什么是回测？别被漂亮的曲线骗了
刚开始做量化的人，最容易沉迷的一件事，就是盯着那条一路向右上角的回测曲线，觉得自己找到了圣杯。然后一上实盘，亏得怀疑人生。
这篇讲清楚：回测到底是什么，以及它是怎么骗你的。
一、回测是什么？
回测（backtest），就是拿历史数据，检验一个策略如果回到过去会表现如何。
比如你有个想法：「买市盈率最低的 20 只股票，每月换一次」。你不能直接拿真金白银去试，而是先用过去 10 年的数据跑一遍，看看这个策略历史上赚不赚钱、最大亏损多少。
二、回测能告诉你什么？
- 大致收益：年化多少、总收益多少
- 风险特征：最大回撤多少、波动大不大
- 稳定性：是每年都赚，还是靠某一年暴赚撑起来的
- 逻辑是否成立：想法是不是一开始就是错的
三、回测最大的谎言：过拟合
这是新手最常掉进去的坑，也是回测曲线为什么「漂亮得可疑」的根本原因。
过拟合的意思是：你不断调整参数，直到策略刚好完美贴合历史数据。比如你试了「20 日、21 日、22 日……均线」，最后发现「23 日均线」历史上收益最高——但这不是规律，是巧合。
过拟合的策略，就是那只碰巧敲对的猴子。
四、还有这几个坑
1. 幸存者偏差
你回测用的股票池，是「今天还在上市的公司」。但那些已经退市、破产的公司被排除在外了。结果就是：你的回测偷偷避开了所有「失败者」，收益自然虚高。
2. 前视偏差（未来函数）
策略在某个时间点，用了当时根本拿不到的信息。比如用当天收盘价决定当天开盘买入——现实中你不可能做到。这种错误会让回测收益高得离谱。
3. 忽略交易成本
回测里「无缝换股」很爽，但现实中有手续费、印花税、滑点。高频策略尤其致命——看似赚钱，实盘被成本吃光。
4. 参数太多
一个策略如果有 10 个可调参数，那你几乎总能调出一组「历史最优」。参数越多，越可能是过拟合。
五、怎么判断一个回测靠不靠谱？
- 样本外测试：用一部分数据开发，另一部分数据验证。如果样本外表现崩了，就是过拟合。
- 看逻辑：这个策略为什么该赚钱？讲不出道理的，别信。
- 看参数敏感度：微调参数收益就大幅变化的，多半是巧合。
- 扣掉成本：先把手续费、滑点算进去，再看还赚不赚钱。
- 看极端年份：牛市谁都赚，重点看熊市和震荡市的表现。
六、过拟合长什么样：一个具体例子
抽象讲「过拟合」很难体会。用数字讲一遍：
然后把同一组参数拿到样本外（策略没见过的后 30% 数据）。
在沪深300 上实测：样本内最优是快 12 / 慢 50，夏普 0.34；
换到样本外，夏普变成 −0.09，在 86 组里排到第 69 名。
同一套规则，在没见过的行情里直接亏钱。
这不是策略不好，而是你挑了它——在几十个候选里，「最幸运」的那个天然会记住噪声。
你可以自己在 回测实验室 里复现这件事：选「双均线」，在「参数敏感性」里扫一遍快线周期，看年化曲线在相邻参数之间跳成什么样。如果曲线是锯齿状的，说明那个「最优点」是运气，不是能力。
七、还有两个容易忽略的细节
1. 交易成本必须建模
一个年换手 20 次的策略，若单次双边成本 0.15%，每年光成本就吃掉 3%。很多「稳定盈利」的回测，扣掉成本后就是负的。 成本至少应包括：佣金、印花税、滑点。高频策略还要加冲击成本。
2. 成交假设要现实
- 信号当天收盘价成交 —— 在 T+1 的 A 股做不到，是常见的隐性作弊。
- 涨停也能买入、跌停也能卖出 —— 现实里排不上队，这类假设会显著虚高收益。
- 忽略停牌 —— 停牌期间你既不能买也不能卖，回测必须体现。
如果收益绝大部分来自 beta，那这个策略其实只是「在大盘上涨时满仓」——它没有超额能力，只是运气好赶上了好行情。
八、给你的建议
如果你刚开始学量化，记住这条心法：
先怀疑，再相信。 看到一条完美曲线，第一反应不该是兴奋，而是问：「我是不是哪里作弊了？」
能问出这句话的人，才可能活到最后。