蒙特卡洛基准与样本外验证（monte-carlo-validation）

功能定位

S3 · 判决。以「随机世界的经验基准」+「样本外判决」双手段去伪存真：任何观测/规律/模型，必须通过与随机经验分布的比较、并通过样本外测试，才可被采信。核心原则：不通过样本外，一律视为过拟合，不予采信。

【触发关键词】 蒙特卡洛模拟、遗漏值是否异常、策略是否超随机、样本外验证、OOS、滚动回测、时间序列交叉验证、置换检验、过拟合检验、破产概率、最大回撤、倍投风险评估、追号风险、walk-forward、夏普比率、随机基线、经验p值

适用场景

• 判断「某号遗漏 45 期」「某策略收益」是否超出随机波动；
• 评估「追遗漏/守号/倍投」策略的收益分布、最大回撤、破产概率；
• 验证「规律/模型」在样本外是否仍成立、是否过拟合；
• 为任何声称"有效"的发现提供随机基线对照下的判决。

输入（参数表）

| 参数 | 必填 | 说明 | |------|------|------| | clean 数据 | 是 | S1 产出的开奖历史数据 | | S2 结论 | 否 | 待验证对象（显著发现、候选规律），作为判决输入 | | 待验证对象 | 是 | 策略/特征/模型的定义与统计量（如遗漏阈值策略、倍投方案） | | 模拟次数 | 否 | 默认 ≥10000 次，固定随机种子保证可复现 | | 风险参数 | 否 | 预算上限、单注金额、止损线（用于风险度量） |

处理流程

1. 定义：明确待验证对象与判决统计量（收益、最大遗漏、命中率等）。
2. 经验基准：用蒙特卡洛模拟开奖过程，构造随机世界的经验分布；或做置换检验构造「纯随机下假发现率」零分布。重复 ≥1 万次、固定种子可复现。
3. 样本外验证：对策略/模型执行滚动回测（walk-forward）+ 时间序列交叉验证 + 样本外 OOS 测试；测试集只使用一次。
4. 风险度量：计算收益分布、最大回撤、破产概率、夏普比率。
5. 判决输出：给出「是否超越随机」结论与经验 p 值。

输出与验收

• 输出：经验 p 值 + 分位数报告 + 样本外验证报告 + 风险指标（回撤/破产概率/夏普）。
• 验收清单：✅ 模拟结果与理论分布（如几何分布）互相印证，排除模拟代码 bug；✅ 经验 p 值蒙特卡洛标准误受控；✅ 任何规律/模型必须给出样本外表现；✅ 测试集只用一次，未过样本外一律视为过拟合。

职责边界（不做什么）

• ❌ 不做数据治理（S1）与随机体检（S2）；
• ❌ 不建彩种规则知识库（S4）；
• ❌ 不做发现性研究——只做「判定」，不做「发现」。

红线与合规

• 随机种子、模拟参数必须落盘，保证任何结论可复现重算；
• 严禁通过调参让模拟"跑出想要的结果"（数据窥探）；
• 判决结论如实表述（含负结果），不因用户期望而修改。