阶段6回测基础●●●●●

回测-实盘偏差解剖：五个来源的量化对照

我的掌握程度：

q-521精讲

先掌握这个答案

五来源：①成本差：实际滑点>假设（量级1-3%/年，换手越高越大）——用实盘成交回流校准（q-939）；②执行差：信号到成交的时滞与部分成交（0.5-2%/年）——执行算法与限价策略的损耗；③数据差：回测数据的修正/幸存者（0-3%/年，事前难知，事后用PIT复检）；④统计差：过拟合的样本内虚高（2-10%/年——最隐忍的大头，靠样本外预判）；⑤环境差：市场结构变化、因子拥挤（0-∞——2017/2024的教训）。监控体系：上线起每日对比"实盘净值 vs 同期回测重放净值"（用真实成交重跑），偏差序列分来源归因月报。

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。

用模拟盘先验证系统行为

先演练重复信号、网络超时、断线重连和部分成交，检查订单幂等与持仓对账。回测结果不验证交易通道、延迟与容量；启动、暂停和恢复都要有明确条件与记录。

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：滑点（Slippage）过拟合（Overfitting）样本内 / 样本外（In-Sample / Out-of-Sample）因子（Factor）回测（Backtest）

背景 · 从一个困惑说起

策略上线三个月，实盘年化比回测低了8个点。这8个点不是玄学，它有结构——把偏差拆成可归因的五个来源，每个都能量化、都能管理。

由此产生的问题

回测-实盘偏差的五个来源（成本/执行/数据/统计/环境）各自的特征量级？上线后怎么建立偏差监控？

核心概念

为什么需要它

①偏差不是失败是信息：每一个偏差点都在告诉你模型哪里与现实不符——它是研究迭代的最强信号源；②分而治之：五来源的管理手段完全不同（校准成本/优化执行/修数据/改流程/监控环境）——混为一谈的"策略不行"无法行动；③职业素养：能向投资经理解释"这8个点差在哪"的研究员，与只能说"回测不准"的——是两种职业命运。

实际应用场景

上线清单：偏差预算表（预计每来源年化损耗）+监控看板（实盘vs重放回测的日偏差）；月度归因会议的三张表：成本表、执行表、环境指标。

与之前知识的联系

q-084（四大杀手）的实盘版展开；q-939（滑点实测）是来源①的工具、q-945（复盘）是流程容器；阶段10的实盘月报将完整落地本题框架。

⚠ 常见误解

实盘差=策略失效：先拆解——若主要是成本差（可校准）与执行差（可优化），策略本体可能依然健康；环境差才谈"失效"
回测重放很麻烦没必要：它是唯一能把"策略问题"与"落地问题"分开的手术刀——机构上线标配
偏差监控三个月就够了：环境差与统计差的显现以年计——监控是策略的终身伴侣

🤖 AI导师

导师会先检查你的前置知识（四大杀手、滑点假设），再用案例、公式和代码帮助理解。此功能需要先启用服务。