回测的正确姿势：未来函数、幸存者偏差与过拟合
本课目标：认识回测中最常见的几类系统性错误，学会用一份自查清单在提交结论之前给自己”挑刺”。
上一课我们走通了双均线策略的回测流程。这一课要泼一盆冷水：大多数惊艳的回测结果，是错误造成的，不是策略造成的。回测出错的方式有很多，但绝大多数可以归入几个经典类别。提前认识它们，比事后懊悔便宜得多。本文不构成投资建议。
未来函数：用了”当时不可能知道”的信息
未来函数（look-ahead bias）指回测在某个时点的决策中，使用了那个时点还不存在的信息。它是新手回测虚高的头号原因。典型形态包括：
- 用当日收盘价做当日决策：收盘价要到收盘才知道，但回测里却按”当天以收盘价买入”计算。正确做法是信号
shift(1)，次日成交； - 用复权价直接当交易价：前复权价格会随最新分红除权整体平移，早期的”价格”其实包含了未来的分红信息，做信号可以，当成交价要小心；
- 用整段数据算指标再回看：比如用全样本的均值和标准差做标准化，等于让 2020 年的你知道 2025 年的分布；
- 财报数据按报告期而非公告日对齐：年报反映的是 12 月 31 日的数据，但你实际要到次年三四月才能看到。
判断标准只有一条：站在那个交易日的收盘前，这条信息我真的拿得到吗？
未来函数的可怕之处在于，它制造的往往不是小误差，而是方向性的错觉：一个本来亏损的策略可以被它”修正”成年年赚钱。而且它很隐蔽——代码能正常运行、曲线很漂亮、逻辑看起来自洽，只有逐行追问每个变量的信息时点才能发现。所以有经验的研究者看到异常漂亮的回测，第一反应不是兴奋，而是找哪里泄漏了未来信息。
幸存者偏差：你只看到了活下来的
如果你今天取”当前全部 A 股”的名单，回测过去十年，那么已退市、已被 ST 淘汰的公司天然不在样本里。你的股票池等于提前剔除了失败者，回测收益自然被高估。基金研究同理：清盘的基金消失了，剩下的平均业绩看起来更好。
一个思想实验能说明它的威力：假设你研究”长期持有低价股”，用今天还存活的股票列表回测，那些跌到低价后一路退市归零的公司全都不在你的样本里——你看到的低价股个个都”熬过来了”，结论自然严重失真。
对策：
- 使用包含退市股票的全历史股票池，或至少明确声明样本的局限；
- 股票池的成分要按当时的成分取，比如回测沪深 300 策略，要用每个时点的历史成分股名单，而不是今天的名单；
- 入门阶段用宽基 ETF 做实验可以绕开大部分幸存者偏差问题，这也是我们反复推荐它的原因之一。
忽略成本与流动性：纸面收益的漏损
回测里一行 position * ret 背后，真实世界要付出佣金、印花税（卖出时）、买卖价差和冲击成本。换手越高的策略，被成本侵蚀得越狠——一个每天换仓的策略，年化换手可能高达几十倍，成本足以吃掉全部纸面利润。
流动性问题则更隐蔽：涨停板买不进、跌停板卖不出、小盘股挂单量不足，这些回测默认”都能成交”的假设在实盘会失效。入门阶段的务实做法：
- 每次换仓按一个偏保守的固定费率（含冲击成本的估计）扣减；
- 优先在宽基 ETF 等高流动性品种上做实验；
- 对涨跌停日的成交做保守处理，例如禁止在涨停日买入。
过拟合：把噪声当规律
过拟合是指策略”记住”了历史数据中的偶然模式。参数试得越多、规则加得越细，样本内表现越好、样本外越糟。基本防线是样本内外划分：
train = data.loc[:'2022-12-31'] # 样本内：允许调参test = data.loc['2023-01-01':] # 样本外：只允许最终验证一次
# 在 train 上选定参数后，用同一套参数在 test 上跑# 如果对着 test 的结果反复改参数，test 就失效了关键纪律是：样本外数据只能”揭榜”一次。如果你看了样本外结果不满意、回头改参数再看一次，样本外实际上已经变成了样本内。
除了划分样本，还有几个判断过拟合的经验信号：规则条数越多越可疑（“均线金叉且成交量放大且周三除外”这类叠床架屋的条件，每加一条都是在缩小样本、放大巧合）；策略逻辑讲不出经济直觉、只能用”数据显示如此”来辩护的，也要打问号。一个粗糙但有用的标准：如果你不能用两三句话向别人解释这个策略为什么应该赚钱，它大概率是拟合出来的。
回测自查清单
在把任何回测结论讲给别人（或自己）之前，过一遍这张表：
| 检查项 | 通过标准 |
|---|---|
| 信息时点 | 所有信号只用决策时点前可得的数据，信号已 shift |
| 股票池 | 包含退市/ST，成分按历史时点取 |
| 成交假设 | 涨跌停、停牌日不假设可成交 |
| 成本 | 已扣佣金、印花税及冲击成本估计 |
| 参数 | 尝试过的参数组合数有记录，结果对参数平滑 |
| 样本外 | 留了未参与调参的时间段，且只验证了一次 |
| 可复现 | 换台机器重跑，结果一致 |
| 逻辑 | 能用两三句话说清策略为什么应该有效 |
这份清单的正确用法不是”想起来就看一眼”，而是把它变成流程：每次准备下结论前逐项打钩，任何一项不过关，结论就降级为”待验证”。回测的意义从来不是预测未来，而是淘汰坏想法——一个诚实的、结果平庸的回测，比一个漂亮但漏洞百出的回测有价值得多。
本课小结
- 未来函数的判断标准：那个时点这条信息是否真的可得。
- 幸存者偏差来自”用今天的名单回测昨天”，股票池要按历史时点构建。
- 成本与流动性会系统性侵蚀高换手策略，回测必须扣减。
- 样本外数据只能用一次，反复回看等于没有样本外。
- 好习惯是把自查清单变成每次回测的固定流程。
动手练习：把上一课的双均线回测改出一个”错误版本”——去掉 shift(1)，让信号当日生效——对比两版净值曲线的差异，感受未来函数能把结果美化到什么程度。