回测的坑：幸存者偏差与未来函数
一句话速览
过拟合还算容易发现，这三个坑更隐蔽：样本里少了已经消失的公司、假设了实际上成交不了的价格、用了当时还不知道的信息。
这节课要你带走的
三个坑各自的识别方法，以及一组「回测结果好得不像真的」时该查什么的信号。
1
幸存者偏差
如果你的股票池是「今天还在市场上的所有股票」，那么已经退市、被并购、长期停牌的公司都不在里面。
而那些公司恰恰是表现最差的一批。用今天的名单去回测过去，等于假设你当年就知道哪些公司能活下来。
典型症状：回测显示「买入跌幅最大的股票然后持有」很赚钱。
现实中这类策略会大量买到后来退市的票，而回测样本里没有它们。
ST 与退市 那一节讲过退市股的实际下场。
怎么处理：用包含退市股的完整历史名单（专业数据源会提供），
或者至少在结论里说明这个偏差的方向：你的回测结果偏乐观。
2
成交假设不成立
回测里下单必然成交，现实里不一定。差距最大的三种情况：
一是涨跌停。回测按涨停价买入，实盘要排队，可能根本买不到， 见 打板那一节。跌停时想卖也一样卖不掉。
二是流动性。小盘股、冷门股的盘口很薄，你的委托量本身就会推动价格， 见 五档盘口。回测按收盘价成交，实盘可能差好几个点。
三是滑点。即使能成交，实际价格也往往比回测假设的差一点。频率越高影响越大。
典型症状：策略专门交易小市值、低流动性标的，回测收益极高。
这类结果几乎都是成交假设造成的。
怎么处理：加保守的滑点假设（比如每次多算 0.1% 到 0.3%），
涨跌停时假设无法成交，并且限制单笔委托不超过该股日均成交额的一个很小比例。
3
未来函数
在决策时用了当时还拿不到的信息。这是三个里最隐蔽也最致命的， 因为它不会让回测「有点乐观」，而是让回测完全失去意义。
常见形式：
- 用当日收盘数据决定当日买入。比如「当日涨幅超过 5% 就买」， 但涨幅要收盘才确定，你无法在盘中知道。
- 用还没发布的财报数据。财报有披露日期， 用报告期而不是披露日去对齐数据，就把未来信息塞进来了。
- 用修订后的数据。很多宏观数据会事后修订， 用修订值回测等于用了当时不存在的数字。
- 指标计算窗口越界。比如某个「热度」因子实际上统计了未来几天的数据。
典型症状：回测曲线过于平滑、回撤极小、胜率高得不真实。
如果一个策略的回测曲线接近一条直线，先怀疑未来函数，而不是庆祝。
怎么处理：对每一个用到的数据问一句
「做决策的那一刻，这个数字存在吗」。
财报要用披露日对齐，盘中信号只能用已发生的分钟数据。
回测曲线太漂亮，先查数据，不要先高兴。
好得不像真的？先查这几个数
下面每一条出现时，都要回头查数据
最大回撤小得离谱查未来函数
胜率超过 70% 且盈亏比也大于 1查未来函数
年化收益超过 50% 且持续多年查成交假设
专做小市值或低流动性标的查滑点与冲击成本
策略偏爱大跌之后的股票查幸存者偏差
换个时间段结果就完全不同查过拟合（上一节）
这不是说好结果一定有问题。而是说好结果的先验概率很低，所以看到它时， 合理的反应是增加怀疑而不是增加信心。
一个最基本的自查
如果你自己做回测，至少做到这一条：把数据按时间切成两半，只用前一半调参数，然后在后一半上跑一次。
后一半的结果如果明显变差，说明前一半的优化是拟合噪音。这个动作成本很低，但能挡掉大部分自欺。
更严格的做法是滚动验证：用第 1 到 3 年调参、第 4 年验证，再用第 2 到 4 年调参、第 5 年验证，依此类推。这样能看出参数是不是需要频繁调整，而需要频繁调整本身就是不稳健的信号。
做
今天就做这一件事
回到 上一节 你找的那个回测，这次只问三个问题：
一、股票池包含已退市的公司吗？
二、成交价怎么假设的，有没有算滑点？
三、用到的每个数据，在做决策那一刻都存在吗？
三个问题里能明确回答的，通常一个都没有。而这就是你该给这个回测的可信度。
带走这一条：幸存者偏差让结果偏乐观，成交假设让结果无法复现，
未来函数让结果完全无效。回测曲线太漂亮时先查数据。
最基本的自查：数据切两半，前半调参、后半验证。