你的策略赚钱了 —— 但如果完全不用策略、随便按一个固定规则下注 也赚同样多，那你赚的不是策略的钱，是行情的钱。 空模型就是这个对照组。它几乎不花成本， 却能一次性干掉一大批看起来很成功的策略。
假设某段时间市场整体往一个方向走。那么在这段时间里：
| 做法 | 结果 |
|---|---|
| 你的策略 | +2.5pp |
| 完全不判断，固定押同一边 | +2.5pp |
两者一样。那你的策略贡献了零。 它看起来在赚钱，实际上只是恰好站在了顺风的那一侧 —— 而这个顺风会结束，通常在你加大仓位之后。
好的空模型有三个性质：完全不用你的策略信息、行为简单到无可争议、 和你的策略在同一批样本上跑。
| 类型 | 它在检验什么 |
|---|---|
| 固定方向 | 你赚的是不是行情的单边走势 |
| 随机 | 你是不是连噪声都赢不了 |
| 跟随上一期结果 | 你赚的是不是一段简单的序列惯性 |
| 按某个公开分位机械选边 | 你赚的是不是某个人人可见的结构性偏差 |
| 永远接受市场当前价 | 你有没有跑赢「完全不判断、直接信价格」 |
怎么读这张表这是一份通用菜单，不是我们的名单。 下一段说的那三个，与这五行没有对应关系 —— 本站不公开它们分别是什么。
我们那条被判死的线用了三个空模型，判据写死「必须三条都赢」—— 输给任何一个就直接毙掉，判词叫「行情披皮」。
口径本站不公开这三个空模型分别是什么， 因为它们的具体形态和策略本身相关。但选法的原则可以照抄： 挑那些「不需要任何判断就能执行」的规则。
更常见的情况不是策略输给空模型，而是空模型暴露了整个量尺是坏的。
我们把某个周期的全部历史按市场真实结算重新打了一遍分。 策略线的变化不算特别大，但空模型的变化触目惊心：
| 旧量尺 | 正确量尺 | |
|---|---|---|
| 某条不含任何模型的对照基准 | +2.72pp | −1.23pp |
| 另一条对照基准 | −3.82pp | +0.13pp |
一个不含任何模型的对照基准，它的读数应该只反映市场本身。 如果换个口径它就从明显为正翻成明显为负，那问题一定不在策略上， 在测量上。
这是空模型最被低估的用途：它同时是策略的对照组，也是仪器的校准件。 策略变化了你会归因于策略；空模型变化了，你只能归因于量尺。
全过程在 你的回测赢了，可能只是尺子错了。
修好量尺之后，我们用正确的目标重训了一次。判断修好没有的标准之一是： 同期的空模型应该全部回到 ≈0 附近。
结果确实如此（同期各条空模型都落在 −1.27 到 +0.18 之间）， 而策略本身四个格子全负。两件事合起来才构成一个干净的判死： 不是仪器坏了导致读数难看，是策略在修好的仪器上一样是死的。
反过来的错误也很常见。我们那条线的终读：
| 判据 | 结果 |
|---|---|
| 赢过三个空模型 | PASS（三条都赢） |
| 前后两半同号 | PASS |
| 毛超额 ≥ 2.25pp | FAIL（+1.56pp） |
| 显著性 z ≥ 2.0 | FAIL（1.62） |
赢过空模型只证明策略不是纯噪声，不证明它能覆盖成本。 这两件事之间隔着那条线的全部 $496.51。
某次模拟里，1 小时那一档看起来是正的（+4.31¢/股）。拆开看： 6 个盘里 1 个贡献了 +$667，其余 5 个中位是 −$19。
均值毫无意义。看一组结果时先问中位数，再问「去掉最好的那一个还剩多少」 —— 这两问和空模型一样便宜，一样能干掉大批假发现。
edge 是你减去空模型，不是你减去零。 而空模型还有个附带作用：如果它自己变号了，坏的不是策略，是尺子。 这是全套方法里最便宜的一个检查 —— 它几乎不花钱，却能救掉一整条线。