第 1 章：回测与自动化执行——策略的滤网

回测为什么会骗人：三大偏差#

• 前视偏差（Look-ahead bias）：用了决策时刻还不存在的信息。最常见的形态不是”偷看明天”这么明显，而是用当日收盘价计算信号、又假设按当日收盘价成交——信号算完市场已收盘。解法：信号永远用 T-1 及更早的数据，成交发生在 T。本平台回测引擎正是这么做的：前一日收盘决定持仓、当日结算收益；
• 数据窥探偏差（Data-snooping bias）：同一份数据上反复调参，总能调出一条漂亮曲线。Chan 的药方朴素而有效：参数越少越好、模型越线性越好，再留出样本外数据验证。他有一句反直觉的话：样本外表现略差是正常的，样本外反而更好才可疑；
• 幸存者偏差（Survivorship bias）：用”今天还活着的股票”回测历史，等于提前知道谁能活下来。对做多低价股、抄底类策略的高估尤其严重。

容易被忽视的数据细节#

• 股票：拆股与分红必须复权，否则除权日会出现一根假暴跌——本平台把复权放在读取时（hfq 因子 × 未复权价），存储层永远是原始价，正是 Chan 推荐的做法；
• 期货：连续合约是人工拼接的，换月缺口若不回填调整，会凭空制造趋势或反转；
• 报价源：用主交易所报价还是全市场合并报价，高频策略结果可能天差地别；
• 做空约束：回测里”卖空”一行代码，实盘要有券可融——A 股个股融券池窄且贵，任何含做空腿的回测都要打折看。

回测显著性：这条曲线是运气吗#

Chan 引入假设检验的视角：把”策略无效”当零假设，检验回测收益是否显著异于零。更实用的是蒙特卡洛检验——随机打乱入场时点或用随机信号跑同样的规则，若真策略跑不赢大多数随机对照组，那条漂亮曲线多半是运气。

但他同时警告：统计显著也不保证未来——政体转换（regime shift）会让一个真实存在过的规律失效。2008 年前后许多均值回归策略的参数完全变了。回测检验的是”过去是否为真”，不是”未来是否为真”。

自动化执行#

策略验证后要能自动跑：从”收数据 → 算信号 → 下单”全链路无人值守。Chan 强调自动化不是为了炫技，而是为了纪律——手动执行迟早会在亏损日”再等等看”。本平台的调度守护进程（收盘后自动增量更新）正是这条链路的前半段。

对应本平台#

• 回测引擎的 T-1 决策、双边换手成本，就是本章前视偏差与成本教训的代码化；
• 用 --cost 0.001 / 0.003 跑两遍同一策略，是最便宜的”稳健性检验”；
• 想复现蒙特卡洛检验：把因子值随机打乱后再跑回测，对照真因子的净值曲线。

本章带走的三句话#

1. 回测是滤网不是证明：它只能筛掉坏策略，不能担保好策略；
2. 三大偏差各有一把钥匙——前视靠 T-1 决策，窥探靠少参数加样本外，幸存者靠全样本数据；
3. 统计显著只说明”过去为真”，政体转换随时可以没收未来。