一、基线策略概述
什么是基线策略
先问个问题——你做过策略回测吗？
很多人跑完回测，看到收益率曲线漂亮得不行，立马就上线了。结果呢？实盘一跑，曲线直接崩了。为什么会这样？因为你的策略没有一个「锚」。
基线策略，说白了就是那个锚。
我个人的理解很简单：基线策略是一组可重复、可验证、可对比的规则集合。它不一定是最优的，但它必须是稳定的。你拿它当参照物，后续所有策略迭代，都要跟它比一比。
举个例子。我在做电商推荐策略时，第一版上线的是「热门商品兜底」。逻辑简单到令人发指——用户没历史行为？推销量最高的。这个策略的点击率大概在 3% 左右。后来团队做了十几个模型，有协同过滤、有深度学习，每次上线前都要跟这个 3% 的基线比。如果新模型跑不过基线，那就说明模型有问题，或者数据有问题，或者——基线该更新了。
基线策略在业务中的价值
我见过太多团队，一上来就搞复杂模型。结果折腾两个月，上线效果还不如简单的规则策略。为什么？因为没有基线，你根本不知道「好」的标准是什么。
基线策略的价值，我归纳为三点：
- 提供对比基准——新策略好不好？跟基线比。比基线好，说明有进步；比基线差，说明方向可能错了。
- 兜底保障——新策略出问题怎么办？切回基线。我在金融风控项目中就干过这事。新模型上线第一天，误杀率飙升，5 分钟内切回基线，业务零损失。
- 降低沟通成本——你跟业务方说「AUC 提升了 0.02」，对方一脸懵。你说「比现在线上跑的版本提升了 5% 的转化率」，对方立刻懂了。基线就是那个共同语言。
| 价值维度 | 具体表现 | 我踩过的坑 |
|---|---|---|
| 对比基准 | 新策略 vs 基线，量化提升 | 曾经没基线，新模型跑赢旧模型 2%，结果旧模型本身就有 bug |
| 兜底保障 | 快速回滚，止损 | 有一次新策略导致线上超时，没有基线兜底，回滚花了 40 分钟 |
| 沟通对齐 | 统一度量衡 | 业务方说「效果好了」，我问「跟什么比好了？」——从此我坚持每个项目先定基线 |
基线策略的核心要素
基线策略不是随便拍脑袋定个规则就完事了。它有几个硬性要求，少一个都不行。
1. 可重复性
你今天跑的结果，明天还能跑出来吗？下周呢？
我遇到过最离谱的事：一个策略在周一跑出 10% 的转化率，周二同样的代码、同样的数据，跑出来只有 7%。查了半天，发现是上游数据表被重建了，字段类型变了，隐式转换导致部分数据被过滤掉了。
所以基线策略必须满足：输入确定，输出确定。代码版本、数据版本、参数配置，全部要锁定。
2. 可验证性
基线策略的效果，必须能被独立验证。你不能说「我觉得这个策略好」，你得拿出数据。
我个人的习惯是：基线策略上线后，至少跑满一个完整的业务周期（比如一周或一个月），收集足够多的样本，然后做统计检验。置信区间、p 值、效应量——这些指标都要算清楚。
3. 稳定性
基线策略不能今天好、明天差。它得扛得住数据波动、流量波动、甚至外部环境变化。
我记得有一次做广告竞价策略，基线在实验室环境表现完美，上线后第一天效果也不错。结果第三天来了个大促，流量暴涨 10 倍，基线策略直接崩溃——因为它的计算复杂度是 O(n²)，流量一高就超时。
从那以后，我定基线策略时一定会加一条：在峰值流量的 2 倍压力下，响应时间不超过 100ms。
4. 可解释性
这一点容易被忽略。基线策略往往是给业务方、给老板看的。你得能说清楚：为什么这个策略好？它做了什么决策？
复杂模型很难解释，但基线策略可以。比如「用户在过去 7 天内点击过某类商品，则推荐同类商品」——这句话业务方一听就懂。而一个 18 层的神经网络，你解释起来就费劲了。
基线策略的核心逻辑框架
下面这张图，是我做基线策略设计时常用的框架。它把上面讲的几个要素串起来了。
你看，这四个要素不是孤立的。可重复性是基础，没有它后面都白搭。可验证性保证你的基线不是「自嗨」。稳定性确保基线在真实环境中扛得住。可解释性让基线能跟业务方对齐。
缺了任何一个，基线策略都会出问题。我见过太多团队，基线策略做得花里胡哨，结果可重复性没做好，每次跑出来的结果都不一样——那这个基线还有什么意义？
什么时候该更新基线？
基线不是一成不变的。业务变了、数据变了、技术栈变了，基线也得跟着变。
我一般遵循这几个原则：
- 业务周期更替——比如电商的大促前后，用户行为模式完全不同，大促期间的基线跟日常基线应该分开。
- 数据分布发生显著变化——你发现基线策略的指标连续下跌，而且不是偶然波动，那就说明数据变了，基线该更新了。
- 新策略稳定跑赢基线超过 2 周——这时候可以考虑把新策略升为新的基线。注意是「稳定跑赢」，不是某一天爆发。
嗯，这一章的内容差不多就这些。记住一句话：没有基线，一切策略迭代都是盲人摸象。后面我们会一步步深入，讲怎么设计、怎么落地、怎么迭代。但不管走到哪一步，基线策略这个锚，你得先立住。