常见回测偏差与陷阱

回测是历史数据讲的故事。偏差就是这故事和实际会发生的事之间的差距。

偏差为啥要紧

每个零售回测都高估收益。问题是高估多少。专业选手默认回测期望值和实盘期望值之间要打 30–50% 折扣。认识这些偏差，你就能提前预判折扣，而不是被吓到。

1. 幸存者偏差

如果你的历史股票池只包含今天还活着的公司，你就把破产和退市的都过滤掉了。"买超跌股"这种策略看起来神乎其神，因为那些没爬起来的失败者根本不在数据里。

例子：用现在的沪深 300 成分股回测"买一年跌 50% 的股票"，会显示奇迹般的恢复率——因为没恢复的早被踢出指数了。

修法：用包含退市和合并公司的"时间点"成分股数据。外汇和期货这个偏差小（品种很少消失），但合约换月还是要注意。

2. 前视偏差

用了交易当时还没出现的信息。常见形式：

• 用当前 bar 的收盘价"按收盘价入场"
• 算用了未来数据的指标（比如居中均线）
• 用包含未来拆分的复权价
• 用一只股票全年年报的盈利数据，而那是 Q4 才发布的

修法：在下一 bar 开盘入场。审计每个公式，确认输入只用决策时能拿到的数据。

3. 数据挖掘偏差（过拟合）

在同一份数据上测一堆参数组合直到有能跑的。试 100 个随机策略，光靠运气大概有 5 个在 5% 显著性水平上看起来赚钱。

例子：EMA 周期 5–50 步长 1，止损 5–30，目标 5–50——几千种组合。最好的几乎肯定是噪声。

修法：样本外测试前锁死参数。用 walk-forward 分析。用 White's Reality Check 或 Hansen's SPA 测试做数据挖掘修正。接受一组参数前先要求有经济学逻辑。

4. 选择偏差

只挑样本里表现好的交易或品种。常见形式：

• 看完哪些是高波动日后，只回测"高波动日"
• 只选表现最好的期货合约
• 用一个在同一份数据上调过的指标过滤交易

修法：测试前定好所有过滤器。别看完结果再加过滤。

5. 优化偏差

每个参数都微调到资金曲线完美。调的参数越多，系统越是在拟合噪声。

经验法则：可调参数控制在 3 个以内。每多一个都乘上过拟合风险。

6. 新闻过滤里的幸存者偏差

如果你把"高影响力新闻"时段的交易过滤掉，你正好删掉了产生最大波动的时段。被过滤的亏损永远不出现，期望值被吹大。

修法：用预先固定的经济日历，不是事后改过的。

7. 交易成本偏差

忽略点差、佣金、滑点、隔夜利息。EURUSD 每笔 10 pip 利润，扣掉一来一回 1.5 pip 点差和 1 pip 滑点变 7 pip——少了 30%。

修法：回测里永远算现实成本。高频策略尤其要小心，成本会主导。

8. 状态过滤器里的前视

用整个区间的 VIX 均值做状态过滤是前视。用全样本 ATR 设止损距离也是。

修法：用滚动或扩展统计量。系统必须只用每个交易决策点能拿到的数据来跑。

9. 起始日期偏差

挑讨喜的起始日期。从 2009 年开始回测趋势跟踪策略，会藏掉 2011–2013 那段痛苦的震荡。

修法：测多个起始日期。报告测试前就定好的固定起始日期的结果。

10. 止损目标的曲线拟合

优化止损距离和目标倍数让利润因子最大化，几乎肯定产出脆弱系统。

修法：用基于结构或波动率的止损，从市场逻辑推出来，不是从优化扫出来的。

11. 样本内污染

开发期间"就看一眼"样本外区间，它就不再是样本外了。每偷看一眼都污染测试。

修法：把样本外数据文件锁在单独文件夹。最终规则写好代码前连看都别看。

12. 流动性幻觉

回测假设任何规模都能按打印价成交。实际大单会推动市场。

修法：仓位按平均日成交量设上限。用成交量加权滑点模型。

13. Tick 数据粒度偏差

用 1 分钟 bar 回测会漏掉 bar 内的影线。bar 内触发的止损可能成交在离打印低点很远的地方。

修法：止损和限价用 tick 数据。没有的话，显式建模滑点。

实操审计清单

• 标的池包含退市品种
• 任何指标都没用未来数据
• 样本外测试前锁死参数
• 开发期间样本外数据没碰过
• 包含现实成本
• 测过多个起始日期
• 做过 walk-forward 分析
• 可调参数不超过 3 个
• 止损目标有经济学逻辑，不只是最优拟合数字

经验法则

如果一个回测利润因子超过 1.5、回撤又低，而你是个新手，就怀疑有偏差。真正的优势是有限的。真正的优势扛得住偏差修正。幻影优势扛不住。

下一篇：walk-forward 分析——区分优势和过拟合的金标准。