会猜测——它会说明未计算该比率及其原因。
• 三分位区间边界取决于样本。 使用常见量表的因子会预先固定边界；其余因子会按自身观测范围划分为三分位，并逐个因子说明采用的划分方式。
• 当权益数据点的间隔不均匀时，年化数据只是近似值。 Regimen 会根据间隔的中位数推断周期，标记不规则情况，并根据每周期数据而非年化数据进行评级。
• 评估基于建模，而非实时数据。 它通过已知真实情况的合成策略衡量引擎表现，并不能证明任何事物具有盈利能力。

不在范围内

Regimen 不会交易、持有资金、托管密钥或签署任何内容。它不会检查智能合约、评估钱包或交易、检测诈骗，也不会进行任何形式的安全、审计或合规分析。它只会读取业绩记录，并报告证据所支持的结论。

许可证

MIT — 参见 LICENSE。