进行中实验
8
当前有 8 个假设处于回测验证、对照试验或失败复检流程中。
让中枢不只会执行，还会提出问题、做实验、沉淀研究
AI 研究中心是交易中枢的研究层。它负责假设测试、规律发现、失败分析与 Alpha 探索，把执行系统升级成会主动研究的系统。
研究中心总览
这里处理的不是单次生成，而是研究问题、验证路径和可复用结论。
已验证规律
32
通过研究链确认可复用的市场规律与过滤条件。
研究报告
63
系统已经沉淀 63 份阶段性研究结论，用于记忆层和放行逻辑。
Alpha 线索
28
当前处于观察、复检或增强中的 Alpha 方向。
研究实验室模块
按文档逻辑，研究层至少要承接假设测试、规律发现和 Alpha 探索三条主线。
假设测试
Hypothesis Testing
让系统先提出问题，再通过实验验证，而不是先生成策略再倒推理由。
- 市场条件假设
- 策略结构假设
- 过滤器有效性验证
规律发现
Pattern Discovery
持续搜索高波动、时段切换、流动性变化和结构异常中的重复模式。
- 时间窗口规律
- 波动结构模式
- 执行环境偏差
Alpha 探索
Alpha Exploration
把策略想法从脚本思维提升到研究课题思维，优先寻找可解释、可验证的收益来源。
- Alpha 候选池
- 收益来源注释
- 验证优先级排序
研究流程
研究不是散点动作，而是一条从提出假设到回写记忆层的明确链路。
这条链最终必须反哺三个地方：`AI 记忆中心`、`策略生存系统`、`策略生成链`。否则研究就只是记录，不会真正改变系统行为。
研究发现板
中枢要持续观察市场状态、失败原因和模式重复，而不是只看回测收益。
Regime Research
研究不同市场状态下，哪些策略族群具备更高生存率与收益质量。
Failure Analysis
把失败当成核心资产，持续追踪失效环境、死亡前兆和无效修改模式。
Pattern Discovery
持续寻找伦敦开盘、波动扩张、流动性切换等条件下的可复用规律。
研究日志
后续可以接真实研究报告流，这里先把日志形态和承载结构钉住。
Breakout 在低波动环境失效
低波动叠加假突破增多时，Breakout 类策略的胜率与盈亏比同步下滑，建议降低该类策略权重并补充均值回归候选。
ATR 过滤器改善回撤
对趋势策略增加 ATR 扩张过滤后，最大回撤显著收敛，但交易频率降低，需要继续评估收益密度变化。
研究输出
研究层的价值不在展示过程，而在于能否稳定产出可复用结论并影响其他系统。
研究任务
把需要验证的市场问题、策略问题和风控问题收口成明确的实验任务池。
实验报告
对每次研究给出结论、证据、风险、置信度与下一步行动建议。
反哺决策
研究结论最终要进入记忆层、生存系统、风险系统与策略生成链路。