阶段6回测基础●●●●●

阶段6开篇：什么是回测——策略的临床试验

我的掌握程度：

q-501精讲

先掌握这个答案

回测（Backtest）=用历史数据模拟策略的完整运行：信号生成→持仓计算→模拟撮合→计入成本→统计绩效。五大组成：①数据（复权价格、财务、股票池）；②策略规则（信号→权重的明确映射，无模糊地带）；③撮合假设（T+1、涨跌停、成交价格）；④成本模型（佣金/印花税/滑点）；⑤绩效引擎（净值、回撤、超额）。临床试验类比：策略=新药，历史数据=试验组，样本外数据=未参与试验的对照组——没有对照组的药效宣称都不可信。

先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。

从理解到使用

每一笔收益都要有可执行时间线

打印数据截止时间、信号时间、订单时间、成交时间和持仓收益区间。收盘信号不能乘当天完整收益；次日开盘成交也不能无条件拿到整个close-to-close收益。用原始价格判断可成交性，并纳入停牌与涨跌停。

本阶段实战方法 · 回测先过时序、成交与成本三道关

把信号变成策略收益时，每笔收益必须能追溯到当时能下出的订单。

画出时间线：数据可得→算信号→下单→成交→持仓收益；收盘信号不能倒用当天完整收益。
明确交易价格、T+1可卖数量、停牌涨跌停、仓位上限和实际成交量约束。
同时报告毛/净收益、换手、最大回撤、基准和样本外结果；对滑点与费率做压力测试。

使用边界

简单shift(1)只解决部分时序问题；次日开盘成交还要区分隔夜和日内收益。
成本应按成交金额与买卖方向计提；0.15%是教学情景，不是统一市场费率。

不懂的术语：股票（Stock）T+1 / T+0 涨跌停印花税 / 佣金 / 过户费滑点（Slippage）复权（Adjusted Price）回撤 / 修复期（Drawdown / Recovery）回测（Backtest）

背景 · 从一个困惑说起

阶段5你学会了挖因子：想法、构造、检验IC。IC 0.05，看起来不错——但「IC不错」到「能赚钱」之间隔着一条大河：因子怎么变成持仓？换手多高？扣完成本还剩多少？极端行情扛得住吗？回答这些问题的唯一办法，是把策略放进历史里完整走一遍。

由此产生的问题

回测的严格定义和基本构成是什么？为什么说它是「临床试验」而不仅仅是「算历史收益」？

核心概念

为什么需要它

①验证的唯一途径：逻辑推演无法回答「2015年股灾那天这个策略什么表现」，只有重放历史；②假设显性化：回测强迫你写下所有假设（成本多少、能否成交），每个假设都是未来实盘的一个风险点；③防自欺的训练场：阶段1 q-084的四大杀手（前视/成本/幸存者/过拟合）全部在回测环节埋伏——本阶段的核心任务就是把它们逐个关进笼子。

实际应用场景

回测的两种形态：向量化回测（信号矩阵→权重矩阵→收益矩阵相乘，快，适合研究）与事件驱动回测（逐日撮合模拟订单，慢而真，适合上线前验证）——阶段6先建前者，阶段7后用后者复检。

与之前知识的联系

q-010量化流水线的第③车间正式开工：阶段4的数据（原料）、阶段5的因子（信号）在回测引擎里第一次组装成完整策略。阶段1埋的所有种子（q-043涨跌停、q-044成交约束、q-053成本、q-063前视）在本阶段全部长成代码。

⚠ 常见误解

回测=算历史收益：算收益只是结果；回测的灵魂是「每个假设是否诚实」——同样的历史，不同的假设天差地别
回测收益好=策略好：先过四大杀手检查（q-084七连问），再谈收益——纸面收益是入场的门票不是终点
回测框架网上下载一个就行：用别人的框架而不理解其假设（成本默认值、撮合规则）=把自欺外包给了别人

🤖 AI导师

导师会先检查你的前置知识（量化工作流、正期望、因子概念），再用案例、公式和代码帮助理解。此功能需要先启用服务。