Coupling Analysis

改动前的耦合分析 | Coupling Analysis

核心铁律：改参数前，先把参数之间的"约束图"画出来。互斥的约束，动手前就该发现，而不是动手后发现。

为什么存在这个 Skill

真实事故：把止盈(TP)从"固定 2.2R"改成"最近分形高点"后，原规格 （SL 上界 3.0 ATR + RR ≥ 1.5）首跑 0 个信号。根因是数学互斥：

• SL 顶格 3.0 ATR（分母锁死），最近分形仅 1.25 ATR（分子上限）
• → 理论 RR 天花板 = 1.25，永远过不了 rr ≥ 1.5

这不是代码 bug，是动手前没画约束图。三个约束（TP/SL/RR）是耦合的， 动一个必然连锁。这就是蝴蝶效应。

执行流程（任何耦合改动之前）

第 1 步：识别耦合面

改这个之前，先问四件事：

1. 谁共享这个值？ —— grep 出所有引用点（常量 / 函数 / schema / 配置）
2. 谁是输入，谁是输出？ —— 画出数据流向
3. 有没有数学/逻辑约束关系？ —— 如 RR = reward/risk，A+B=C 之类
4. 谁依赖它的历史口径？ —— 回测、报表、已发布结论

第 2 步：画约束图

把相关参数写成约束列表，标出可行域和互斥区间：

示例（TP/SL/RR）：
  约束1: sl ≤ entry - 1.2*ATR        （风控下限）
  约束2: sl ≥ entry - 3.0*ATR        （风控上限）
  约束3: rr = (tp - entry)/(entry - sl) ≥ 1.5
  约束4: tp = 最近分形高点, 通常 ≈ entry + 1.25*ATR
  →
  由约束2+4: rr_max ≈ 1.25/3.0 ≈ 0.42~1.25  →  与约束3 互斥 ❌

互斥约束必须在动手前暴露。 暴露不了，就先做第 3 步。

第 3 步：零改动扫描（不确定时）

不要一上来就改代码。 先在旧代码上做只读参数扫描：

• 枚举候选组合（如 rr ∈ [1.0,1.2,1.5,2.0] × sl上限 ∈ [2.0,2.5,3.0]）
• 看哪些组合输出量合理、哪些归零
• 用真实数据跑，得到可行域

扫描成本 << 改动成本，且无副作用。

第 4 步：定义不变量（红线）

明确哪些是用户红线，不可擅动，哪些是可调参数：

第 5 步：影响面枚举（改后回归）

列出所有下游：

• 依赖这个值的测试会不会红？
• 依赖这个口径的历史结论是否失效？
• 报表/回测口径是否变了、是否可比？

高内聚低耦合的设计准则

新代码/重构时优先：

反例：把 1.5 / 2.0 硬编码在计算式里 → 赔率变成常数，与标的无关（真实事故）。 正解：常数提取为具名参数，且与其它参数的关系有测试守护。

关键决策必须交还用户

遇到影响关键决策的互斥约束 / 风控参数变更 / 不可逆选择：

1. 停下来，不要"为了让它跑起来"自行放宽
2. 把取舍摊开：A 选项代价 vs B 选项代价，各是什么
3. 给推荐但标明："我倾向 X，理由是……，但这是你的风控参数，你拍"
4. 等用户明确回答再继续

擅自替用户放宽风控参数 = 越权。哪怕动机是"让它能跑"。

交付前自检清单

• [ ] 我画的约束图里，有没有互斥区间？
• [ ] 有没有我偷偷改了用户没授权的参数？
• [ ] 下游影响面（测试/历史口径/报表）我列全了吗？
• [ ] 这个改动有没有新的单一数据源，还是又硬编码了一处？
• [ ] 涉及关键决策时，我是停下来问了，还是自己拍了？

动手前 10 分钟的约束图，能省掉动手后 10 小时的连锁 bug。