回测年化100%实盘亏30%？三个致命深坑，专坑量化小白
回测年化100%、最大回撤不到8%、夏普比率2.5——曲线完美如画。实盘三个月，策略亏了30%。这个场景在量化圈重复了无数次，以至于它几乎成了一种"成人礼"。
问题出在哪里？不是代码有bug，而是回测本身在撒谎。三个致命深坑，每一个都足以让你的回测收益从"印钞机"变成"绞肉机"。
一、过拟合：你的策略不是在描述市场，是在背诵历史
过拟合（Overfitting）是回测的头号杀手。你建了一个均线交叉策略，发现有些亏损交易"不该亏"，于是加一个RSI过滤；又发现某些时段表现差，加一条"1月和4月空仓"；再调一下止损距离，精确到分……每加一条规则，历史曲线就更平滑一点。到第十条规则时，你的策略已经是一条完美的45度上升线——因为它已经把过去的每一笔交易都反向工程了。
图：过拟合、前视偏差、幸存者偏差——回测与实盘差距的三大根源
过拟合的红旗信号：参数超过10个、微小参数变动导致结果剧变、策略只在特定时段有效、夏普比率超过3、零亏损月。检测方法很简单：把策略跑在你从未看过的时段上。如果样本内收益180%、样本外只有12%甚至为负，你找到的不是策略，是曲线拟合。
二、前视偏差：你用了"未来的底牌"打昨天的牌
前视偏差（Look-ahead Bias）是最隐蔽的坑。它的本质是：回测时用了决策时刻不可能获得的信息。
最常见的三种形式：
- 用当日收盘价做当日决策：盘中你不知道收盘价是多少，但回测代码里用了当日close生成信号——等于偷看了未来。
- 财报数据提前使用：一季报覆盖1-3月，但实际公布日在4月底。如果你在4月1日就用到了这笔数据，就是在用未来信息。
- 复权价格不当：后复权价格在除权日会追溯调整，但当时你并不知道未来会分红送转。用了被未来调整过的价格做过去决策，同样属于前视。
正确做法：所有信号都用shift(1)——基于昨天的数据生成今天的信号。财报数据严格按公告日对齐，而非报告期截止日。
三、幸存者偏差：你只看到了活下来的那批
幸存者偏差（Survivorship Bias）是最容易被忽视的坑。你在今天的股票池上回测过去十年的策略——但今天的股票池里，已经没有退市的那些公司了。那些退市的、破产的、被摘牌的，恰恰是表现最差的股票。把它们从样本中剔除，等于系统性地剔除了最差的结果，回测收益自然被虚高。
研究显示，幸存者偏差通常使年化收益虚高1-3个百分点。对低收益策略来说，这点差距足以把一个亏损策略变成"盈利"策略。
四、怎么避免：一个实操清单
- 走步前验证（Walk-forward）：训练集70%、测试集30%，严格按时间切分，绝不随机打乱。只在测试集上看结果。
- 参数尽量少：3条规则能描述的策略，不要用15条。简单策略的鲁棒性远超复杂策略。
- 加入交易成本：佣金万2、印花税千1、滑点设为买价+0.2%/卖价-0.2%。不加成本的回测都是自欺欺人。
- 用含退市股票的数据库：如果数据源只提供现存股票，回测结果从根基上就有偏差。
- 先模拟盘验证再上实盘：回测跑通后，先用信络量化交易助手这类工具在模拟环境跑2-4周，确认实盘行为与回测一致后再投入真金白银。