模拟器先过贝叶斯上界，策略才有资格谈回测

01 · 先回答“模拟器错在哪里”

一个模拟器的策略结果变差，至少有三种不同原因：撮合引擎或账本实现错误；模型没有从历史消息中推断出当时的状态；训练先验没有覆盖样本外市场。只看生成盘口是否“像”或只看策略收益，无法把三者分开。已有的历史前缀不变性、最小事件样例和队列假设敏感性仍然必要，但它们不提供可计算的预测上限。

验证顺序应从可知真值开始：先冻结撮合规则和消息编码，在已知参数的模拟家族上建立可重复的参照，再把通过参照的模型带到真实数据。真实市场没有可观测的生成参数，不能反过来把真实数据上的低损失叫作接近最优。

02 · 用 Bayes 预测或 oracle 设一条上界

对消息序列 x₁,…,xₙ 和隐含参数 θ，若生成机制允许计算后验，下一条消息的 Bayes 预测为：

它是“只知道历史、不知道真实参数”的可达基线。若积分没有闭式解，可用知道真实 θ* 的 oracle p(xₙ₊₁ | x₁:ₙ, θ*)，但要把它标成特权参照：模型到 oracle 的差距含有状态/参数推断成本，不能直接等同于代码错误。对非平稳家族，θ 在一段消息内移动，参照必须持续过滤当前状态，而不是只估计整段固定参数。

用每 token 负对数似然 L 比较模型与参照，按 episode 而不是把相邻消息当独立样本做 bootstrap。能计算 Bayes floor 时报告 Δ_B = L_model − L_Bayes 及其区间；只有 oracle 时报告 Δ_O = L_model − L_oracle，并单列“未知状态推断成本”。损失接近熵下界，只能说明消息预测接近参照，不能证明成交分配、库存账或策略排序正确。

03 · 三道门把错误定位到可失败的层

第一道门：撮合引擎与账本

• 固定同一消息前缀、随机种子、同时间戳排序和 burn-in；替换后缀后，前缀内盘口、队列、成交、撤单状态和库存必须逐字段相同。
• 用前方排队、主动成交、部分成交、待撤成交、确认后失效等最小序列手算预期状态；累计成交不能超过有效量，市场成交量不能被重复分配。
• 把观察到的市场消息、模型推断的队列状态、模拟成交和真实订单回报分列保存；聚合盘口匹配不能单独证明真实队列位置。

第二道门：已知真值上的预测上限

• 至少建立一个可计算 Bayes floor 的简单家族（例如独立流或共轭参数），再加入 Hawkes、代理反馈和非平稳重尾家族。
• 冻结训练、验证和 OOD 参数池；报告不同 context 长度的 Δ_B 或 Δ_O、episode-bootstrap 区间、随机种子差异和每个字段的损失。
• 若隐藏状态随时间漂移，检查模型是否在截断历史或后缀替换下仍保持因果，并把过滤延迟作为单独指标。

第三道门：先验覆盖与策略外推

• 固定 token 预算，改变训练中不同市场 regime 的数量 K，与单纯扩大模型参数或 token 数量的曲线并列；若只增加重复样本而不增加 regime，不能称为泛化改善。
• 在未见的激励强度、代理构成、重尾和活动率上做 OOD；把“模型到 oracle 的差距”与“训练先验到目标市场的距离”分开。
• 通过第三道门后，才在相同费用、库存约束、样本外时段和队列模型集合 Θ 中重跑完整策略，输出 Δ(θ)=J(A;θ)−J(B;θ) 的敏感性区间。模型先验覆盖不足时，不能用更长回测掩盖。

04 · 把新证据转成本站最小实验

1. 引擎审计：提交一份固定消息清单和随机种子；对每个事件记录状态哈希、队列前缀、成交量守恒和现金—库存账。任何前缀差异先修复实现，不进入收益比较。
2. 参照校准：在 F1 类可积分家族上逐 token 更新后验，验证 L_model 是否落在 L_Bayes 的预注册区间；在无法积分的家族上用真实状态 oracle，并明确 privileged reference。
3. 状态探针：从冻结模型隐藏状态做线性 probe，和同窗口手工统计量、同架构未训练网络比较；如果 probe 只在长窗口有效，说明短窗口策略不能假设已识别 regime。
4. 覆盖压力：保持 token 总量不变，增加 regime 多样性并设置 OOD 角落；按 episode 聚类报告损失、生成书有效率、成交分布和策略排序，不把任何一项单独当成真实性证明。
5. 真实数据迁移：最后才用真实 LOB 做字段级分布差异与零样本迁移。迁移变好只能说明模拟先验覆盖更接近该数据，不能推出目标市场的真实队列或盈利能力。

05 · 三个容易误读的边界

• 接近 Bayes 不等于会撮合：消息预测的熵下界不约束你如何处理同价位订单、部分成交、待撤状态和现金账。
• 接近 oracle 不等于没有前视：必须同时通过共同前缀替换测试；若模型读取了后缀或全日统计量，低损失不能救回因果错误。
• 真实数据上的迁移不等于实证：真实生成机制未知，先验覆盖和字段匹配只能支持“可迁移性线索”，不能替代交易所回报、队列证据和本地校准。