回测专家

基于专业方法论的系统化交易策略回测方法，其核心是优先考虑稳健性而非追求乐观结果。

核心理念

目标：寻找“出错最少”的策略，而非在纸面上“盈利最多”的策略。

原则：增加摩擦、压力测试假设，观察哪些能够存活。如果一个策略在悲观条件下依然坚挺，那么它在实盘交易中更有可能成功。

何时使用此技能

在以下情况使用此技能：

• 开发或验证系统化交易策略时
• 评估交易想法是否足够稳健以用于实盘实施时
• 排查回测结果可能产生误导的原因时
• 学习正确的回测方法时
• 规避常见陷阱时（例如曲线拟合、前视偏差、幸存者偏差）
• 评估参数敏感性和机制依赖性时
• 为滑点和执行成本设定现实预期时

回测工作流程

1. 陈述假设

用一句话定义优势。

示例："那些在财报发布后开盘涨幅超过3%、且在一小时内回撤至前一日收盘价的股票，提供了均值回归的交易机会。"

如果你无法清晰地阐述优势，就不要进行测试。

2. 以零主观判断的方式编码规则

用完全明确的细节定义：

• 入场：精确条件、时机、价格类型
• 出场：止损、止盈目标、基于时间的出场
• 仓位规模：固定金额、投资组合百分比、波动率调整
• 过滤器：市值、成交量、行业板块、波动率条件
• 交易范围：哪些标的符合资格

关键要求：不允许任何主观判断。每个决策都必须是基于规则的、明确无误的。

3. 运行初步回测

测试结束：

• 至少5年（最好是10年以上）
• 多种市场状态（牛市、熊市、高/低波动率）
• 真实成本：佣金 + 保守估计的滑点

检查初步结果的基本可行性。如果基础逻辑存在问题，则对假设进行迭代调整。

4. 对策略进行压力测试

这应占测试时间的80%。

参数敏感性：

• 测试止损点为基准的50%、75%、100%、125%、150%
• 测试止盈点为基准的80%、90%、100%、110%、120%
• 将入场/出场时间调整±15-30分钟
• 寻找性能稳定的“平台区”，而非狭窄的峰值

执行摩擦：

• 将滑点增加至典型估计值的1.5-2倍
• 模拟最差成交情况（以卖一价+1个最小变动单位买入，以买一价-1个最小变动单位卖出）
• 加入现实订单被拒场景
• 使用悲观的佣金结构进行测试

时间稳健性：

• 逐年分析表现
• 要求大多数年份具有正向期望
• 确保策略不依赖于1-2个特殊时期
• 在不同市场环境中分别测试

样本量：

• 绝对最小值：30笔交易
• 推荐值：100笔以上交易
• 高置信度：200笔以上交易

5. 样本外验证

滚动前进分析：

1. 在训练期优化（例如，第1-3年）
2. 在验证期测试（第4年）
3. 向前滚动并重复
4. 比较样本内与样本外表现

警示信号：

• 样本外表现不及样本内表现的50%
• 需要频繁重新优化参数
• 参数在不同周期间剧烈变化

6. 评估结果

需要回答的问题：

• 在悲观假设下，优势能否保持？
• 表现是否在不同参数变化下保持稳定？
• 策略在多种市场环境中是否有效？
• 样本量是否足以满足统计置信度？
• 结果是否现实，而非“好得不真实”？

决策标准：

• ✅部署：通过所有压力测试，且表现可接受
• 🔄优化：核心逻辑合理，但需要调整参数
• ❌放弃：未能通过压力测试，或依赖于脆弱假设

核心测试原则

严苛评估策略

处处增加摩擦：

• 佣金高于实际水平
• 滑点设为典型的1.5-2倍
• 按最坏情况成交
• 订单遭拒
• 部分成交

原理：能在悲观假设下存活的策略，在实际交易中往往表现更佳。

寻求稳定区间，而非峰值

寻找表现稳定的参数范围，而非产生性能尖峰的单一最优值。

良好示例：策略在止损点位于1.5%至3.0%的任何位置都能盈利不良示例：策略仅在止损点精确设为2.13%时才有效

稳定的表现表明策略具有真实优势；狭窄的最优值则暗示存在过度拟合。

测试所有情况，而非精选案例

错误方法：仅研究手动挑选的、曾有效的“市场领跑者”正确的方法：对所有符合标准的股票进行测试，包括那些失败的案例

选择性举例会带来生存者偏差，并高估策略质量。

将想法生成与验证分离

直觉：有助于生成假设验证：必须纯粹基于数据驱动

绝不要让对某个想法的情感依恋影响测试结果的解读。

常见的失败模式

尽早识别这些模式以节省时间：

1. 参数敏感性：仅在特定参数值下有效
2. 特定市场环境依赖：在某些年份表现优异，在其他年份表现糟糕
3. 交易成本敏感性：加入实际成本后变得无利可图
4. 样本量过小：交易次数太少，缺乏统计置信度
5. 前瞻性偏差"好得令人难以置信"的结果
6. 过度优化：参数过多，样本外结果不佳

详见references/failed_tests.md以获取详细示例和诊断框架。

可用参考文档

方法论参考

文件：references/methodology.md

何时阅读：需要特定测试技术的详细指导时。

内容：

• 压力测试方法
• 参数敏感性分析
• 滑点和摩擦建模
• 样本量要求
• 市场状态分类
• 常见偏差与陷阱（生存偏差、前瞻偏差、曲线拟合等）

测试失败参考

文件:参考资料/失败的测试.md

何时阅读: 当策略测试失败时，或从过去的错误中学习时。

内容:

• 失败为何有价值
• 常见的失败模式及示例
• 案例研究文档框架
• 回测评估的红旗清单

重要提醒

时间分配: 花20%的时间生成想法，80%的时间尝试推翻它们。

无上下文要求: 如果策略需要“完美上下文”才能运作，那么它对于系统性交易来说就不够稳健。

红旗警示: 如果回测结果看起来过于完美（>90%的胜率，最小的回撤，完美的时机），请仔细审查是否存在前瞻性偏差或数据问题。

工具限制: 了解你的回测平台的特性（插值方法、低流动性处理、数据对齐问题）。

统计显著性: 微小的优势需要大量样本才能验证。每笔交易5%的盈利优势需要100次以上的交易记录才能与运气因素区分开。

主观判断与系统化策略的差异

本技能专注于系统化/量化回测方法，其特点是：

• 所有规则均预先编码设定
• 执行过程杜绝主观判断或"直觉"干预
• 测试覆盖全部历史案例，而非精选特例
• 刻意排除新闻、宏观等情境因素

主观型交易者的研究方法不同——本技能可能不适用于需要主观判断的交易情境。

部分文章来自各大搜索引擎，如有侵权，请与我联系删除。