阶段6回测基础●●●●●

前视偏差：回测第一大敌的工程学防御

我的掌握程度：

q-502精讲

先掌握这个答案

前视的六个藏身点+防御工程：①信号与成交同刻→错位设计：t日收盘信号只能t+1日成交（框架强制shift）；②财务对齐→只允许merge_asof(公告日)入口，禁止按报告期merge；③横截面标准化→用expanding（截至当日）统计，禁全样本均值；④股票池→用历史成分/历史状态，禁止「今天的列表」回测过去；⑤因子中间量→整条计算链的时间审计，shift宁多勿少；⑥复权价→用「截至当时」的复权因子（未来分红会改变历史复权价）。终极防线：截断检验——删掉最后20%数据重跑，历史信号必须逐日不变。

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

以信息可得时间对齐

财报报告期结束日不是市场获知信息的时间。对每个特征记录available_at，并确认不晚于决策时点；盘后数据通常不能用于同日收盘前下单。保留历史修订与退市样本，检查删尾重跑是否稳定。

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 复权（Adjusted Price）前视偏差（Look-ahead Bias）因子（Factor）回测（Backtest）

背景 · 从一个困惑说起

阶段1的q-063把前视偏差列为四大杀手之首，s-016讲了财务因子因对齐日期错误而「回测惊艳、实盘归零」的故事。现在你有了自己的30行回测引擎（q-501），是时候把防御前视从「知识」变成「工程」——让框架结构性地防住它，而不是靠每次小心。

由此产生的问题

回测框架里前视偏差的所有藏身之处在哪？如何设计让框架「想作弊都难」？

核心概念

为什么需要它

①系统胜于人肉：规则写在框架里（如撮合器只接受shift后的权重），合作者想犯错都难；②前视的特殊危险：它不像bug会报错，它只会让收益虚高——最擅长伪装成「我策略好」；③职业分水岭：机构代码评审的第一件事就是时间对齐审计，懂防御工程的研究员才被允许碰实盘。

实际应用场景

落地清单：回测器入口处统一做 shift(1)；数据层提供「时点正确」的接口（asof_join(point_in_time=True)风格）；每次回测报告自动附带截断检验结果；实验日志记录所有参数的时间信息。

与之前知识的联系

q-063的三保证书（用户版）升级为框架级防御（工程版）。q-501的迷你引擎在下一题将加上绩效指标层；本阶段的毕业作业是把它扩展成带全部防御的完整框架。

⚠ 常见误解

我人很小心所以不会犯：人肉审查在百行代码里勉强可行，千行代码+多年迭代必错——防御靠结构不靠细心
shift(1)一招就够：财务对齐、股票池、标准化统计量、复权因子……每个数据入口都有自己的时间陷阱
截断检验太麻烦：它是唯一能一次性暴露所有隐蔽前视的终极检验——省掉它的代价是整份回测不可信

🤖 AI导师

导师会先检查你的前置知识（回测构成、公告日对齐、shift纪律），再用案例、公式和代码帮助理解。此功能需要先启用服务。