research: B4 时点干净，但实盘做的不是回测那批单（实盘口径 PF 0.73 vs 回测 4.21）

step63 因果回放：B4 的时点完全干净——100% 召回、100% 准时、零滞后，
一类那个把 PF 从 2.35 打到 0.92 的坑（§3.396）B4 没有。

但回放多产出 592 个全量口径里不存在的信号，PF 0.46 / t −5.03。
step68 按实盘口径复测（2001 根滚动窗口、每 500 根 init_stream、只做当根收盘，
逐行对齐 shadow_signal.py），并把三道滤网全测一遍：

  无过滤    789 笔，额外占比 75%，PF 0.64
  三道全开  195 笔，额外占比 74%，PF 0.73

滤网把成交量砍掉 75% 却几乎不改变额外信号占比——按同比例刷掉好的和坏的。
拆开看：回测里也有的 51 笔 PF 4.21/t+5.90，回测里没有的 144 笔 PF 0.26/t−6.21。

即回测报的 4.21 拿不到：那 51 笔要事后全量重算才能识别，实盘当下分不出来。
机制是重画——实时算出的中枢，数据变多后被修正掉。与 §3.396 同类：
一类错在时点，B4 错在存在性。

顺带闭掉一条待办：2001 根窗口与 2万→4万根增长窗口跑出完全相同的 789/197/592，
窗口左边界效应判为否。

限定：本轮是 5m/30m 而实盘跑 1m，需单独复验；同向过滤器被开了未来函数后门
（HTF 时间线用全量算），真实盘只会更差。

Co-authored-by: Cursor <cursoragent@cursor.com>

research/HANDOFF.md

@@ -1531,6 +1531,61 @@ MFE/MAE 给出机制：真底那批**逆向行程中位 2.24 ATR（5m）/ 2.08
 > **这解释了为什么 B4 能做而一类不能**：B4 是突破后的**延续**信号，
 > 不需要判断反转；一类的全部难度集中在「这是不是那个底」这一个二分类上。
 
+### 3.3994 🚨 B4 因果回放：时点干净，但实盘做的不是回测那批单（step63/68）
+
+**这条影响正在跑的实盘，优先级高于本文档其余全部内容。**
+
+**好消息：B4 的时点完全干净，一类那个坑它没有**
+
+| | B1（§3.396） | **B4** |
+|---|---|---|
+| 召回 | 100% | 100% |
+| **准时率（首现==entry_idx）** | **0%** | **100%** |
+| 迟到中位 | +15 根 | **0 根** |
+
+**坏消息：实时回放会多产出一批全量口径里不存在的信号，且它们显著亏钱**
+
+按**实盘口径**（2001 根滚动窗口、每 500 根 `init_stream` 重建、只做当根收盘，
+逐行对齐 `shadow_signal.py`）重放 5 币 × 20000 根：
+
+| 过滤 | 留下 | **额外占比** | 全部 PF | 额外 PF | 回测口径 PF |
+|---|---|---|---|---|---|
+| 无过滤 | 789 | 75% | 0.64 | 0.46 | 1.37 |
+| 仅同向 | 402 | 77% | 0.65 | 0.35 | 2.65 |
+| 仅阶梯 | 341 | 68% | 0.71 | 0.31 | 2.14 |
+| 仅 ATR 门控 | 721 | 76% | 0.64 | 0.46 | 1.35 |
+| **三道全开** | **195** | **74%** | **0.73** | **0.26** | **4.21** |
+
+**三道滤网挡不住这批信号。** 它们把成交量砍掉 75%（789 → 195），但额外信号占比
+从 75% 只降到 74%——按同样比例刷掉好的和坏的。实盘口径拆开：
+
+| 分组 | 笔数 | 胜率 | PF | 余量bp | t值 |
+|---|---|---|---|---|---|
+| 回测里也有的 | 51 | 74.5% | **4.21** | +30.15 | +5.90 |
+| **回测里没有的** | **144** | 22.9% | **0.26** | −14.25 | **−6.21** |
+| **实盘实际会做的** | 195 | 36.4% | **0.73** | −4.65 | −0.59 |
+
+**结论：回测报的 4.21 是拿不到的。** 那 51 笔只有事后用全量历史重算才能识别；
+实盘在当下拿到 195 个信号，**没有任何办法分辨哪 51 个是真的**。机制是重画——
+实时算出的中枢，数据变多后被修正掉，信号随之消失。
+
+这与 §3.396 是同一类错误的两种表现：一类错在**时点**（信号存在但晚 15 根），
+B4 错在**存在性**（信号当根就有，但其中 74% 事后会消失）。
+
+**顺带闭掉一条挂了很久的待办：窗口长度不是问题。** 2001 根滚动窗口与
+2 万→4 万根增长窗口跑出**完全相同**的 789/197/592，中枢是局部结构，截断无影响。
+§5.41 那条「9.0% 中枢消失是不是窗口左边界效应」可以判为**否**。
+
+⚠️ **两点限定**：
+- 本轮测的是 **5m/30m**，实盘跑的是 **1m**。机制相同但数字必须单独验，
+  这是下一步第一件事
+- 同向过滤器被我**开了未来函数的后门**（大级别分型时间线用全量历史算），
+  真实盘的 HTF 同样会重画，只会**更差**不会更好
+
+**这不否定 B4 的 alpha**——回测口径那 51 笔 PF 4.21、t 5.90 是真实的，说明
+「真中枢上的 B4」确实赚钱。问题是实时分不出真假中枢。可能的方向（均未测）：
+要求中枢的构成笔 `is_sure`（用滞后换稳定性）、或等 N 根看信号是否仍然存在。
+
 ### 3.4 alpha 的来源（step32 消融）
 
 逐条拆掉 `fast_bsp3` 的条件后发现：**alpha 完全来自缠论中枢的上下文定位，
@@ -2738,10 +2793,18 @@ API 限流风险隔离三个好处。
 
 ## 10. 待办清单
 
-- [ ] ⭐ **B4 因果回放（step63，跑着）——当前唯一的关键未决项**。
-      §3.396 证明 `sure_time` 对一类是后视产物（PF 2.35 → 0.92）。B4 用的是
-      同一个 `sure_time` 字段，**在这个回放出结果前，所有 B4 的历史 PF 都待定**。
-      若 B4 也栽，整条线要重估；若过了，B4 是目前唯一活着的信号
+- [ ] 🚨 **B4 实盘口径 PF 是 0.73，回测报 4.21 —— 最高优先级**（§3.3994）。
+      时点干净（100% 准时，一类那个坑没有），但实时会多产出 74% 的信号，
+      它们 PF 0.26 / t −6.21，**三道滤网按同比例刷除、完全挡不住**。
+      回测那 51 笔要事后全量重算才能识别，实盘当下分不出来。**要做三件事**：
+- [ ] **① 在 1m 上复验**（本轮测的是 5m/30m，实盘跑 1m）。机制相同但数字要单独出，
+      `step68_live_window.py --ltf 1m --htf 5m`，这是决定是否要动实盘的依据
+- [ ] **② 试「中枢构成笔 is_sure」与「等 N 根看信号是否仍在」**（均未测）。
+      前者用滞后换稳定性，后者直接过滤会消失的信号。目标是把那 74% 压下去
+- [ ] **③ 通知服务器侧**：当前实盘在做一批回测里不存在的单。在 ① 出结果前
+      不建议改参数，但应知晓风险
+- [x] **窗口左边界效应判为否**（§3.3994）。2001 根滚动窗口与 2万→4万根增长窗口
+      跑出完全相同的 789/197/592，中枢是局部结构，截断无影响
 - [ ] **一类线：问题已完全定性，等一个决策**（§3.3992 / §3.3993）。
       全局只有一个变量——**「是不是真线段端点」**：是则 PF 2.29(5m)/4.11(15m)，
       否则恒为 0.13，其余特征都只是它的噪声代理。**盈亏平衡精度 5m 72.6%、