回测数据能信多少
前面的章节中，我们大量引用了回测数据——累计收益、最大回撤、净值曲线……这些数据看起来很精确、很可信。但有一个根本性的问题必须面对：回测不等于实盘，历史不代表未来。
这一章不是要否定回测的价值，而是帮你建立对回测数据的「批判性认知」——知道它的边界在哪里，才能正确使用它。
一、回测的本质：模拟，不是预言
回测是用历史数据模拟策略的表现。它回答的问题是：「如果过去这段时间一直运行这个策略，结果会怎样？」
但注意——回测无法回答「未来会怎样」。市场的参与者、结构、政策、流动性都在变化，历史规律不会完美复制。
正确理解：回测是策略的「体检报告」，不是「成绩单」。体检合格不代表以后不会生病，但体检不合格一定需要重视。
二、回测的四大陷阱
陷阱1：过拟合——策略「记住」了历史
如果策略的参数是在回测数据上反复调优得到的，它可能完美适配历史数据，但对未来数据毫无预测能力。就像学生背下了所有答案，但换一套题就不会了。
识别方法：回测收益极高但逻辑复杂、参数极多的策略，过拟合风险更高。42号概率实验室的策略尽量保持参数简洁，降低过拟合风险。
陷阱2：幸存者偏差——只看「活下来」的
如果你只看到表现好的策略回测数据，而忽略了同类型其他失败策略，就会产生偏差。
识别方法：问自己「有没有同类型但表现很差的策略？」如果答案是「有但没人提」，就需要警惕。
陷阱3：前视偏差——用了「不可能知道」的信息
如果回测中不小心使用了当时不可能获取的数据（比如用今天才知道的成分股数据做过去的模拟），结果会严重失真。
识别方法：确认回测系统是否严格使用了「时间点」数据——每个时间点只能用该时间点之前已知的信息。
陷阱4：交易成本的忽略
很多回测不考虑手续费、滑点（实际成交价和理想价格的差距）、冲击成本（大额交易对价格的影响）。这些因素在实盘中会显著侵蚀收益。
识别方法：一份负责任的回测报告应该明确标注是否包含了交易成本，以及使用了什么假设。
三、如何评估回测结论的可靠程度
面对一份回测数据，用以下清单评估它的可信度：
- 回测时间跨度：至少覆盖2-3年以上，包含不同市场环境（牛市、熊市、震荡市）。42号概率实验室的回测期从2025年1月到2026年8月，共393个交易日，覆盖了多种市场状态。
- 策略逻辑是否简洁：逻辑越简洁、参数越少的策略，过拟合风险越低
- 是否包含交易成本：没有标注交易成本的回测，结果应打折扣
- 样本外验证：如果有条件，用回测数据之外的时间段验证策略是否仍然有效
- 是否有理论支撑：策略背后的逻辑是否有金融学或统计学的理论支撑？还是纯粹从数据中「挖」出来的规律？
四、正确的回测使用姿势
回测不是不能信，而是不能「盲信」。正确的使用方式是：
- 用回测筛选策略：排除明显不合格的策略（回撤过大、逻辑不通）
- 用回测比较策略：在相同条件下横向对比不同策略
- 用回测设定预期：对策略的收益范围和回撤幅度建立合理预期
- 不要用回测预测收益：回测说「赚了28%」不代表你也能赚28%
本章要点
- 回测是「体检报告」不是「成绩单」——用来筛选和比较，不是预测未来
- 四大陷阱：过拟合、幸存者偏差、前视偏差、交易成本忽略
- 评估回测可靠性的关键：时间跨度、逻辑简洁性、交易成本、样本外验证、理论支撑
- 正确的回测使用方式：筛选→比较→设预期，而不是直接预测收益
思考题
- 42号概率实验室五大策略的回测期是393个交易日，你认为这个时间跨度足够吗？还缺什么？
- 如果一个策略回测年化收益 50%、参数有 20 个，你会怎么评估它的可信度？
- 「回测收益不等于实盘收益」——你认为主要原因有哪些？
理解了回测的边界后，最后一章我们把所有知识串联起来，走一遍「从看报告到做决策」的完整路径。