什么是回测，回测在骗你什么：好看的曲线最会骗人

你在某个量化社区里翻帖，看到一张图：一条从左下角一路爬到右上角的资金曲线，几乎没有回撤，标注写着「年化 87%，最大回撤 4%，夏普 3.2」。下面一堆人问作者要代码、要参数。你心动了，觉得自己离财务自由就差一份脚本。

我要先泼一盆冷水：越是好看到不真实的回测曲线，越值得怀疑。 不是说它一定是假的，而是说，做出一条漂亮曲线在技术上太容易了，容易到你几乎不需要任何真本事。这一节就把回测这件事拆开——它到底是什么，能验证什么，以及它在哪些地方会系统性地骗你。

回测是什么：拿历史数据把策略重放一遍

回测（backtest）的字面意思就是「向后测试」。你有一套交易规则，比如「当 20 日均线上穿 60 日均线时买入，下穿时卖出」，你想知道这套规则到底靠不靠谱。最直接的办法是拿过去几年的历史行情数据，让计算机假装时间倒流，按这套规则一天一天地模拟操作，最后算出：如果当初真这么做了，账户会变成什么样。

输出通常是几个数字和一张图：

• 资金曲线：账户净值随时间怎么变。
• 年化收益：折算成每年的复合回报。
• 最大回撤：从某个高点跌到后续最低点的最大幅度，衡量你最难受时亏多少。
• 夏普比率：每承担一单位波动换来多少超额收益，衡量收益的「性价比」。

回测能帮你做的事，本质上只有一件：在历史这段已经发生的数据上，检验这套规则当时是不是有效。 如果一套规则连过去都跑不赢，那它大概率不值得你拿真金白银去试。从这个角度说，回测是个有用的筛子。

但筛子的作用是「排除明显的坏东西」，不是「证明剩下的就是好东西」。这中间的距离，就是无数人交学费的地方。

回测在骗你什么：六个让曲线变好看的陷阱

下面这六个陷阱，有的是无心之失，有的是有意无意地「美化」。它们的共同点是：都会让回测结果比真实可实现的结果好看得多。

一、未来函数 / 前视偏差：用了当时根本拿不到的信息

这是最隐蔽也最致命的一类错误。所谓前视偏差（look-ahead bias），就是你的策略在「当天」用到了「当天收盘后才知道」的信息。

举个例子。你写了一条规则：「在每天的最低价买入。」回测一跑，收益爆表。问题是——你在当天交易时，根本不知道今天的最低价是多少，那个数字要等收盘后复盘才知道。你等于让策略提前偷看了答案。

更隐蔽的版本是用整段数据算出来的统计量去交易当天。比如你用「全年均值」做了某种标准化，再拿来判断「今天偏离均值多少」——可全年均值里包含了今天之后才发生的数据，这就是变相偷看未来。财务数据也常踩这个坑：一季度的财报往往要到四月才公布，但很多人回测时直接把它「贴」在三月底用了。

二、幸存者偏差：你只测了活下来的那些

假设你想验证「买入沪深 300 成分股里市盈率最低的 10 只」这套规则，于是你拉了「今天的沪深 300 成分股名单」，回测过去十年。听起来没问题，其实已经踩坑了。

今天还在指数里的公司，是过去十年「活下来并且表现够好」才留在名单上的。那些退市的、被剔除的、暴雷的公司，根本没进你的样本。你测的是一群已知的幸存者，难怪结果好看——你提前把会出事的都剔除了。这就是幸存者偏差（survivorship bias）。

它在基金业绩统计里也很典型：清盘的基金会从数据库里消失，于是「行业平均收益」永远被那些活下来的好基金拉高。

三、忽略交易成本、滑点和冲击成本

回测里买卖经常是「零成本瞬间成交」：你想在 10 块买，它就在 10 块成交，不收佣金、不交印花税、买多少都不影响价格。现实里这三样都不存在。

• 佣金和税费：每笔交易都要给券商和国家分一杯羹。
• 滑点：你下单时看到的价格和真正成交的价格之间的差。市场在动，你的单子也要排队。
• 冲击成本：当你的单子相对市场足够大，你自己的买入就会把价格推高、卖出会把价格压低。

这些成本对低频策略影响有限，但对高频策略是致命的。一个一天换手好几次的策略，回测里年化 80%，把千分之几的来回成本老老实实扣进去，可能瞬间变成负的。换手越频繁，这一刀砍得越狠。

四、过拟合：参数调到完美贴合历史

这是新手最容易自我陶醉的陷阱。你有个策略，初版年化 20%。你开始调参数：均线从 20 日改成 18 日，止损从 5% 改成 4.3%，再加个过滤条件……每改一次回测都好看一点，最后你调出了年化 87%、回撤 4% 的「圣杯」。

你以为你在优化策略，其实你在做一件事：让规则去死记硬背这段历史的每一个细节。 这就是过拟合（overfitting）。参数越多、调得越细，曲线就越贴合过去——但贴合的是历史的噪声，不是可以重复的规律。等换一段没见过的数据，立刻原形毕露。

打个比方：一个学生把往年考卷的标准答案全背下来，模拟考次次满分，可一旦换一套新题就考砸了。回测里那条完美曲线，往往就是这种「背答案」的成绩。过拟合是回测最大的系统性骗局，下一节 过拟合：把噪声当规律 会专门讲怎么识别和防范它。

五、数据窥探：反复试到好看为止

这个陷阱比过拟合更难察觉，因为它发生在「策略之间」而不是「参数之间」。

你试了策略 A，不行；试了 B，不行；试了 C、D、E……一直试到第 38 个策略，终于跑出一条漂亮曲线，你高兴地宣布「我找到了一个有效策略」。但你忽略了一件事：哪怕这 38 个策略全是抛硬币般的随机规则，纯靠运气，也总会有那么一两个在某段历史上碰巧表现优异。这叫数据窥探（data snooping）或多重检验问题。

你看到的是那个「幸运儿」，看不到的是背后 37 个被你默默丢掉的失败品。整个搜索过程本身，就让「找到一个好看结果」几乎成了必然——和它有没有真本事无关。

六、极端行情样本不足

历史就那么长，而真正的极端行情——千股跌停、流动性枯竭、政策急转、海外黑天鹅——在数据里是稀疏的几个点。如果你的回测区间恰好是一段风平浪静的牛市，那它根本没机会暴露策略在崩盘时的脆弱。

很多策略平时看着稳，是因为它们本质上是在「赌平静会持续」。一旦遇上 2015 年那种连续跌停、想卖都卖不掉的极端环境，回测里假设的「随时能按价成交」直接失效，真实亏损会远超回测显示的最大回撤。回测里的「最大回撤」只是历史这段样本里最惨的一次，不是未来可能最惨的那次。

为什么回测会系统性地高估未来

把上面六个陷阱放一边，就算你全部规避得干干净净，回测对未来表现仍然有一种「向上的偏向」。原因藏在更底层的地方。

第一，历史不会原样重演。 回测的全部前提是「过去的规律会延续」，可市场不是一台稳定运转的机器，它是无数人博弈的结果。结构在变、参与者在变、规则在变。过去十年管用的规律，在接下来十年可能只是历史的注脚。

第二，规律一旦被发现就会失效。 假设真有一条规律能稳定赚钱，当越来越多人发现它、都去这么做的时候，这条规律就被「交易没了」——大家都抢着买，价格提前涨上去，超额收益被抹平。这叫策略拥挤。回测里的收益来自一个还没人知道的规律，而你能看到它，往往说明它已经不那么有效了。

第三，你看到的回测，本身是幸存者。 网上晒出来的、写进教程的，几乎都是回测好看的。那些跑出难看曲线的策略，作者悄悄删了，你永远看不到。于是你接触到的所有回测，整体上都是被筛选过的「成功样本」，这又是一层幸存者偏差——只不过这次发生在「你看到的内容」这个层面。

这三条叠加起来的结论很朴素：回测告诉你的是一个被多重偏差向上美化过的、关于过去的故事；而你要面对的是一个会变化、会拥挤、充满未知的未来。 两者之间隔着一道你无法用任何历史数据填平的鸿沟。

一张表：回测能回答和不能回答的问题

回测能帮你做的	回测做不到的
排除连过去都跑不赢的明显坏策略	证明一个策略未来会赚钱
检验交易规则的逻辑能不能跑通、有没有 bug	预测明天、下个月、明年的收益
给出历史区间里的收益、回撤、夏普做参考	给出未来的最大回撤上限
暴露策略对参数是否过度敏感（稳健性）	替你承担规律失效、策略拥挤的风险
提供一个和别的策略横向比较的基准	替代真金白银的小仓位实盘验证

记住表格左右两栏的分界：回测是个排除工具，不是预测工具。它能告诉你「这个大概率不行」，但永远没法告诉你「这个一定行」。

正确的态度：把回测当筛子，不当水晶球

讲了这么多陷阱，不是让你不做回测——不做回测、凭感觉上策略更危险。而是想让你换一个心态去用它。

健康的用法是这样的：你先有一个讲得通的逻辑（为什么这条规则该有效），用回测去验证它没有明显漏洞、没有 bug、对参数不至于太敏感；如果连回测都过不了，直接淘汰。过了回测，也只是拿到了「值得用小仓位真实试一试」的资格，绝不是「可以重仓梭哈」的许可证。回测之后，永远还有样本外检验、模拟盘、小资金实盘这几道关，一道都不能省。

更进一步说，比起追求一条多漂亮的曲线，一个成熟的做法是反过来想：这套策略最糟会怎样？它靠什么赚钱，这个来源会不会消失？什么情况下它会爆掉？ 能把这些想清楚，比一个好看的夏普比率值钱得多。

小结

• 回测是用历史数据重放交易规则，作用是检验规则在过去是否有效，本质是个排除坏策略的筛子。
• 六个让曲线虚高的陷阱：前视偏差（偷看未来）、幸存者偏差（只测活下来的）、忽略交易成本、过拟合（背答案）、数据窥探（试到好看为止）、极端行情样本不足。
• 即使规避了所有陷阱，回测仍会系统性高估未来——历史不会原样重演、规律被发现就失效、你看到的回测本身经过幸存者筛选。
• 正确态度：回测是筛子不是水晶球，过了回测只是拿到「小仓位验证」的资格，回测好绝不等于未来赚钱。

下一节 过拟合：把噪声当规律 会专门拆解六个陷阱里最系统性的那个——为什么参数调得越完美，往往越危险。想补底层的数学直觉，可以去 原理库 看「为什么样本越多结论越可信、为什么过去的均值不代表未来」；涉及杠杆和极端风险的部分，务必先读 风险管理卷R。