曲线好看，然后呢？
用 10 个交易日的合成数据，把筛选、费用和基准的数字对一遍。
AlphaForge 把日频数据筛选、信号、回测和报告串在一起。仓库里有一组 4 只股票、10 个交易日的合成数据，可以拿来检查整条流程。这篇记几个能直接回到输出里核对的例子。
先看一条筛选记录
股票池筛选保留参考日期、前一日收盘价和逐项排除原因。例如 AAPL 在 2024 年 1 月 5 日的记录，使用 1 月 4 日的收盘价 103，而不是当天收盘价。1 月 3 日和 4 日的记录则因历史长度不足被排除。
整组 40 条记录中，17 条通过筛选，涉及 4 只股票中的 3 只。有了这些记录，就能查清一只股票在哪天进了股票池，哪天被排除，原因是什么。
再核对一次调仓
执行样例按周调仓，换手上限为 0.75，手续费和滑点分别设为 2 和 3 个基点。2024 年 1 月 8 日触发换手限制，输出里的两项成本分别为 0.00015 和 0.000225，与 0.75 × 0.0002、0.75 × 0.0003 一致。
目标换手、实际换手、是否触发限制和费用都单独保留。对照这些字段，就能检查换手限制和费用有没有真正算进去。
向上，也可能落后
完整报告样例的策略累计收益是 1.38%，同期基准是 3.34%，报告中的复合超额收益为 −1.90%。净值虽然向上，仍然落后于基准。报告同时输出元数据、10 张图表和 HTML 页面，方便从图回到具体数字。
这组数据只有 10 个交易日，而且是合成的。它能检查时间顺序、费用和报告是否一致，不能证明策略在真实市场有效。