1. 固定研究规格
阅读结果前，记录金融工具、场所、时间周期、日期范围、初始虚拟资金和策略设置。用他人能够复现的方式说明进出规则。即使策略名称不变，阈值或仓位假设变化也意味着一项不同研究。
保持简单假设，例如在同一合格数据上，把一个明确的 EMA/RSI 研究规则与基准比较。这是研究设计示例，不是指标推荐。也要记录失败版本；只保存最漂亮的结果，会掩盖尝试过多少选择。
2. 检查每次决策当时知道什么
因果模拟只能使用历史决策时点已经可用的观察。在 AIONEX 方法中，上一根 K 线信号与下一根开盘的模拟执行，避免把已收盘 K 线后来的信息用于更早决策。指标预热与缺失 K 线处理必须明确。
前视偏差是指未来信息泄漏到过去。TradingView 的策略文档解释了历史模拟中的这一问题。检查高周期值当时是否已经完整，以及模拟器是否假定了数据无法证明的 K 线内部路径。平滑的资金曲线不能回答这些问题。
3. 让成本与成交假设可检查
使用正确单位记录手续费、滑点、买卖价差假设和仓位大小。如果模拟工具需要额外成本或约束，说明研究是否真正包含这些项目。现货研究不能替代保证金、资金费和强平行为不同的杠杆期货研究。
举一个刻意简化的假设示例：唯一建模成本为每一侧 0.10% 手续费和 0.05% 滑点。进出合计成本约为 0.30%，尚未考虑复利和其他成本。这些数字是虚构输入，不是任何场所当前的价格。微小的毛收益优势可能在另一成本情景下消失。
AIONEX 区分已填写的成本假设与证明这些假设符合真实成交的证据。比较报告时，也应保留这一区别。
4. 分开调参与评估
按时间顺序排列观察。使用较早训练区间进行有限参数比较，使用较晚且未触碰的留出区间评估。留出数据没有参与调参决策。如果查看后再次调整参数，它对该决策就不再是未触碰的测试。
AIONEX 文档中的 Auto-Tuner 比较有限的确定性参数网格，并单独报告留出结果。阅读两个区间及其交易数。选出的赢家可能只是历史巧合；调参或留出结果都不能证明运行时输出的预测概率经过校准，也不能验证每一项生产输出。
5. 不只阅读总收益
同时检查回撤、交易数、交易周转和盈亏分布。回撤描述资金从先前峰值下跌的幅度，胜率描述盈利交易所占比例。高胜率可以与少数巨大亏损同时出现。历史较短或观察稀少时，比率可能不稳定。
只比较单位、日期、记账和成本假设相容的报告。AIONEX 的独立研究基准并不是与生产环境等价的历史重放。历史基准输出不能被描述为当前生产信号的已验证准确率。
回测检查清单
能够解释不同运行之间的变化，报告才更有用。把研究规格和不可用字段与结果一起保存。
- 数据：来源、工具、日期、周期、缺口和预热。
- 规则：准确设置、仓位大小与历史决策时点。
- 执行：模拟成交约定、手续费、滑点与未计入成本。
- 评估：时间划分、调参版本和未触碰的留出区间。
- 结果：两个区间的收益、回撤、交易数和限制。
如何处理不完整结果
如果必要数据或执行假设缺失，应将报告视为不可用或有限研究，不要用乐观默认值修补。AIONEX 工作区对符合条件的研究使用虚拟资金，不执行订单。当前界面使用英语，方案和数据可用性限制适用。保存研究记录时，让不确定性与结果保持关联。