目录
- 回测是什么，能解决什么问题
- 外行最容易误读的一句话：「我回测了十年」
- 时间跨度 vs 数据粒度：同一根 K 线里藏着多少故事
- 从日 K 到 Tick：精度越高，故事越接近真实
- 撮合引擎与交易所现实：你的回测里成交得太「乖」了
- 插针、流动性与极端行情：图表上看不见的伤口
- 为什么回测曲线往往比实盘好看
- 其它常见坑：从幸存者偏差到过拟合
- 可以怎么做：让回测更「诚实」
- 小结
回测是什么，能解决什么问题
回测（Backtesting） 指在历史数据上，用固定规则「假装」在过去交易，统计收益、回撤、胜率等指标。它的价值是：在不动真金白银的前提下，快速验证策略逻辑是否自洽、参数是否过于极端、对哪些市场环境敏感。
它不能保证未来表现，只能回答：「若在过去这段数据、在某种成交与费用假设下，这套规则会怎样表现。」
外行最容易误读的一句话：「我回测了十年」
十年听起来很长，心理上容易等价于「样本够大、结论可靠」。但在量化里，「十年」只描述了时间轴的长度，没有描述采样密度与成交假设。
同一段十年：
- 按日 K 回测，大约只有 3,650 根左右 K 线（视交易日略少）；
- 按1 分钟 K 回测，同一段历史的 K 线数量大约是日 K 的数百倍；
- 若按 Tick（逐笔成交） 或订单簿事件回放，信息量又比分钟 K 再高几个数量级。
信息量不同，对同一策略的结论可以完全不同。 外行听「十年」很踏实；内行会先问：十年是哪种颗粒度上的十年？
时间跨度 vs 数据粒度：同一根 K 线里藏着多少故事
OHLC 丢掉了什么
常见的 K 线只记录 开高低收（OHLC） 与成交量。你不知道这一段时间里价格走过的路径：是先跌后涨，还是先涨后跌？中间有没有快速扫过你的止损再回来？
对很多策略（尤其是带止损、带网格、带条件单的策略），路径依赖极强：同样的 OHLC，不同路径会导致完全不同的成交与盈亏。
粗粒度回测在做什么隐含假设
用日 K 回测时，往往隐含了类似假设：「我能在开盘价/收盘价/某种理想价位成交」「止损一定按我想的价格触发」等。这些假设在实盘中常常不成立——尤其在波动大、流动性分层明显的品种上。
从日 K 到 Tick：精度越高，故事越接近真实
下面用直觉对比（非绝对，但方向普遍成立）：
| 粒度 | 典型用途 | 主要风险 |
|---|---|---|
| 日 K | 粗筛趋势、长周期因子 | 路径未知，止损/网格等容易「过于乐观」 |
| 小时 / 15 分钟 | 中频策略初筛 | 仍可能低估盘中插针与滑点 |
| 1 分钟 | 较多零售级回测的上限 | 分钟 K 内仍可能有剧烈波动未体现 |
| Tick / 订单簿事件 | 高频、窄价差、精细风控 | 数据量大、实现复杂，但更接近真实撮合顺序 |
对波动大、杠杆高、点差与滑点敏感的品种（典型如加密货币永续合约），若策略持仓时间短、挂单密、依赖精确成交顺序，只有日 K 或小时 K 的回测往往严重失真。此时业界会更认真看待 Tick 级或至少 L2 订单簿级 的回测与仿真——否则更像「在地图缩略图上讨论路况」。
注意：Tick 回测也不是「真理」本身：它还依赖历史 Tick 是否完整、是否含撤单与自成交噪声、以及你的撮合模型是否与真实交易所一致。
撮合引擎与交易所现实：你的回测里成交得太「乖」了
回测程序里常见的简化包括：
- 立即成交：挂单一碰价就全成，不考虑排队与部分成交；
- 固定滑点：全市场统一加几个基点，而真实滑点随波动与深度变化；
- 无延迟：信号产生与下单在同一时刻，而实盘有网络、限频与撮合延迟；
- 理想对手盘：永远假设有足够流动性吃掉你的单。
真实交易所的撮合是 价格—时间优先、队列、最小下单单位、Post-Only、Reduce-Only、强平与资金费率等规则共同作用的结果。撮合引擎不一样，同一策略的成交序列就会不一样——这不是小误差，而是系统性偏差。
插针、流动性与极端行情：图表上看不见的伤口
插针（Wick） 指价格短时间刺穿某价位又迅速收回。日 K 上可能只是一根长影线；在分钟或 Tick 上，可能是多次快速扫单。
若回测用粗 K 线：
- 可能低估被针扫掉止损的次数；
- 也可能在不当假设下高估某些「触碰即成交」的网格收益。
此外，还有 流动性枯竭、点差拉宽、无法成交 等情况——历史 K 线未必体现当时的盘口状态。你在回测里「成交了」，实盘可能只是挂在簿上排队。
为什么回测曲线往往比实盘好看
常见原因包括但不限于：
- 费用与资金费率：手续费、Maker/Taker 差异、永续合约资金费率未计入或低估。
- 滑点与冲击成本：尤其大单或薄深度品种。
- 成交假设过于理想：见上一节。
- 前视偏差（Look-ahead Bias）：用「未来才知道的信息」做过去决策（例如用全日收盘价信号在开盘就成交）。
- 过拟合：参数在历史段上被调得太贴合噪音，换一段行情就失效。
- 幸存者偏差：只测「现在还活着」的币种或交易对，忽略已退市或归零样本。
因此：回测好是必要不充分条件；实盘是另一套系统（执行、风控、心理与运维）。
其它常见坑：从幸存者偏差到过拟合
- 样本外测试：保留一段从未参与调参的历史做验证。
- 走样本测试（Walk-forward）：滚动窗口，看策略是否只在某一两段「碰巧」有效。
- 换市场与换品种：在相关性不同的品种上复现，降低「只适配某一标的」的风险。
- 极端日 stress：单独拉出重大事件日前后，看爆仓、断网、交易所宕机等操作风险（这些往往不在回测里）。
可以怎么做：让回测更「诚实」
- 明确声明粒度：日 / 小时 / 分钟 / Tick，以及是否含订单簿。
- 费用与费率模型：手续费档位、资金费率、是否吃单等，尽量贴近真实账户。
- 成交模型升级：从「收盘价成交」→「下一根开盘价」→「带滑点与延迟」→「事件驱动 + 简撮合」→「近 Tick 仿真」逐级加严。
- 纸交易 / 仿真盘：用实时行情但虚拟资金，专门检验执行层。
- 小资金实盘：在风险可控下验证最后一公里的差异。
目标不是追求「回测曲线难看」，而是追求可解释、可复现、与实盘偏差可预期。
小结
- 「回测了十年」若只有日 K，与「十年 Tick 级仿真」不是同一句话；粒度决定信息量。
- 波动大、杠杆高、挂单密的策略，要特别警惕粗 K 线 + 理想成交带来的乐观偏差。
- 撮合与交易所规则不同，回测与实盘就会分叉；插针与流动性在 K 线摘要里常被低估。
- 回测是推演工具，不是盈利承诺；严谨的做法是逐级加严假设，并用样本外与实盘小资金交叉验证。
Top comments (0)