策略研究同时面临两个核心问题：一是发现能够盈利的交易规则，二是验证该发现并非偶然的搜索结果。后者需要所谓的入门门槛——在接受结论前必须满足的统计标准。然而，这些门槛是否有效、代价如何，却缺乏系统检验。
我们提出一种注入真相实验方案：在真实数据中随机植入已知信号，并设置一个随机入门对照，其通过率与门槛相同。只有当门槛的通过率显著高于随机对照时，门槛才被视为提供信息，而非仅仅提升阈值。
在合成数据和经实证校准的面板数据上进行实验，结果显示：在弱信号环境下，门槛能够显著削减错误发现，但同时将实际采用率压缩至 1%–7%；在强信号环境下，门槛几乎不产生额外收益。更为关键的是，基于绝对收益而非超额收益计算的门槛会在所有候选中默默拒绝，即使是真实信号也不例外。
该研究提醒研究者在设计入门门槛时应关注信号强度、采用率以及收益度量的选择，避免因过度保守而错失有效策略。
点评