历史请求默认绑在你订阅的Symbol上
QuantConnect文档Research Environment → Datasets → Key Concepts写明：在研究环境中可访问Dataset Market中的多数数据，包括Equity、Crypto、Forex与衍生品等；访问方式与回测类似——先创建security subscription，再发起history request。页面还强调：最简单的历史请求面向一组已知Symbol；未提供Symbol时，返回的Slice包含笔记本里已创建订阅的全部资产。
对区块链量化研究而言，这意味着样本边界首先由“你订阅了哪些市场对象”决定，而不是由“今天仍在交易或仍有文档的项目全集”自动给出。若研究开始时只加入当前仍活跃的代币或协议标识，历史面板从一开始就缺少后来停牌、下架或停止维护的对象。
缺失行被丢掉时，活跃样本会被放大
pandas用户指南Working with missing data说明：库用多种哨兵表示缺失（如numpy.nan、NaT等）；dropna()会删除含缺失的行或列。文档示例中，含NaN的DataFrame在df.dropna()后只留下完整行。fillna与插值则是另一类处理，同样会改变后续统计所看到的样本。
若把“停更项目缺少后期行情或指标”直接编成缺失，再习惯性dropna，面板会只剩全程有数据的幸存者。这与QuantConnect“先订阅再取历史”的机制叠加时，偏差会更隐蔽：订阅阶段已经滤掉今天不活跃的对象，清洗阶段又丢掉中途消失的序列。
纳入条件要写清：谁进样本、缺失如何处理
识别幸存者偏差的可检查写法是：在研究说明中固定纳入规则（例如按起始日存在的合约集合，而不是按结束日仍可交易的集合），记录历史请求使用的Symbol列表与时间窗，并单独说明对缺失是保留、标记还是删除。QuantConnect页提醒不同返回类型与时区索引会影响“你以为对齐的日历”；pandas页提醒缺失表示与删除策略会改变行集合——两者都应写进方法附录，而不是只展示最终仍存活项目的回测曲线。
边界：本文只讨论样本构造与缺失处理，不提供交易策略、不报告收益实测、不推荐任何量化平台；也不把研究环境数据覆盖年份写成链上项目存活率的官方统计。把“谁被排除”写成可复查清单，比事后解释曲线更好看更重要。