回测 Backtesting

如果说投资策略是一辆赛车，那么 回测（Backtesting） 就是在它真正驶上赛道之前的风洞测试和模拟跑圈。在量化交易的世界里，没有任何一个策略可以在未经回测的情况下直接实盘——那是对资本极不负责任的赌博。

回测的核心逻辑是：如果一个策略的逻辑是成立的，那么它在过去的市场环境中也应该能赚到钱。 虽然过去不代表未来，但过去是我们在面对未知未来时，唯一可以参考的坐标系。

01穿越时空的实验

回测本质上是一场穿越时空的思想实验。我们将编写好的交易规则放入历史的时间轴中，假设自己在 5 年前、10 年前就开始运行这个策略：

• 2008 年金融危机时，它会爆仓吗？
• 2015 年 A 股熔断时，它能逃顶吗？
• 2020 年疫情熔断时，它能抄底吗？

通过回测，我们可以得到一系列关键指标： 夏普比率（Sharpe Ratio）、最大回撤（Max Drawdown）、胜率（Win Rate） 等。这些指标构成了策略的“体检报告”。

02这个世界最大的谎言：过拟合

回测中最可怕的陷阱叫做 “过拟合”（Overfitting）。 很多新手会不断调整参数，直到曲线变得完美无缺。比如：“当均线是 13.5 日时买入，RSI 指标是 28 时卖出……”。你看，这样改完后，过去 3 年的收益率高达 500%！

但这毫无意义。这就像是你在看过昨天的彩票开奖号码后，宣称自己发明了一套必中的选号算法。你只是“记住”了历史，而不是“发现”了规律。

真正的回测需要严格区分 样本内（In-Sample） 和 样本外（Out-of-Sample） 数据。我们在前半段数据上训练策略，在后半段完全没见过的数据上测试它。如果两者表现一致，我们才说这个策略可能具有鲁棒性。

03滑点与冲击成本

另外一个让回测失真的因素是忽略了交易摩擦。 在 Excel 表格里，你总能以收盘价精准成交。但在真实市场中：

• 滑点（Slippage）：你想买如 100 块，实际可能成交在 100.2 块。
• 冲击成本：当你的资金量大到一定程度，你的一笔买单本身就会把价格推高。

专业的量化回测引擎（如 Toloris 的回测系统）会模拟这些微观层面的摩擦，给你一个打过折扣的、但更接近真实的收益率。

结语

回测不是为了证明策略有多赚钱，而是为了证明策略在什么情况下会亏钱。 当你清楚地知道策略的死穴在哪里（是震荡市磨损？还是单边暴跌？），你才能在未来的风暴中握紧方向盘。回测不能预测未来，但它能赐予我在不确定性中获胜的信心。