很多个人投资者在接触量化交易时，都会经历这样一个过程：写了一个策略，跑了一遍历史数据，年化收益 40%，最大回撤只有 8%，夏普比率 2.5。心里一阵激动，觉得找到了财富密码。结果实盘一跑，三个月亏了 15%，开始怀疑人生。
问题出在哪？不是市场变了，而是回测本身就在骗你。下面拆解几个最常见的回测陷阱，以及如何避开它们。
陷阱一：未来函数——用明天的信息做今天的决策
这是最致命也最隐蔽的错误。举个例子：你写了一个策略，用当日收盘价判断是否买入，然后以当日开盘价成交。听起来没问题？但收盘价要到收盘后才知道，你不可能在开盘时用它做决策。
更隐蔽的版本：用当天最高价判断止盈是否触发。比如“如果当日最高价超过买入价 5%，就卖出”。回测里这笔交易完美止盈，但实盘中你根本不知道最高价什么时候出现，可能冲高 5% 后一路暴跌，你还没来得及卖。
自查方法：把策略中每一个用到的数据，问自己一句——“在做出交易决策的那个时刻，这个数据真的已经确定了吗？”如果答案是“不确定”，那就是未来函数。
陷阱二：过度拟合——曲线越漂亮，实盘越打脸
假设你有一组历史数据，你不断调整参数：均线周期从 20 改成 18，再改成 22，发现 18 天均线收益最高；止损从 5% 调到 4.5%，收益又高了一点。最后你得到一组“最优参数”，回测曲线平滑得像艺术品。
但这组参数只是对历史数据的精确记忆，不是对市场规律的捕捉。换一段数据，或者进入实盘，市场噪音一变，策略立刻失效。
判断标准：如果参数微调一点点（比如均线从 18 改成 19），收益就大幅下降，说明策略极度依赖特定参数，过拟合概率极高。真正稳健的策略，参数在合理范围内变动时，收益应该相对稳定。
陷阱三：幸存者偏差与数据质量
很多免费数据源只包含当前还在上市的股票。那些退市的、被 ST 的、破产的公司，数据里根本没有。你的回测只看到了“活下来”的股票，自然收益好看。但实盘中你买入的股票可能明年就退市了。
另外，复权处理也很关键。前复权价格在除权除息日会出现跳空，如果你用前复权数据做回测，又用不复权价格计算仓位，结果会严重失真。
实操建议：尽量使用包含退市股票的全样本数据，并且统一复权方式。如果数据源做不到，至少要在策略中加入流动性过滤和基本面过滤，避免买入即将退市的标的。
陷阱四：忽略交易成本和滑点
回测里一笔交易赚 3%，扣掉手续费和印花税可能只剩 2.5%。如果策略是高换手率的，比如每天调仓，一年 250 个交易日，光交易成本就能吃掉 20% 以上的收益。
滑点更隐蔽。回测里你假设以收盘价成交，但实盘中大单可能推动价格，小单也可能因为流动性不足而成交在更差的价位。尤其是小市值股票，滑点可能高达 1% 以上。
粗略估算：A 股单边交易成本约 0.1%-0.3%（含佣金、印花税、过户费），滑点按 0.1%-0.5% 估算。如果你的策略年换手率是 10 倍，光成本就要扣掉 2%-8%。很多“高收益”策略扣完成本后直接变成负收益。
如何做出更接近实盘的回测？
第一，用样本外数据验证。把历史数据分成两段，前 70% 用来开发策略，后 30% 用来验证。如果样本外表现大幅下滑，说明过拟合。
第二，加入真实交易成本。至少按双边 0.3% 计算，高换手策略按 0.5% 以上计算。
第三，做滚动回测。不要只跑一次全历史，而是滚动向前：用前 3 年数据训练，用第 4 年验证，再滚动。这样能看出策略在不同市场环境下的稳定性。
第四，用模拟盘跑一段时间。实盘前至少跑 1-3 个月模拟盘，观察信号执行、滑点、流动性是否符合预期。
如果你觉得自己写代码、调数据太麻烦，可以试试 股票搭子 这类平台。它支持用自然语言描述策略逻辑，自动生成 AI 量化技能，省去不少数据清洗和回测框架搭建的功夫。不过工具再方便，上面这些回测陷阱依然要自己心里有数。
结语
回测是必要的，但回测好看不等于实盘赚钱。未来函数、过拟合、幸存者偏差、交易成本，这四个坑每一个都能让漂亮的回测曲线变成实盘的亏损账单。下次看到年化 50% 的回测结果，先别激动，先问一句：扣完成本了吗？样本外验证了吗？参数敏感吗？
投资有风险，入市需谨慎。历史回测表现不代表未来收益，任何策略都可能亏损本金。
🚀 想用自然语言创建自己的 AI 量化技能？
欢迎访问 股票搭子 —— 用一句话，让 AI 帮你搭建专属量化策略。
🚀 想用自然语言创建自己的 AI 量化技能？
欢迎访问 股票搭子 —— 用一句话，让 AI 帮你搭建专属量化策略。