backtest-expert

回测专家

采用专业方法对交易策略进行系统化回测，优先关注稳健性，而非乐观的结果。

核心理念

目标：寻找“最不容易失效”的策略，而不是纸面上“利润最高”的策略。

原则：加入摩擦因素，对假设进行压力测试，观察哪些策略能够经受考验。如果策略在悲观条件下依然表现稳健，那么它更有可能在实盘交易中奏效。

何时使用此技能

在以下情况下使用此技能：

• 开发或验证系统化交易策略
• 评估某个交易想法是否足够稳健，可以投入实盘实施
• 排查回测结果可能产生误导的原因
• 学习正确的回测方法
• 避免常见陷阱（曲线拟合、前视偏差、生存偏差）
• 评估参数敏感性和对市场状态的依赖性
• 对滑点和执行成本设定切合实际的预期

回测工作流

1. 陈述假设

用一句话定义策略优势。

示例：“财报公布后跳空高开超过 3%，并在首小时内回落至前一日收盘价的股票，提供了均值回归机会。”

如果无法清楚地阐述策略优势，就不要继续测试。

2. 将规则明确编码，不留主观判断空间

明确规定以下内容：

• 入场：确切条件、时机、价格类型
• 退出：止损、止盈目标、基于时间的退出
• 仓位规模：固定金额、投资组合占比、按波动率调整
• 筛选条件：市值、成交量、板块、波动率条件
• 标的范围：哪些工具符合条件

关键：不允许主观判断。每项决策都必须基于规则且没有歧义。

3. 运行初步回测

测试范围：

• 至少 5 年（最好 10 年以上）
• 多个市场状态（牛市、熊市、高波动率、低波动率）
• 切合实际的成本：佣金 + 保守估计的滑点

检查初步结果是否具备基本可行性。如果策略存在根本性缺陷，就重新调整假设。

4. 对策略进行压力测试

测试时间的 80% 应花在这一步。

参数敏感性：

• 将止损设为基准值的 50%、75%、100%、125%、150% 进行测试
• 将止盈目标设为基准值的 80%、90%、100%、110%、120% 进行测试
• 将入场／退出时间前后调整 ±15～30 分钟
• 寻找表现稳定的“平台区”，而不是狭窄的尖峰

执行摩擦：

• 将滑点增加至典型估算值的 1.5～2 倍
• 模拟最差成交情况（以卖一价 + 1 个最小报价单位买入，以买一价 - 1 个最小报价单位卖出）
• 加入真实的订单拒绝情形
• 使用悲观的佣金结构进行测试

时间稳健性：

• 按年分析表现
• 要求大多数年份的期望收益为正
• 确保策略不依赖 1～2 个异常出色的时期
• 分别在不同市场状态下进行测试

样本量：

• 绝对最低要求：30 笔交易
• 建议：100 笔以上交易
• 高置信度：200 笔以上交易

5. 样本外验证

滚动前向分析：

1. 在训练期（例如第 1～3 年）优化
2. 在验证期（第 4 年）测试
3. 向前滚动并重复
4. 比较样本内与样本外的表现

警示信号：

• 样本外表现低于样本内表现的 50%
• 需要频繁重新优化参数
• 参数在不同期间发生显著变化

6. 评估结果

需要回答的问题：

• 策略优势能否在悲观假设下依然成立？
• 表现能否在不同参数变化下保持稳定？
• 策略能否在多个市场状态下奏效？
• 样本量是否足以达到统计置信度？
• 结果是否切合实际，而非“好得令人难以置信”？

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：未通过压力测试，或依赖脆弱的假设

关键测试原则

惩罚策略

在各个方面增加阻力：

• 佣金设得高于实际水平
• 滑点设为典型水平的 1.5-2 倍
• 按最坏情况成交
• 拒绝订单
• 部分成交

理由：能够经受住悲观假设考验的策略，在实盘交易中往往表现更好。

寻找平台期，而非峰值

寻找表现稳定的参数范围，而不是会造成表现突增的最优值。

好：止损在 1.5% 到 3.0% 之间任意取值，策略都能盈利
差：止损必须恰好设为 2.13%，策略才有效

表现稳定说明策略确实具有优势；最优值范围狭窄则表明可能存在曲线拟合。

测试所有案例，而非挑选个例

错误做法：研究那些表现出色的精选“市场领头股”
正确做法：测试所有符合条件的股票，包括表现不佳的股票

选择性地挑选案例会造成幸存者偏差，并高估策略质量。

将想法生成与验证分开

直觉：可用于生成假设
验证：必须完全以数据为依据

切勿让自己对某个想法的执着影响对测试结果的解读。

常见失败模式

及早识别这些模式，节省时间：

1. 参数敏感性：只有使用精确的参数值才有效
2. 特定市场环境：某些年份表现出色，其他年份表现糟糕
3. 滑点敏感性：加入现实成本后无利可图
4. 样本量过小：交易次数太少，无法获得统计置信度
5. 前视偏差：结果“好得令人难以置信”
6. 过度优化：参数过多，样本外结果不佳

详细示例和诊断框架请参阅 references/failed_tests.md。

可用的参考文档

方法论参考

文件：references/methodology.md

何时阅读：需要了解具体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
• 滑点与摩擦建模
• 样本量要求
• 市场环境分类
• 常见偏差和陷阱（幸存者偏差、前视偏差、曲线拟合等）

失败测试参考

文件：references/failed_tests.md

何时阅读：策略未通过测试，或希望从过去的错误中吸取教训时。

内容：

• 失败为何有价值
• 常见失败模式及示例
• 案例研究文档框架
• 评估回测的危险信号清单

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。

不依赖特定情境的要求：如果策略需要“完美情境”才能奏效，就不足以稳健地用于系统化交易。

危险信号：如果回测结果好得令人难以置信（胜率 >90%、回撤极小、择时完美），请仔细检查是否存在前视偏差或数据问题。

工具限制：了解回测平台的特性（插值方法、对低流动性的处理方式、数据对齐问题）。

统计显著性：微小优势需要大量样本才能得到验证。每笔交易有 5% 的优势，需要 100 笔以上交易才能与运气区分开来。

主观交易与系统化交易的差异

此技能专注于系统化／量化回测，其特点包括：

• 所有规则都预先编写为代码
• 执行时不依赖临场判断或“感觉”
• 在所有历史案例上测试，而非挑选个例
• 刻意剥离情境信息（新闻、宏观因素）

主观交易者的研究方式不同——对于需要主观判断的交易设置，此技能可能并不适用。