NarrowGate 报价控制研究：系数与偏移、方向化门槛和动态改单
参数搜索比较的是：在指定历史范围内，哪一套完整配置表现更好。局部报价动作进一步追问：在某个决策时可见的状态下，改变这一次报价，是否比保持原报价带来更高的后续净收益？两者都需要回放订单与库存，但比较的对象不同。
Widen 将增加风险暴露的一侧报价向外移动，Recenter 将报价向合理中心收回，Prevent-Over-Widen 则阻止额外的外移。它们先改变订单价格和排队位置，再通过成交与库存影响收益：挂得更远可能避开不利成交，也可能错过正常价差或减仓机会。因此，参数排名、实际订单变化和相对基线的净收益变化需要分别检验。
报价动作要估计什么
新响应基线：完成覆盖不等于证明盈利
后续主动成交与盘口响应研究中的冻结候选 TRADE_BOOK_RESPONSE_VALUE，已由所有者选为新的离线研究参照 B0_RESPONSE_20261007。旧 B0 及下文历史比较保留原身份，不能将历史结果改名归给新参照。这一选择不是实盘部署，也不是宣称候选已经盈利。
新参照的经济回执已覆盖 204 个账户、407 日：Development 为 150 个独立两日账户，Final 为 53 个两日账户加最后一日。已完成的候选 Final 结果只按原身份复用一次；独立账户的汇总不等于单账户连续 407 日。Development 包含训练日期，Final 也已有使用史，因此不能称为全样本外检验。完整净收益仍为负；私有逐账户收益、模型和运行材料不随博客公开。全部完整结果已在本机保留，冻结响应模型、授权源码overlay、计算耗时、输入身份、日期和账务绑定复核通过；这不等于实盘一致性或可直接部署。
完整模型身份、47／39 特征消融、204 账户汇总及 live 接线边界见响应动作研究报告。下一项 Defense/Urgency 实验冻结九组控制方案和既有模型，先在指定 B 组选择，再读取后续候选收益，并另做真正连续 Final107 的状态承接检查。基线收尾时只有合同／纯规则验收；后续私有冻结工程与分阶段执行是另一版本和证据，不能拿本次文档发布冒充全实验或连续账户完成。完整状态以研究族文档为准。
核心 estimand 是
其中 $a_0$ 是冻结 baseline，$a$ 是明确的报价动作，$X$ 只能包含决策时可见状态，$Y_T$ 必须穿过 submit、queue、fill、inventory 与 库存生命周期 terminal。完整配置的配对回放估计策略差值；若要回答这里的局部条件动作价值，还需在同一决策状态上定义干预与后续路径。直接配对模拟依赖冻结的撮合与延迟假设；随机化日志的离线策略评估（OPE）还需要真实分配概率和共同支持。
历史局部报价实验分别回答什么
| 实验 | 比较对象 | 公开结果的范围 |
|---|---|---|
| 固定参数竞速 | 全局参数 winner 能否被称为 alpha？ | 只能 screening；旧 winner 与精确排名撤回 |
| 固定局部报价动作 | Widen、Recenter、Prevent-Over-Widen 是否稳定优于 baseline？ | 随机化 Development 没有稳定赢家 |
| BUY 条件加宽 | 状态模型能否只在负价值区域加宽一 tick？ | 无条件点估计不足以支持 chronological policy；关闭 |
联动系数与不对称偏移：完整报价控制器的比较
后续 F01 沿两个轴交叉比较：一组联动风险系数，以及不对称报价偏移。历史 gamma 只是当时联动轴的名称，不意味着当前库存、价差和单笔风险字段可以合并成一个参数。这里的 A/B/C/D 也不是下文改单门槛的 A00/A11/A10/A01。
同一完整开发账户中，提高系数且不加偏移的路径少亏最多，但库存峰值增加；较低系数下加入偏移也少亏，而较高系数下加入相同偏移却抵消了大部分改善。四臂仍均亏损。可得出的结论是两轴通过订单和库存路径发生交互，不能将单独改善直接相加，也不能从单账户推出不对称偏移普遍有利或某系数最优。首批风险不劣条件未通过的结论保留；后来选择 D 作为离线参照，不等于该四臂比较证明了 D 最优。
旧单更新条件：A00/A11/A10/A01
另一类实验改变的是何时按原目标更新旧单，不是 Widen/Recenter 的目标价格公式。向外表示 BUY 降低买价、SELL 提高卖价；向内相反。价格门槛减少 5 ticks 不等于额外将目标移动 5 ticks。后续成交、库存和预测消费路径分叉后，目标仍可能自然不同，不能声称四臂逐时刻目标永远相同。
| 分析臂 | 普通向外门槛 ticks | 普通向内门槛 ticks | 减仓门槛 ticks |
|---|---|---|---|
| A00 | 15 | 15 | 15 |
| A11 | 10 | 10 | 15 |
| A10 | 10 | 15 | 15 |
| A01 | 15 | 10 | 15 |
A00 复用原 B0；A11 是先完成的统一降门槛实验，后来仅加入四臂分析命名，不重命名原实验或复制结果。只新增 A10/A01。每臂覆盖相同 Final107 的 54 个独立账户，不是单账户连续 107 日，也不是随机化单次改单。这组名称与风险系数轴的 A/B/C/D 不同。
该样本中 A11 基本持平略差；A10 少亏，但改善集中于少数账户、配对差额中位数为负、库存峰值增加；A01 整体更差。未证明稳定最优，未晋升 B0，更不能概括为“向外越快越好”或“所有向内调整有害”。具体私有收益表不公开，完成范围与采用边界见仓库 F01 主报告。
完整路径的交互必须保留：
I = P11 - P10 - P01 + P00
P11 - P00 = (P10 - P00) + (P01 - P00) + I相同种子不保证闭环分叉后逐请求获得同一样本；两个单方向效应不能忽略交互直接相加。Final 已查看，本比较不是新盲测。该方向化批次未装入本地报价计算耗时样本，不表示原 REST/订单延迟为零；后续加入计算耗时是另一执行场景，不倒改这些历史结果。
基于目标报价方差率的动态向外门槛
固定方向化门槛之后，F01 进一步问：普通向外改单能否按目标报价变化的强弱调整门槛？这不是额外加宽目标报价，也不是重新训练成交价值模型。经验控制函数为：
h_t 是价格距离，除以价格 tick 后按既定整数成本规则选择门槛，最少一 tick，不设置 10 或 15 的上限。v_t 是策略已经生成的目标报价方差率代理，按 BUY/SELL 分别因果更新；它包含预测、库存和风控反馈，不能称为纯市场方差。R0 的单位是价格平方乘秒，是经验尺度，不是已经测出的真实撤改单成本比，也不使该公式成为异步订单系统的严格最优解。
完成目标发布观察与保存恢复检查后，有限探索使用两个完整开发账户，复用已经加入本地报价计算耗时的同场景 B0。单一 R0 在读取候选收益前由已有 B0 目标记录确定。动态 D 使用自身闭环目标序列更新 v_t；静态 S 使用同一参考分布的典型整数尺度。两者只改变普通向外门槛，保留向内、减仓及其他订单条件；就绪和缺失回退规则相同，因此 S 用于区分“动态变化有价值”与“只是换了固定尺度”。
两账户合计 D 和 S 都比 B0 更差。D 相对 S 合计略好，但逐账户方向不一致，部分单位成交额指标改善没有变成更好的总净 PnL。这次结果不支持采用该动态门槛，也没有证明动态关系相对固定尺度的稳定额外价值。它只检验了一个预定尺度，不否定所有 R；两个账户同时用于输入诊断和尺度定义，因此属于开发探索，不是独立验证。没有因负结果继续扫描参数或给门槛临时加上限。
这三类后续实验都由 F01 维护。系数与偏移决定如何形成目标，固定/动态门槛决定多大变动才更新旧单；F07 的 U0/U1则改变何时重新评价。不同控制层的结果不能互相替代，也不混用各自的 B0 执行场景。
固定参数竞速
历史搜索覆盖过风险系数、距离衰减、冷却、库存上限和价差约束。它能比较整套配置，却也同时改变参与度和风险暴露。以下先说明怎样构造可比差值，再讨论参数排名的选择偏差。
图 1：机制示意。相同的固定 spread/cooldown 在低波动、单边冲击和修复阶段会删除不同类型的成交；“参与更少”不能自动解释为“选择更好”。图中不是历史私有交易或实盘 K 线。
本文只讨论历史研究方法和公开结论，不建议任何真实交易行为。文中的 PnL、fill、inventory 与 库存生命周期 指标都是特定 replay identity 下的研究量，不是收益承诺。
研究问题：我们到底在搜索什么
固定参数竞速最朴素的形式，是在一个参数集合 $\Theta$ 上运行完整策略回放，并选择 pooled score 最大的 arm：
这里的 $\theta$ 可能同时包含风险厌恶、订单到达曲线、加仓冷却、库存上限、报价上限和保护阈值；$\widehat J$ 可能是 raw PnL、terminal MTM、Sharpe、inventory-adjusted PnL，或它们的加权组合。
问题在于，maker 策略不是把一个静态预测直接换成一次收益。参数会改变 bid/ask 坐标、place/replace/cancel、queue position、fill、库存、后续 eligibility、cooldown lineage 和 库存生命周期 终局。两个 arm 的差异应当在同一天、同一数据身份、同一随机种子与相同非候选机制下成对估计：
其中 $B_0$ 是冻结的 rolling baseline，$Y_d$ 至少要同时报告 terminal value、库存生命周期 tail、fills/activity 与 inventory exposure。仅凭 pooled $\widehat J$ 选 winner，会把日期 regime、参与度下降和尾部风险重新分配混成一个数字。
真正的问题因此不是“哪个参数在全样本 PnL 最高”，而是：
在 side、order role、queue state、volatility、flow 与 库存生命周期 state 都不同的情况下，同一个固定动作是否仍具有正的条件净价值，并且能从 Development 转移到后续面板？
输入、动作与 estimand
F01 的输入是完整 maker replay 所需的本地市场状态、策略状态、订单生命周期和账户状态。历史 arms 覆盖过 gamma / kappa ratio / 深度流动性缩放 / cap / guard / cooldown / max inventory 的联合 sweep，也覆盖过 prevent_over_widen、widen_1tick、recenter_1tick、固定跳过一个 add cycle 等离散报价动作。
连续参数 arm 的“动作”是整套策略坐标发生变化；离散 local action 的动作则是某个 eligible decision 上保持 baseline 或执行冻结的 widen/re-center/skip。两者不能混成一个 estimand：两者均须明确比较对象和完整路径归因。历史随机化／logged-policy OPE 分析需要真实分配概率、overlap 及相应识别假设；直接完整配对模拟不伪造 propensity，但结论只在冻结模拟假设下成立，不自动获得线上因果解释。
F01 最终采用的研究判断至少要求同时看：
比较参与程度与亏损时，可以使用一个描述指标。此处 $F$ 明确定义为成交笔数，$L$ 为正的亏损额（不是带符号 PnL），下标0和1分别表示基线与候选。两者仍亏损且基线分母非零时：
$S_L$ 描述亏损变化相对交易活动变化的快慢，不识别减少参与与状态选择的因果贡献。成交活动本身受策略干预影响，交易时点、买卖侧、持仓时间和库存风险仍可能不同；$S_L>0$ 不证明选择有效，$S_L\le0$ 也不单独证明模型毫无信息。若改用 BTC 双边数量或报价货币双边成交额，必须重新标明 $F$ 的定义，不能混用。基线接近零、没有成交或候选转为盈利时，不以普通亏损减少比例作为主要结论。随机逐机会否决概率相同不保证最终成交量相同，事后匹配成交量也不自动解决公平比较。
数据与因果时钟：为什么旧冠军榜必须撤回
历史参数竞速跨过多代 replay identity。后来审计发现，其中一部分使用了左标签特征、错误的 trade 可见时钟、旧 P3 override、近似 queue、mixed-cadence L2 或历史 live incident 语义。它们不是可以通过改一列标签就修好的小误差，因为 arm 之间的订单、fill、库存和 库存生命周期 路径已经发生分叉。
一旦输入时钟或执行机制改变，旧日级差值不再估计同一个 $Y_d(\theta)$。因此旧的 48/512/1024-arm 精确 PnL、retained39/blocked71/late4 排名与 winner 身份被正式撤回；“当时没有晋级”的治理决定可以保留，但不能把旧数值重新称为当前因果证据。
这也是为什么数据修复不能自动复活一个已经读取过 outcome 的 family。若再次搜索相同 grid，研究者已经知道哪些区域曾经看起来好；如果不建立新的 action semantics、数据身份、chronological split 和统计合同，所谓重跑只是对已消费面板的再优化。
从全局配置到局部干预
第一阶段是大规模 global parameter racing。它证明 runner 能覆盖大量 arm，也暴露了 pooled rank 对 replay identity 和面板的高度敏感。
第二阶段把动作缩窄到 side-specific 固定报价变化，例如 baseline、prevent-over-widen、widen one tick 与 recenter one tick。Development 领先动作没有稳定转移到 Validation，并出现 winner rotation；极端 库存生命周期 tail 又缺乏足够支持。
第三阶段测试 BUY add 的固定 widen、SELL add 的固定 skip，以及 85 秒之后的固定/状态条件 rearm。结论不是“shock、refill、recovery 没有信息”，而是被冻结的动作映射没有产生可靠 uplift：描述路径较差，不等于继续停止加仓更好，因为等待也可能切断 repair fill。
第四阶段用 native queue 与 competing-risk/value 机制检查 keep/cancel。简单阈值动作把 intervention fills 大幅削掉，却没有更快削掉 toxic fills，进一步说明固定防守规则容易退化为停止参与。
这组比较逐步缩小了干预范围：从整套配置，缩到单侧的一次报价，再检验状态是否能帮助选择。范围缩小让机制更容易解释，却不保证经济效果更强；一次报价可能根本没有改变后续成交。
历史结果：没有可稳定迁移的参数赢家
公开关闭报告保留了五类结论。
第一，没有一组历史 fixed arm 在 corrected causal replay、side/role transfer、库存生命周期 tail 和 action-uplift 口径下保持稳定为正。
第二，某些参数看似改善 PnL，实质上是在降低 fills、延长库存持有或改变尾部构成。没有选择效率与条件净价值，就不能把 participation reduction 写成 alpha。
第三，BUY 与 SELL、opener/add/reducing 对同一动作的反应不同。一个 pooled winner 会掩盖失败的 side 或 role。
第四，参数写成函数也不自动变成 state-conditioned alpha。只有函数实际改变订单路径，并在冻结反事实下提高终局价值，才具有策略意义。
第五，固定值仍然不可或缺。tick/lot、fee、GTX 语义、hard inventory limit、circuit breaker、pair-spread cap、随机种子、latency profile 和 rolling baseline 都需要冻结。区别在于它们的权限：它们是交易所规则、安全约束、经验校准或实验控制，而不是从一次 PnL sweep 推导出的市场常数。
历史结论的适用范围
旧参数排名已撤回，历史筛选结果不构成当前标定或实盘依据。这不否定 AS/GLFT 的库存感知坐标、经验校准和固定实验对照，也不证明所有固定参数都无效。
后继研究应怎样提出问题
新的研究应把问题从“再找一组常数”改写为：在一个明确 decision surface 上，KEEP、CANCEL、REENTER、ADD、NO-ADD、WIDEN 或 RECENTER 哪个动作相对 baseline 有更高的条件净价值？
比较需要明确订单侧别与角色、完整库存生命周期收益、有效日期数、尾部风险和参与度。随机化日志另需核对分配概率、共同支持与有效样本量；直接配对模拟则检查共同输入和两条独立执行路径。两种方法都应明确缺乏支持时如何回到基线。
固定参数竞速最有价值的产物并不是一个 winner，而是一条研究纪律：参数可以被冻结，证据不能被混用；screening 可以排序，排序不能越级变成策略权限。
深入推导：为什么历史冠军天然带有乐观偏差
设每个 arm 的真实条件价值为 $J(\theta)$，历史估计为 $\widehat J(\theta)=J(\theta)+\varepsilon_\theta$。即便所有 arm 的真实价值完全相同，只要研究者从 $K$ 个含噪估计中选择最大者，就通常有：
这就是 grid winner 最基本的选择偏差。扩大 grid 会增加找到“漂亮数字”的机会，却不会自动增加可迁移信息。若不同参数还会改变 fills 数量、库存方向与 库存生命周期 长度，误差项之间也不再是同方差、相互独立的；交易活跃的 arm 可能承受更大的 PnL 波动，保守 arm 则可能靠少参与获得更窄的表面尾部。此时只按最大 pooled PnL 排名，相当于同时选择参数、参与度和风险暴露。
市场状态混合又增加第二层偏差。设日期状态为 $Z_d\in{\text{quiet},\text{trend},\text{repair}}$，则全样本价值其实是：
一个 arm 可以只在样本中占比最大的 quiet regime 获利，同时在短而剧烈的 trend regime 造成主要尾部损失。只要换一个月份，$P(Z=z)$ 改变，winner 就可能旋转。可迁移结论需要同时报告条件差值、逐日符号、leave-one-regime-out 稳定性，以及最坏状态下的 no-harm，而不是把 regime 权重隐藏在一个总数里。
图 2：固定参数要从 pooled grid 走到可识别动作价值，至少需要同日配对、side/role overlap、完整路径以及参与度—尾部共同门。任何一层失败，都不能由更高的历史 PnL 排名补偿。
一条完整路径：同一个 spread 常数为何会产生相反效果
考虑一段合成行情。时刻 $t_0$，mid 为 100,000 USDC，maker 当前持有 $+0.002$ BTC。Arm A 使用较窄的固定半价差，Arm B 比它外移一 tick；其他订单大小、安全限制、随机延迟与 reducing quote 完全相同。
在 quiet regime 中，A 的 BUY add 可能先成交，随后 SELL reducing 在数秒内完成，额外捕获价差；B 没有成交，因此少赚一段正常往返。若只看“坏 fill 比例”，B 可能显得更安全，但 terminal value 更低。
在下跌冲击中，A 的 BUY add 同样先成交，却让长库存暴露在连续 aggressive SELL flow 下；reducing SELL 离市场越来越远，库存生命周期 在 30 秒 markout 以后仍未结束。B 因为外移而没有成交，这一次确实避开了 adverse fill。两段路径使用同一个参数差，却有相反动作价值。
真正的 paired replay 必须从报价分叉点继续推进两条世界：订单是否进入 queue、何时部分成交、库存怎样改变下一次 reservation price、cooldown 是否启动、reducing quote 是否出现、最终何时 flat。把第二条路径的“未成交”直接记作避免了一笔负 markout，会漏掉第一条 quiet 路径中的修复收益，也会把后续库存反馈删掉。
这也解释了为什么 gamma、kappa、spread cap 与 cooldown 不能只按单笔 fill label 调参。它们控制的是一个递归系统：
一旦 $F_t$ 不同，后面的 policy state 就已经不是共同样本。完整路径 A/B 才能保留这种反馈。
固定常数的三种合法身份
同一个数值出现在配置里，不代表它拥有同一种科学含义。
| 身份 | 例子 | 需要什么证据 | 可以宣称什么 |
|---|---|---|---|
| 交易所/工程常数 | tick、lot、fee、最小名义金额 | 交易所合同与实现 parity | 精确执行坐标 |
| 安全与风险预算 | hard inventory limit、circuit breaker | owner 风险约束与 fail-closed 测试 | 最坏情况下不越界 |
| 经验校准 | latency profile、queue sensitivity、波动尺度 | source-matched calibration | 给冻结模型提供量纲 |
| Alpha 参数 | state-conditioned widen/skip/rearm | paired full-path uplift、尾部与 transfer gates | 相对 baseline 的条件净价值 |
F01 关闭的是最后一行中“一个全局固定 winner 可以跨状态充当 alpha”的主张，不是否定前三行。把这些身份分开以后，仓库仍然可以有稳定默认值，却不会再用一次历史冠军榜为它们补上不存在的市场规律。
参数搜索的 effective trials 远大于表面 grid
如果研究不仅试了$K$组参数，还试了多个日期切法、PnL定义、queue假设、图表窗口与停止时点，实际选择次数远大于$K$。即使每个单次估计都无偏，winner的最大值仍有正向选择偏差：
参数之间相关会降低但不会消除偏差。更隐蔽的是researcher degrees of freedom：一个不利winner可以通过换queue quantile、删异常日或改terminal mark继续比赛。只要这些选择发生在看过结果之后，它们就属于同一搜索账本，不能按“新版本”重置multiplicity。
因此固定参数研究需要search ledger：所有尝试过的arms、输入身份、读过的panels、scorecard与淘汰原因都留在同一研究家族。Formal successor应先冻结极小候选集，再在chronologically later panel上比较；不是把旧top-N带到另一套有缺陷的replay里继续赛。
Denomination invariance 是报价参数的最低物理检查
如果inventory从BTC改写成mBTC，或者价格从USDC改成cent，经济上同一状态不应产生不同quote。设数量单位缩放$q’=cq$，price unit缩放$p’=dp$；公式中的risk coefficient、variance与order size必须按对应维度变换，使最终quote在还原单位后相同。
这类测试能暴露“参数在一次回测里看起来好，却依赖隐含单位”的问题。尤其AS/GLFT近似中，inventory、order size、risk aversion、absolute-price variance和distance elasticity必须闭合。若订单量$z$被归一化为1，文档应明确$\gamma$或$q$使用的是order units；若$q$仍是BTC，就应显式保留$z$并做BTC→mBTC不变性测试。
同理，risk horizon、requote interval、order TTL 与库存生命周期 horizon 不是一个时钟。固定 $\gamma$ 只能在指定 variance 定义与 horizon 下解释；报价检查间隔不保证订单寿命，标签期限也不等于库存持有时间。固定参数作为工程 baseline 的前提是语义和单位明确，而不是曾经赢过一张表。
固定参数与 regime interaction 的可视化方式
与其画一条总PnL冠军线，更有信息的是按日期把候选相对baseline的差值与volatility、spread、activity和initial inventory并列。若参数A只在高波动日好、B只在平静日好，总平均winner可能仅由样本regime占比决定。逐日paired scatter与累积差值能显示winner rotation和尾部集中。
但这些图只能生成后继假说，不能在同一数据上定义regime selector再宣称通过。selector需在inner folds训练、outer chronology评价；否则“按图分段”只是把全局参数搜索变成更大conditional search。
固定局部报价动作
局部动作实验将变化限制在已有库存的加仓侧：订单规模、减仓报价、风险限制、队列与延迟规则保持不变，只改变一次报价的几何位置。下表给出具体动作与随机分配方式。
图 1：机制示意。四个动作只改变 exposure-increasing add 的局部报价；reducing quote、size、inventory limit 和市场路径保持冻结。
图 2：同一个 untreated opportunity 先冻结 eligibility，再随机分配报价动作。candidate 必须自行生成 submit、queue、fill、inventory 与 库存生命周期 terminal；mechanics、participation、risk 和 economics 是四道不同的门。
研究问题：不是哪个 tick 最赚钱，而是局部动作能否迁移
maker 策略很容易产生局部直觉：盘口恶化时再 widen 一 tick，过度 widening 时撤回一部分，或者让报价重新靠近合理中心。传统参数回测会在很多 tick 距离中挑赢家，却无法区分随机波动、日期选择与动作本身。
本项目把问题冻结为一个 库存生命周期-level intervention。每个 库存生命周期 最多有一次 exposure-increasing add intervention；opener 与 reducing 没有动作 overlap，因此不能继承结果。形式上，动作价值是：
其中 $a_0$ 是 baseline，$Y$ 是从 intervention decision 到 库存生命周期 terminal 的完整路径价值，而不是当前订单的孤立 30 秒 markout。
动作、输入与 estimand
行为向量冻结为：
| 动作 | Propensity | 报价变化 | 其他机制 |
|---|---|---|---|
| baseline | 0.40 | 原始 quote | 全部冻结 |
| prevent_over_widen | 0.20 | 阻止额外外移 | size/reducing 不变 |
| widen_1tick | 0.20 | exposure-add 外移一 tick | queue 重新生成 |
| recenter_1tick | 0.20 | 向中心回收一 tick | GTX 与 safety 不变 |
每一行记录完整 propensity vector 和实际 assignment。库存生命周期 reward 只记一次：
maker-signed fill value 已从 execution price 开始，不能再重复加 half-spread；terminal 库存生命周期 PnL 也不能复制到多个 decision rows。动作改变报价后，订单、queue、fills、inventory 与后续 库存生命周期 都必须各自重放。
离线评估使用 clipped doubly robust estimator：
已知 propensity 让 overlap 可以核对，却不会自动消除模型误设、库存生命周期 interference 或 replay identity 缺陷。
冻结证据面板与因果时钟
面板按时间冻结为 80 个 Development 日、1 日 embargo、20 个 Validation 日、1 日 embargo 和 20 个 family-specific sealed holdout 日。holdout 只是本动作族未读，不宣称在所有 NarrowGate 假设上全球 untouched。
Development 产生 5,746 个 interventions，Validation 产生 1,508 个；BUY/SELL 与四动作均有支持。Development behavior mixture 的 control/random fills 为 47,901/47,890，Validation 为 12,277/12,285，说明随机化没有靠整体停止交易制造表面收益。
特征必须在 decision timestamp 前 ready。市场、queue、P3、latency seed 与 initial state 在所有 arms 相同。一个 extra cancel 不能让后续所有随机延迟错位，因此 latency 使用 keyed deterministic path，而不是顺序 RNG。
一个具体路径例子
假设 BUY add baseline price 为 99,999.9，tick 为 0.1，当前 inventory 已为 +0.001 BTC。widen_1tick 把 bid 改为 99,999.8。若 baseline order 在队列前端原本会成交，而 widened order 没成交，candidate 不仅少一个 fill，也少一段库存、一个 reducing quote 和后续 cooldown。不能把“没吃到那笔 -0.2bps markout”直接当收益；必须把失去的修复机会与 queue reset 一起算到 terminal。
相反，recenter_1tick 可能增加 fills，却也可能以更差选择进入库存。局部价格变化的经济含义来自完整路径，不来自 quote 距离本身。
四臂不是四个独立回测
每个 库存生命周期 只能观察一个实际 assignment。四臂价值由同一随机行为分布识别，而不是分别选择四个“最好日期”运行。设行为概率为 $p(a)$，某个目标 policy 为 $\pi(x)$，则 inverse-propensity correction 只在日志动作恰好等于目标动作时启用：
由于 baseline 概率 0.4、其余各 0.2，稀有动作匹配行权重更高。clipping 可控制方差，却也改变 estimand 附近的偏差—方差权衡。因此 clipping 是冻结合同，不是看到哪个动作区间差一点就调哪个。
四臂共享同一天行情和相似 库存生命周期 状态，动作估计也彼此相关。对每个动作分别做 95% 区间、再挑唯一正的一个，会放大 familywise 假阳性。正确 scorecard 要同时约束动作族、side、tail 与日期方向。
DR 估计器为什么不是“机器学习保证”
DR 的双重稳健性指：在一定正则条件下，propensity 或 outcome model 至少一方正确可带来一致性。这里 propensity 由 replay 已知，是强项；但仍需要 consistency、no interference、正确 reward 与稳定的 库存生命周期 assignment。
如果同一 库存生命周期 被随机多次，早期 action 改变后来 $X$，那么后续行不是独立的静态 contextual bandit。项目将 intervention 限为每 库存生命周期 一次，就是为了让：
保持清楚。known propensity 不能修复错误的订单 lifecycle、重复 terminal PnL 或时间穿越特征；这些都属于 DR 公式之外的识别前提。
一个 winner rotation 的合成解释
假设 Development 恰有较多缓慢下跌日。BUY widen 少接到一些 add fills，点估计领先；SELL recenter 在反弹段增加修复，亦略正。Validation 若趋势组成改变，BUY widen 的优势缩小，SELL recenter 可能反号，而 prevent-over-widen 偶然领先。
这不必意味着“市场规律每月彻底相反”。当真实 action effect 接近零、日间噪声大于信号时，最大样本均值本来就会旋转。若四个真值都为零：
并不会很高。winner rotation 因此是弱信号与选择噪声的自然诊断，不能成为在 Validation 再选一次动作的理由。
结果：Development 线索没有穿过 Validation
历史冻结报告中，Development 每个动作的 DR interval 都跨零。点估计领先者是 BUY widen_1tick 与 SELL recenter_1tick；它们只被记录为 diagnostic candidates，并未通过晋级门。
Validation 不回灌训练。BUY widen 仍是很小的正点估计，但日正率低于 50%；SELL recenter 反号；Validation 中最大的 SELL 点估计反而来自 Development 为负的 prevent_over_widen。这种 winner rotation 是不稳定性证据，不是让研究者在 Validation 再挑一次赢家的许可。
| 证据层 | 观察 | 正确解释 |
|---|---|---|
| Development | 多个点估计正负混合，区间全跨零 | 无可晋级 candidate |
| Validation | leader 旋转、部分方向反转 | 不能 selection on validation |
| Tail | candidate 极端事件支持不足 | 零事件不是零风险 |
| Holdout | 未读 | 失败 family 不用 holdout 救援 |
预注册极端尾部为 terminal 库存生命周期 MTM 不高于 -5 USDC，并要求每个候选至少五个 logged events。Development 与 Validation 的候选动作都没有足够事件。缺事件只能标为 unsupported，不能说动作“消除了尾部”。
研究演进与数值撤回
原 action identity 建立在当时的 causal-v4、queue、P3 与数据合同上。随后 normalized L2、trade-side、time/unit 和 replay identities 被修复，旧精确 DR、PnL、fill、库存生命周期、tail 与 winner ordering 因而撤回。
这不生成一个“v2 重跑义务”。研究身份由 sample、action set、folds、estimand 与统计合同共同定义。数据修复说明旧数值不能做当前标定，却没有让一个已看过 Development/Validation 的动作重新获得独立性。若未来重启，必须提出真正不同的 action、重新冻结 split 和 score profile，而不是用修复过的数据复刻同一局部 tick family。
不确定性为何不能由 pooled PnL 覆盖
行为 mixture 的 raw aggregate delta 只是 sanity check。DR uncertainty 以 UTC day cluster 为单位，因为同一天的 库存生命周期 共享 market regime。若把 5,746 个 interventions 当独立样本，区间会虚假收窄。
BUY 与 SELL 也必须分开。一个 pooled positive estimate 可能由 BUY 支撑、同时掩盖 SELL 伤害；opener、add、reducing 则必须拥有实际 action overlap 才能获得角色结论。本项目只有 add overlap。
还要区分 assignment support 与 outcome information。四臂都有足够随机化行，只能说明 $p_i(a\mid X_i)>0$；极端 tail 每个 candidate 少于五个事件，则对应的有效信息仍接近零。用总 fills 或总 库存生命周期 给 tail interval “补样本”会混淆 estimand。一个直观反例是：一万个普通 terminal rows 加上零个 $Y\le-5$ 的 candidate event，仍然不能估计 candidate 对这一阈值事件的保护率。因而 scorecard 同时保留 overlap、daily cluster、tail-event count 与 activity gates，任何单一均值都不能覆盖其余缺口。
此外，known propensity 只解决行为分配，不解决 interference。一个动作改变当前 queue 后可能改变同 库存生命周期 的下一次 eligible decision；这也是 intervention 被限制为每 库存生命周期 至多一次、reward 登记一次的原因。若把后续 rows 再当独立 assignments，标准误与 treatment count 都会被重复放大。
Mechanics、activity 与 economics 的联合读法
一个动作要有意义，至少要沿三层漏斗：被分配后是否真的改变可执行价格；价格变化是否改变 activation/fill/path；改变的路径是否带来足够 terminal value。第一层失败是 no-op，第二层过弱是低 leverage，第二层过强又可能是 shutdown；只有第三层给出经济方向。
因此“control/random fills 几乎相同”在本项目只是完整性检查：随机化没有让系统总体停摆。它不能证明四个 action 的 path-changing rate 相同，也不能证明新增或删除 fills 的质量。后者必须由 action-specific full path 与 terminal scorecard 决定。
第三方怎样复核而不依赖旧精确 PnL
即使旧数值因 replay identity 修复而撤回，第三方仍可检查研究决定是否保守：四臂 propensity 是否冻结；Development 是否没有正下界；Validation 是否 leader rotation；tail 是否缺候选事件；holdout 是否未读；修复后是否没有把同一已消费 family 重跑成新确认。
这些结构事实足以支持“不晋级”。它们不支持重新引用具体动作排名，也不支持说某个 tick 永久无效。把决定与数值 authority 分开，是历史证据 revalidation 的核心。
什么才算真正不同的 successor
改变 action lever 会产生新项目，例如从静态一 tick移动改为保留 queue 的 active-order action、外部 fair-center 对整对报价的连续平移，或库存条件的持久 permission。仅更换模型、clip、树深、日期数量或阈值，仍在追问同一个已消费问题。
新 successor 还需重新建立 untreated eligibility、独立 split 和经济预算，并说明与旧四臂的重叠。旧结果可以作为设计先验，例如避免低 leverage 或 participation shutdown，但不能作为新 policy 的训练标签或确认数据。
适用范围
这项历史实验只覆盖加仓侧的四个局部动作，不包含首次开仓或减仓角色。Development 与 Validation 没有建立稳定收益，封存测试集未读，也没有据此改变实盘。后续时钟和执行修复使其精确数值撤回；历史不晋级决定保留，不把旧排名当作当前参数依据。
随机化单位为何必须跟随 库存生命周期 lineage
如果每个100ms row独立随机keep/widen/recenter/skip，同一订单会在生命周期中不断换arm；后续fill无法归因给哪次assignment，action还会通过库存影响未来rows。更安全的单位是在冻结decision opportunity上随机一次，并把assignment沿订单或库存生命周期 lineage携带到terminal outcome。
令$Z_c$为库存生命周期 $c$的首次合法assignment，结果为$Y_c(Z_c)$。随机化保证在共同支持内
但不同库存生命周期仍可能在同一日期共享market shock，所以interval要按日cluster。若一个库存生命周期的action改变后续另一个库存生命周期是否存在，还需要把full-day policy value作为更高层estimand；不能把库存生命周期 outcomes当完全无干扰。
为什么 DR 不能救一个不断旋转的 winner
Doubly robust估计器在propensity或outcome model至少一个正确时具有稳健性，但前提是positivity、稳定treatment与正确row identity。若某arm在关键状态几乎从不被分配，权重会爆炸；若库存生命周期 lineage错配，两个模型都在回答错误问题。
一个常见形式是
它不会消除从多个arms、subgroups和日期切片中事后挑winner的选择偏差。Development里胜出的动作若在Validation旋转，说明异质性、噪声或模型选择没有transport；正确反应是关闭当前family，而不是用更复杂DR learner重新排序同一已读面板。
多臂 simultaneous inference
四个arms相对baseline产生多个pairwise contrasts。若逐个看95% interval，再挑唯一为正者，family-wise错误率超过单检验。可以用按日bootstrap每次同时计算所有arms，并以最大t统计量构造共同下界；或者在spec中指定唯一primary arm、其它只作diagnostic。
Development用于选arm、Validation用于确认时，Validation门还必须考虑selection：它确认的是完整选择程序，而不是把winner当事先固定。winner rotation表明选择程序没有迁移。
Full-path 随机化仍需检查 execution integrity
随机assignment正确不代表replay正确。各arms应共享market events、queue inputs、latency key和initial state；submit/cancel/fill数量守恒；unsupported action回退规则一致。arm-specific action多产生event是treatment结果，不应强制event count相等。
随机化balance表应在pre-action covariates、day和role上检查，但不能按post-action fills重新配平。后者会删除真实action路径并引入collider。
BUY 条件加宽
接下来的实验只在 BUY 报价会增加已有多仓时外移一 tick，SELL、减仓侧和数量保持原样。与前面的固定动作比较不同，这里还训练一个条件规则，检验它能否在未来日期选择更有价值的机会。
图 1：机制示意。候选只把 exposure-increasing BUY bid 外移一 tick；是否少一个 fill 会继续改变 inventory、reducing quote、cooldown 与 terminal。
图 2：CATE tree 只决定在什么 untreated opportunity 上执行 widen；真正结果仍由 candidate 自己的订单、queue、fill、inventory 与 terminal 生成。全局 overlap 通过，不代表每个 leaf 都有经济信息。
为什么单独研究 BUY add
BUY add 与 SELL add 不是一组正负号。BUY add 增加 LONG inventory，它面对的直接流是 aggressive SELL taker；它的后续修复由 reducing SELL 完成。一个同样的“一 tick 外移”在 SHORT 库存生命周期 上对应不同对手方、queue 与修复路径。
研究问题因此冻结为：
其中 $W=1$ 是 widen one tick，$W=0$ 是 exact baseline，$Y$ 是 decision-to-库存生命周期-terminal reward。
动作、特征与 estimand
行为 policy 为 exact 0.5/0.5：
| 项目 | 冻结值 |
|---|---|
| Surface | BUY exposure-increasing add |
| Control | baseline quote |
| Candidate | widen one tick |
| SELL | baseline only |
| Unit | 库存生命周期 最多一次 intervention |
| External reference | excluded |
| Size / reducing / inventory limit | unchanged |
35 个 local-only features 在 decision time 前可见，涵盖 shock、refill、recovery、queue、库存生命周期 与 BUY markout state。action-specific Ridge nuisance models 先在过去日期拟合潜在结果，再用 cross-fitted DR pseudo-outcome：
第二层 depth-2 honest treatment tree 只能在更早 pseudo-outcomes 上选择结构，并在不相交日期估计 leaf value。unsupported leaf 回退 baseline。
数据、split 与时钟
Development 是此前已检查的 100 个 good days，截至 2026-06-23；随后一日 embargo。Validation 为 9 日并锁定，再经过一日 embargo；sealed holdout 为 10 个 good days，同样锁定。
Development replay 产生 4,387 个 unique BUY 库存生命周期，baseline/widen rows 为 2,207/2,180，assignment rate 49.69%，每行 propensity 0.5。46 个 库存生命周期 在 replay 边界 censor，reward identity 最大误差仅 $2.78\times10^{-17}$ USDC。
market feature、P3、queue 与 latency 都必须在 decision 前 ready。widen 后的 order activation、queue-ahead 与 fill 重新生成；不能把 baseline fill 复制给 candidate 再改 markout。
一个订单例子：外移一 tick并不只改变价格
假设 baseline BUY add 为 100,000.0，candidate 为 99,999.9，order size 0.001 BTC。后续 aggressive SELL trade 最低打到 99,999.95。baseline order 可能在 queue 支持下成交，candidate 则不触价。candidate 看似“避开”了一笔 fill，但真正差额是：
若 baseline fill 后几秒内 reducing SELL 以更好价格修复，widen 反而失去 maker spread；若市场继续下跌，widen 可能避免 toxic inventory。模型必须在 decision-visible state 上稳定区分这两种路径，而不能只预测下一段价格方向。
一 tick动作的价值可拆成“是否分叉”与“分叉后符号”
令 $D=1$ 表示 baseline 与 widen 最终产生不同路径。则：
第一项近似由未来价格是否进入两张 bid 之间、activation 与 queue 决定；第二项还要看成交后的 trend、repair 与 terminal。一个价格方向模型可能预测第一项，却未必预测第二项。若一 tick 间隔很少改变 fill，$\Pr(D=1)$ 很小，conditional value 也会变成由少量路径支配的稀疏标签。
因此动作强度不能只用“widen 在 50% 库存生命周期 上分配”衡量。assignment rate、quote-change rate、path-change rate 与 terminal-nonzero rate 是四个不同层级；只有最后两个直接决定可学习的经济信息。
为什么无条件略正与条件策略为负并不矛盾
无条件动作值是：
conditional policy 只在集合 $G(X)=1$ 上 widen，其值取决于：
如果 treatment heterogeneity 很弱，而 tree 在有限样本中按 noisy pseudo-outcomes 切分，它可能把总体少量正值留在 baseline leaf、把负噪声误识别为 candidate leaf。于是 $\tau_{all}>0$ 与 $\tau_G<0$ 可以同时发生。
这也是 honest tree 分离结构选择与 leaf value估计的原因。但 honest 不会凭空创造 signal；它只是降低同一噪声既选 split 又评估 split 的偏差。未来日仍然没有正下界，说明冻结特征没有形成稳定 effect modifier。
35 个特征为什么不等于 35 个独立证据来源
shock、refill、queue、库存生命周期 与 markout state 之间高度相关，许多又来自同一段 BBO/trade history。feature count 不能当成信息维度。depth-2 tree 最多形成少量 leaves，却仍在大量候选 split 中选择；若不在 inner train 中完成，阈值搜索会泄漏到 OOF。
研究把结构学习限制在过去 pseudo-outcomes，并让 unsupported leaf回退 baseline，正是为了允许“没有条件区域”这一答案。强迫每棵树选一个 positive leaf，只会把最大噪声命名为 regime。
Replay integrity 与 support
相对 no-randomization control，fills、placed actions、库存生命周期 分别保留 99.988%、99.979%、99.945%，inventory time 约 1.0009 倍。由此可以排除“候选停止报价，所以少亏”的粗糙解释。
conditional policy 层在 28 个未来评估日上覆盖 1,267 rows，candidate rate 37.96%，policy ESS 642。support 与 overlap 通过，所以 failure 不是 propensity 崩溃或样本完全不足。
Development 结果与不确定性
冻结历史报告给出的 conditional DR reward 为 -0.00742 USDC/decision，day-cluster 95% interval 为 $[-0.02657,+0.01304]$。库存生命周期-cost avoidance、negative-terminal protection、Development-q10 protection 与 intervention-fill probability 的区间也都跨零；repair probability 仅有很小正点估计。
对所有 nuisance-OOF rows 无条件 widen 的历史诊断点估计为 +0.01087 USDC，但区间 $[-0.01934,+0.04151]$。这说明“平均上或许不坏”没有转化成“过去学习的条件规则在未来稳定选对”。
| Gate | 历史结果 | 当前解释 |
|---|---|---|
| overlap / support | pass | 行为实验可评估 |
| conditional reward LCB | fail | 无稳定正价值 |
| 库存生命周期 cost / terminal | fail | path outcome 不支持 |
| q10 / tail | fail或无事件 | 不能声称防尾部 |
| Validation | unread | Development 失败即停止 |
旧 numeric estimates 因后续 data/replay repair 不再是当前 calibration authority；但所有 interval 原本就未过门，因此撤回数值不会把 family 变成候选。
为什么“树没学好”不是重开理由
depth-2 tree 很简单，这确实限制 interaction capacity。但 action、feature surface、tree depth、threshold 与 split 都是冻结身份的一部分。看到结果后换更深树、删弱特征或降低 candidate-rate gate，会在已消费 Development 上进行 post-selection。
若未来提出 interaction-capable 新机制，需要新 family identity、新 split 与新 score profile；它不能沿用 buy_add_conditional_widen_causal_v4_v1 名字，也不能打开旧 Validation 来验证新树。
Support 通过为什么仍不足以说明 leaf 可用
policy ESS 642 衡量的是整个学得 policy 相对于日志行为的权重集中度。它没有保证某个 split 两侧跨足够日期，也没有保证 path-changing fills 足够。一个 leaf 可能有数百 assignment rows，却只有几条真正因一 tick移动而改变 terminal 的路径。
因此 leaf audit 还需要支持日数、两臂 assignment、path-change count、positive/negative terminal delta 与最大单日权重。只报告全局 ESS 会把大量 zero-delta rows 当成精确的 treatment information。
什么结果会真正反驳这次关闭
不是在相同 100 日上找到更深树，而是在新的、未参与当前假设形成的日期上，事先注册一个不同 state representation 或 intervention，建立稳定的 path-change support，并让 decision-to-terminal reward 的日期聚类下界为正，同时 库存生命周期 cost、tail、fills 与 inventory consistency 不恶化。
如果新项目仍然是 exact BUY add one-tick widen、相同 features 与相同 Development，只改算法名字，它只是对已消费噪声的再次搜索。反之，若动作变为连续 inventory price penalty 或 active-order KEEP/CANCEL，则 treatment 与生命周期已经不同，应独立研究，不能说是“修复这棵树”。
关闭与支持边界
关闭的是 BUY exposure-add 上“baseline vs widen exactly one tick”、35-feature local surface 与冻结 CATE contract。它不关闭 BUY selection research，不证明所有 quote-distance action 无效，也不把 SELL 纳入结论。
这个 family 的合理后续不是“再 widen 0.5 tick”或“等更多日期”，而是寻找真正不同的经济杠杆，例如 active-order keep/cancel、inventory-conditioned price 或可识别外部 fair center，并从 outcome-blind identity 重新开始。
这里的支持结论也有明确范围：99.988% fill retention 证明随机化行为路径没有整体停摆，policy ESS 642 证明 0.5/0.5 logging overlap 可用；它们不证明任何特定 tree leaf 有足够 treatment-effect information。leaf-level 仍受未来日数量、candidate count 与日内相关性限制，所以不能用全局 ESS 为某个小 leaf 背书。
Validation 的 9 日与封存测试的 10 日未读。这里的负结果只约束冻结的 BUY 条件加宽实验，不给实盘动作提供依据。
条件策略面对的是 policy learning，不是 subgroup reporting
在Development上先找“widen表现好的rows”，再报告这些rows的收益，会把outcome同时用于定义subgroup和评价subgroup。合法policy learning必须nested：外层fold只评价由更早inner data训练、选择threshold并冻结的policy。每个外层row的action在看到该row outcome前已经确定。
policy value可写为
它与$E[Y(widen)-Y(keep)]$的无条件平均不同。即使平均widen略正，learner若在错误state触发，$\Delta V$也可以为负；反过来，平均action为负也可能存在一个稳定正subgroup。关键证据是chronological OOF policy value与support，而不是某棵树的in-sample leaf means。
一 tick分叉的 overlap 该怎样检查
对每个decision row，keep与widen都必须是合法maker quotes，并且queue/lifecycle outcome可由paired replay或随机assignment识别。若widen后价格落到未被市场路径覆盖的深度，candidate outcome更多依赖queue模型；若keep会cross或被risk guard替换，两arms不再是预注册的一tick比较。
支持报告至少应包含：报价确实不同的fraction、两arms都激活的共同机会、fill路径分叉率、distinct days、每个leaf的effective sample、最大单日贡献与inventory-role composition。全局ESS通过不能补救一个被policy频繁选中的稀疏leaf。
Policy regret 比 leaf 命中率更接近目标
一个selector可能在大多数rows预测action符号正确，却在少数大损失库存生命周期上选错，terminal value仍差。策略学习真正关心相对最好可行动作的regret：
$a^*$在现实中不可观测，只能通过随机化/paired outcomes和可信模型近似。因此报告应同时给policy value、action frequency、worst-day/tail与fallback；classification accuracy不是替代。
Hierarchical state 可以减少无边界搜索
BUY add先按库存生命周期 level、inventory magnitude与quote distance形成少量机制层，再在层内用有限features排序，比35维树直接切叶更可审计。层级必须在旧outcomes之外定义，并保证每层有多个日期与两动作support。
若粗层没有任何稳定异质性，增加细粒度feature大概率只提高过拟合自由度；若某粗层稳定，再在新数据上细化。这种先机制、后模型的顺序能把“树没学好”的无限借口变成可停止的研究程序。
结论：报价变化为何未形成稳定收益
固定 grid 的 winner 只是选择机制的输出，不能说明离开原样本后仍成立；随机化局部动作解决了 counterfactual，却暴露出不同日期与不同 side 的异质性；条件模型试图利用这种异质性，又败在 chronological OOF 的稳定性与终局下界。研究不是没有产生信息，而是把“参数有效”逐步缩窄为“动作必须在可执行支持上改善完整路径”。
这些结果限制的是各自已测试的配置、动作与条件规则，不是所有固定参数或报价控制。新问题可以继续比较，但应记录已使用样本，并预先确定候选、执行假设与评价范围。新 Tardis 的有限固定参数比较和后续离线研究参照见公开 F01 主报告；历史 g 是联动实验轴标签，不是当前配置键。研究参照的选择也不等于实盘参数或独立样本外确认。
公开方法与实验报告
各报告分别保留自己的数据、动作、日期和撤回范围。