7,989 个回测如何对照 TradingView 评级

同一个 Pine 脚本的两次回测很少能分毫不差，所以在说清比的是什么、差多少才算够接近之前，「与 TradingView 一致」这句话没有意义。本文说明一个评级回测由什么构成、它的交易如何与 TradingView 的配对、五档评级各自要求什么，以及如何评判一次代码改动。

很多回测工具都说自己和 TradingView 一致。可同一个 Pine 脚本的两次回测几乎不可能分毫不差，所以在弄清比的是什么、差多少才算接近之前，这句话说明不了什么。我们的评级总表给 7,989 个回测各打上五个词中的一个，其中 7,905 个是 excellent。本文解释这个词，以及另外四个词分别是什么意思。

一个回测，一份交易列表

评级的单位是探针：「从 TradingView 导出、附带交易列表，并在同样的 K 线上逐笔重放的策略」（codegen README）。脚本保留它自己的输入参数和默认值，评级比较的是两份交易列表：TradingView 的那份，以及 PineForge 在同样的 K 线上生成的那份。

同一个脚本可以在多个市场上分别作为探针。这 7,989 个回测包括：公开语料库 312 个策略中的 309 个，以及 741 个 TradingView 脚本的 7,680 个探针，分布在九个市场（加密货币、美国期货和股票、一个印度指数、一个货币对和黄金），每个市场都跑 15 分钟和日线两种 K 线（评级总表）。

交易配对

评分器就是一个公开脚本：verify_corpus.py。对 TradingView 的每一笔交易，它会在还没配对的 PineForge 交易里，找方向相同、入场时间相差不超过一小时、入场价相差不超过 3.00 的最接近的一笔，价格按该市场自己的价格单位计（配对、阈值）。然后测量两件事：TradingView 的列表被复现了多少，以及复现出来的交易有多接近。

前一项叫覆盖率，它以 TradingView 的全部已平仓交易为基数，而不只是两份列表重叠的那一段。代码里写明了原因：其他指标都是在匹配结果自己划定的窗口里计算的，「所以如果没有这道门槛，一次几乎什么都没复现的运行，也可能凭碰巧复现出来的那一小段拿到最高一档的评级（生产环境中真实出现过：真实覆盖率 0.9% 却评为 excellent）」（评分器）。覆盖率成为门槛后，语料库里有两个策略降到了 moderate：它们分别复现了 TradingView 224 笔交易中的 209 笔、241 笔中的 228 笔，这些缺口此前都被旧的窗口掩盖了。

五个词

评级	复现的 TradingView 交易	交易笔数	入场价、出场价（p90）	P&L（p90）
excellent	≥ 99%	完全相同，且当 TradingView 在完全相同的时间、价格和方向上显示两个或以上不同的入场 Signals 时，引擎也在该处显示相同数量的独立入场（独立入场识别）	0.01% 以内	1% 以内
strong	≥ 95%	6% 以内	0.1%、0.5%	100% 以内
moderate	≥ 75%，且重叠区间内 ≥ 90%
weak	至少一笔
minimal	一笔也没有

「p90」的意思是，十笔交易里有九笔至少这么接近（阈值、评级阶梯）。TradingView 的交易里如果最多只有一笔没匹配上，就能通过 excellent 和 strong 的覆盖率门槛，所以一份较短的导出边缘上的一笔交易，不会让评级掉档。excellent 完全不允许交易笔数有任何差异。代码给出的理由是：「在交易很多的策略里，百分比阈值可能掩盖几十笔缺失或多出的交易」（评分器）。出场使用移动止损的策略，按更宽松的阈值评级：出场价在 0.05% 以内，P&L 在 100% 以内，因为移动止损在一根 K 线内的什么位置成交，取决于 TradingView 的 K 线内价格路径（评分器）。

最差的那笔交易：只打印，不评级

评级看的是第 90 百分位，而不是最差的那一笔。一个公开策略可以说明原因。下面是评分器在 order-harbor-stop-limit-01 上的输出（有删节）：

  Matched:       471 (100.0% of TV)
  Count delta:             0.0000%  (OK; abs=0)
  PnL         p90 delta:   0.0381%  (OK)
  -- report-only (not gated; MAE/MFE are intrabar-path-limited) --
  Entry/Exit/PnL p100:   0.0011% / 0.0084% / 4.9658%
  -> excellent

看评级之前的最后一个数字：有一笔交易的 P&L 偏差接近 5%。让评分器列出最差的几笔交易（--show-diffs 3），会看到这一笔 TradingView 的入场价是 1,970.36，PineForge 是 1,970.35，而整笔交易只亏了约 51 美分。约 2.5 个单位、每单位差一美分，合计 2.5 美分；而 2.5 美分是 51 美分亏损的 5%。如果按最差的一笔来评级，这个策略会因为一次入场差了一美分而拿不到 excellent；按百分位评级，它通过了，报告里也照样列出了这个离群值。

如何评判一次改动

评级描述的是代码当下的状态。一次改动则看它带来了什么变动：同一批探针在改动前后各评一次。规则要求硬约束范围内没有任何退步。其余的市场和周期则计入 excellent 档和 excellent+strong 档的合计得分：得分大于零即可通过，前提是探针跌出某个档时最多只降一级；得分恰好为零，则要没有任何地方变差才能通过（README）。

之所以看两个档，是因为每个档都能看到另一个档漏掉的变动。一个策略从 strong 升到 excellent，只改变前一个档的计数；从 moderate 升到 strong，只改变后一个档的计数。9 月的一次改动把 32 个探针升进了 excellent；其中两个原本低于 strong，因此在两个档里都算数，这次改动得分 +34，而且没有任何探针降级。硬约束范围是 15 分钟 ETH 这条测试线：1,009 个探针，公开语料库的 309 个策略也在其中。无论改动在别处带来多少提升，这里都不允许任何探针降级。

什么都没变的时候

很多好的改动什么都不会改变：一次重构、一个新 API、修复一个评测集里没有任何策略会走到的情形。只改文档的改动不需要跑全量评测（示例）。代码改动如果没有让任何探针进入或离开任何一个档，得分就是零。按照 README 里的规则，只要没有任何地方变差，它就能通过：如果没有任何评级发生变化，标记为「no-improve-no-regression」（无提升、无退步）；如果有地方变好了，只是两个档都看不到，例如一个策略从 weak 升到 moderate，则标记为「improved」（有提升）。但得分为零也可能掩盖退步，这时改动就不通过：比如一个探针从 moderate 降到 minimal，始终在两个档之下；或者一个探针的降级正好抵消了另一个探针的提升。

对这类改动来说，零变动正是预期的结果，但它证明不了别的地方没有变化，因为五个词的粒度太粗。所以引擎的 CI 还会锁定引擎在公开语料库上生成的每一份交易列表的哈希值：某个策略的滑点改动一个 tick，就「会改变它的交易和基线哈希，而 verify_corpus.py 仍报告 excellent=311, strong=0, anomaly=1」（CI 文档）。

这对你意味着什么

在画廊页面上，excellent 意味着：交易笔数与 TradingView 相同，TradingView 的交易至少复现了 99%，并且十笔交易里有九笔的价格和 P&L 落在上表的阈值内。对于 excellent，当 TradingView 在完全相同的时间、价格和方向上显示两个或以上不同的入场 Signals 时，引擎也在该处显示相同数量的独立入场（独立入场识别）。除了一个已声明的 TradingView 端异常，画廊里的每个策略都是 excellent；strong 只出现在非公开测试中。
如果你要拿自己的回测工具和 TradingView 比较，也用同样的方法：按入场配对交易，以 TradingView 的全部交易计算覆盖率，看百分位，而不是看最差的那一笔。
公开的部分可以自己重跑：README 里的命令会构建、运行语料库的 312 个策略并为其评级。非公开测试是我们自己对未公开脚本的测量，其中大部分是社区脚本，根据 TradingView 的条款不予公开。

评级测于 2026-09-29，所用的引擎和 codegen 代码已包含在 1.0.0 版本中。2026-10-02 发布的引擎和 codegen 1.0.1，其代码也在同一批 7,989 个探针上评过级，没有任何探针的评级发生变化。

7,989 个回测是怎么评级的