复现性：版本、种子与环境

复现性的定义

一次研究的复现性由四件事共同决定：数据版本、代码版本、随机种子、依赖环境——缺任何一件，半年后就无法重跑出同样的曲线。这也是存储格式一节强调"数据不可变"的原因：可复现的前提是数据本身可指认。

四个版本，一个快照

数据版本：不用"最新数据"，用快照日期——每次回测记录"截至 2024-06-28 的数据"，数据更新不覆盖旧快照（或用 DVC/数据版本工具管理）；
代码版本：git commit 哈希写入回测输出，dirty 状态直接拒跑；
随机种子：bootstrap、ML 训练、任何带随机性的步骤固定种子并记录；
依赖环境：lock 文件（uv.lock / poetry.lock / conda env export）固定到补丁版本。

最小可复现研究项目

research/
  pyproject.toml + uv.lock      # 依赖锁定
  data/
    snapshot_2024-06-28/        # 数据快照（或 DVC 指针）
  src/
    signals.py                  # 信号定义（回测与实盘共用，见第十一卷）
    pipeline.py                 # 清洗与对齐
  experiments/
    2024-06-28_mom12-1/
      config.yaml               # 全部参数
      run.log                   # git commit + 种子 + 数据快照日期
      result.parquet            # 净值与持仓
  README.md

data_snapshot: "2024-06-28"
seed: 42
signal:
  type: "ts_momentum"
  lookback: 12
  skip: 1
vol_target: 0.10

常见借口与反驳

借口	反驳
"数据天天更新，没法固定版本"	快照日期就是版本；更新只写新快照
"就我自己用，不用那么正式"	复现性不是给别人看的，是给半年后的你
"种子记了但结果还是不一样"	检查多线程/浮点非确定性，固定线程数与算法版本

量化中的用法

每次回测自动记录：git commit、种子、数据快照日期（写入 run.log 或结果文件）；
数据更新只追加快照，不覆盖；
研究代码与实盘代码共用信号定义，见研究到生产的一致性。

本章要点

每次回测记录数据快照日期与 git commit
用 lock 文件固定依赖
随机过程（bootstrap、ML 训练）固定种子并记录