为什么回测赚钱、实盘亏钱？量化里的三个坑

我是智界探索者。

上周有人聊"怎么花 0 元把回测跑起来"，后台不少朋友真的跑了一遍。今天换个角度：回测跑出来的漂亮数字，为什么到了实盘常常不灵？

不是玄学，是有原理的。坑基本就三个：过拟合、幸存者偏差、成本滑点。今天一个个讲透，讲完你就知道一套靠谱的量化工具该怎么搭。

坑一：过拟合——历史数据"试"出来的好策略

你在历史数据上改参数、换指标，试的次数越多，总能撞出一个表现特别好的策略。这个"好"，很多时候不是策略真有效，而是它恰好"背下了"这段历史的噪声。

这不是猜测，是算得出来的。数学家 Bailey、Borwein、López de Prado 等人 2014 年发表在美国数学学会会刊（Notices of the AMS）上的研究算过一笔账：用两年的历史数据，只要独立尝试 7 个策略变体，挑出来的最优策略，样本内夏普比率期望就能到 1；而它真实的样本外表现期望是 0——纯粹是运气。数据拉长到五年，也只需要试 45 次。

（来源：Bailey, Borwein, López de Prado & Zhu, "Pseudo-Mathematics and Financial Charlatanism", Notices of the AMS, 2014 年 5 月）

防御办法其实朴素：把数据切成三段，前段调参数，中段验证，末段只测一次不再改。训练集夏普 2.5、测试集只剩 0.3，就是过拟合的典型症状。另外老老实实记下自己总共试了多少次——试的次数本身就是证据。

坑二：幸存者偏差——你的数据里少了"死掉的股票"

用今天的股票名单去回测十年前，等于默认：这些股票十年前就存在，而且都活到了今天。

现实是，十年里有大量公司退市、破产、被收购。被剔除的恰恰往往是表现最差的那批。把亏损股从数据里悄悄删掉，回测收益自然被系统性高估。

一个直观的示意：8 只股票，5 只活着、年化收益平均 10%，3 只退市、损失惨重——把退市的加回来，组合的真实平均收益就从"年化 10%"缩水成负数。这还只是小样本示意，真实市场中长周期回测的虚高幅度更大（具体大小随样本与方法不同，待核实）。

防御办法：回测要用包含退市股的全历史数据库。只提供当前上市股票的数据源，拿来做长周期回测就有先天缺陷。

坑三：成本与滑点——回测里的交易是"零摩擦"的

回测默认：你随时能以现价成交任意数量，一分钱手续费都不掏。真实市场没这好事。

以 A 股为例，卖出一方要缴印花税，2023 年 8 月 28 日起按成交金额的 0.05%（万分之五）单边征收（来源：财政部、税务总局公告 2023 年，央广网报道）；再加上佣金、过户费，以及实盘里躲不开的滑点——你下的单会把价格"推着走"，成交价总比理想价差一点。极端情况还有涨跌停封板，信号有了、根本买不进。

对低频策略，这些成本可能只是"打折"；对换手快的高频策略，单笔利润往往只有万几，成本一加，收益从正变负是常态。所以回测前先做一遍成本敏感性分析：成本翻倍策略就不赚了，说明安全边际太薄。

工具架构怎么搭：三层各司其职

把上面三个坑记住之后，一套开源工具链就清晰了：

数据层：AKShare、Tushare Pro——拉 A 股行情与基本面数据（注意核对是否含退市股）。

研究与回测层：Backtrader 是经典的事件驱动回测框架，语法清晰适合入门理解机制，但社区已多年未大更新；微软开源的 Qlib 面向 AI 量化研究，内置 Alpha158 等现成因子库和机器学习模型，适合做因子挖掘（来源：两框架 GitHub 与社区对比资料，2026 年 10 月查询）。

实盘与交易层：vn.py 是国内主流全栈量化框架，从回测到期货 CTP 实盘一条链，活跃维护中。

上手第一步很简单：装 AKShare 拉一段历史数据，用 Backtrader 跑一个最简单的双均线策略，然后亲手把三个坑各踩一遍——去掉退市股、去掉成本、把参数调到最好看——看指标怎么变化。踩过一次，比看十篇文章记得牢。

今日一词：夏普比率

夏普比率 = 超额收益 ÷ 收益波动，衡量"每承担一单位风险，换来多少回报"。数值越高越"划算"，一般认为长期大于 1 已属不错（经验参考，非标准）。

但别忘了今天讲的三坑：过拟合、幸存者偏差、零成本假设都会把夏普"美化"。所以量化研究里专门有"缩水夏普比率"（Deflated Sharpe Ratio）这类修正方法——把你的尝试次数、样本长度都算进去，给漂亮的数字挤水分。

回测能帮你排除坏策略，但很难证明一个策略真的好。这份清醒，比任何漂亮曲线都值钱。

算力（服务器）+入口（官网/小店）+内容（获客）三样缺一不可。想搭建自己的线上阵地，进入 www.chenclan.cn 了解自助建站与云服务，关注「智界探索者」，我们下次见。

以上仅为技术分享，不构成投资建议，市场有风险，入市需谨慎。