同一个策略回测结果为什么不同：FiClaw 实验复现清单

先给每次运行建立一份实验清单

一次运行的身份由输入、实现、数据与配置共同决定。Prompt 用于解释研究意图，实际采用的规格与代码才决定规则如何落地。若重新让模型生成代码，即使 Prompt 没变，也应核对新代码，而不是默认它与上一版相同。

尽量保留数据获取时间、数据版本或快照标识；没有版本能力时，明确记录这一限制及关键字段样本。复现材料的完整程度应以当前工具能提供什么为准，不能因为保存了报告就宣称已经锁定全部数据和环境。

从最早差异向前追，而不是只比较终点

先对齐两次运行的日期、交易日历和有效样本，再比较数据字段与信号。信号一致但持仓不同，应检查权重、数量处理与调仓逻辑；持仓目标一致但成交不同，应检查订单、资金及撮合假设；成交与现金流都一致时，再核对指标计算与展示。

每次只改变一个可控制因素。先用原代码和原配置复现基线，再替换数据或代码，记录哪一步引入差异。若多个因素同时改变，只能说明组合结果不同，难以解释差异究竟来自哪里。

1. 01第一步：列出两次运行的材料与缺失项，不完整的条件先标为未知。
2. 02第二步：找到第一处数据、信号、目标持仓或成交分歧，记录日期与标的。
3. 03第三步：对照对应字段、代码位置与配置，提出可验证的原因。
4. 04第四步：固定其他条件重跑，保留差异是否消失的证据。

数据更新、随机性和显示差异要分别解释

历史数据可能因补充、修订或处理口径变化而不同。相同代码重新取数，不等于读取了相同数据。遇到结果变化时，应尽量追到具体字段和日期；若无法获取旧版本，就说明不能完全复现的原因，而不是把变化直接解释成策略能力提升。

涉及随机抽样、参数搜索或模型训练时，要记录对应算法与随机性设置。固定一个种子不能保证所有库、并行执行和环境变化下都得到完全相同的结果，也不会自动固定大模型重新生成的代码。应优先保存已经采用的产物，再区分确定性计算与随机实验。

如果差异只出现在报告末位小数，应核对精度、取整、收益率单位与日期对齐；不要把百分比与小数、累计收益与年化收益混用。即使怀疑只是显示问题，也应先证明底层序列和成交记录一致。

用 FiClaw 整理一份结果差异说明

可以让 FiClaw 辅助整理材料、解释代码和提出重跑计划。以下模板要求结论回到具体证据；材料清单是研究方法，不意味着工作站已经提供完整的数据快照或版本控制系统。文末随机性与收益率计算文档同样属于方法参考。

请比较运行 A 与运行 B，先解释差异，不选择收益更高的一次。
逐项对照：确认后的策略规格、实际代码、参数、股票池、区间与预热、数据来源与版本、费用、滑点、成交约束、依赖版本及随机性设置。没有材料的项目标为未知。
请按数据→信号→目标持仓→订单/成交→净值→汇总指标的顺序，寻找第一处可证实的差异，列出日期、标的、字段或代码位置。
将原因分为：已证实、需要补充证据、尚不能判断。提出一次只改变一个因素的重跑计划，并说明预期看到什么才能验证原因。
保留 A、B 原始产物，不覆盖旧报告；最后输出差异说明、复现步骤与无法锁定的条件。

常见问题