什么是回测？量化策略为什么一定要先回测
什么是回测？量化交易回测是什么意思
如果你想到一个交易方法，比如：
“股价站上20日均线就买入，跌破20日均线就卖出。”
这个方法听起来很简单。
但问题是：它真的能赚钱吗？
你不能拿真钱先试几年，再决定这个方法好不好。
所以量化交易里有一个非常重要的步骤，叫做：
回测。
简单来说，回测就是把你的交易规则放到过去的历史数据里跑一遍，看看如果当时真的按照这个方法交易，最后会发生什么。
一、回测到底在做什么
假设现在是2026年。
你设计了一个策略：
- 股价突破过去20天最高价时买入；
- 跌破10日均线时卖出；
- 每次只买一只股票；
- 每次投入10万元。
你可以把这套规则放到过去10年的历史行情里。
程序会按照每天真实出现过的价格，一天一天往前跑。
比如：
2018年3月5日，满足买入条件。
程序记录一次买入。
2018年4月2日，满足卖出条件。
程序再记录一次卖出。
然后继续往后跑。
直到把10年的数据全部跑完。
最后，你可能得到这样一份结果：
初始资金：10万元
最终资金：18万元
累计收益：80%
最大回撤：22%
胜率：46%
一共交易：137次
这就是一次最基础的回测。
它回答的其实只有一个问题：
如果过去真的按照这套规则交易，会发生什么？
注意，是“过去会发生什么”。
不是“未来一定会发生什么”。
这两个概念一定要分清楚。
二、为什么做量化策略之前一定要回测
很多交易策略听起来都很有道理。
比如：
“跌得多了就会反弹。”
“强者恒强。”
“突破新高说明趋势来了。”
“低估值股票长期收益更高。”
每一句话听上去都可以讲出一套逻辑。
但市场里最不缺的就是“听起来有道理”。
真正的问题是：
历史数据支不支持这个说法？
举个很简单的例子。
有人告诉你：
每次股价连续下跌5天，第6天买入，持有3天，大概率赚钱。
如果没有回测，这只是一个观点。
如果你把它放到过去15年的全部股票数据里测试，发现：
测试了20万次交易机会，
平均收益只有0.03%，
再扣掉手续费和滑点以后，变成负收益。
那这个策略基本就没有继续研究的必要了。
回测最大的价值，就是帮你把：
“我觉得有效”
变成：
“历史数据到底怎么说”。
这也是量化交易和纯主观判断之间非常重要的区别。
三、回测不是为了证明自己是对的
这是很多刚接触量化的人最容易犯的错误。
有了一个策略之后，他们会不断修改参数。
比如最开始测试的是：
20日均线上穿60日均线买入。
发现效果一般。
于是改成：
18日和55日。
还是一般。
继续改：
17日和53日。
收益突然很好。
于是得出结论：
“17日均线和53日均线是最佳参数。”
这时候就要小心了。
因为你有可能不是发现了市场规律，而只是不断修改参数，直到碰巧找到了一组最适合过去数据的数字。
这有点像做一张已经知道答案的试卷。
你不断改答案，最后当然可以考100分。
但换一张新试卷，可能马上就不及格。
这就是量化交易里非常重要的一个问题：
过拟合。
所以真正好的回测，不是为了证明你的策略有多厉害。
而是要尽可能找出：
这个策略为什么可能失效。
四、一个策略回测赚钱，就能直接实盘吗
不能。
这是回测里最重要的一句话之一。
假设一个策略过去10年的回测结果是：
年化收益25%，
最大回撤12%，
夏普比率1.8。
看起来非常漂亮。
但真实交易时，还会遇到很多回测没有完全体现的问题。
例如：
1. 手续费
交易次数越多，成本越高。
如果一个策略每天交易几十次，看起来每次赚一点点，手续费可能就把利润吃掉了。
2. 滑点
回测里可能显示：
你在10.00元买入。
但现实中你下单时，真正成交的价格可能是10.02元。
这2分钱，就是滑点的一部分。
3. 流动性
有些股票每天成交量很小。
回测可能默认你能一次买入1000万元。
现实中却可能根本没有那么多卖单给你成交。
4. 数据问题
如果历史数据本身有错误，回测结果也会跟着错。
比如：
股票复权处理错误；
退市股票被删除；
停牌数据没有正确处理。
这些问题都可能让策略看起来比实际更好。
所以一个完整的量化研究流程，一般不是：
策略 → 回测 → 实盘
而更接近：
想法 → 回测 → 检查数据 → 检查交易成本 → 样本外测试 → 模拟交易 → 小资金实盘
回测只是其中非常重要的一步，但不是最后一步。
五、做回测时最应该看什么
很多新手看到回测报告，第一眼只看一个数字：
收益率。
比如：
策略A：年化30%
策略B：年化18%
于是马上得出结论：
策略A更好。
其实远远不够。
一个最基础的回测，至少要看下面几个指标：
收益率
赚了多少钱。
最大回撤
最差的时候亏了多少。
夏普比率
为了获得这些收益，你承担了多大的波动。
胜率
一共交易这么多次，有多少次是赚钱的。
盈亏比
赚钱的时候平均赚多少，亏钱的时候平均亏多少。
交易次数
结果是不是只靠少数几次交易撑起来的。
交易成本
手续费和滑点有没有算进去。
这些指标组合起来，才比较接近一个策略真实的样子。
所以后面我们会分别讲：
什么是收益率；
什么是最大回撤；
什么是夏普比率；
什么是胜率；
什么是盈亏比。
当这些概念看懂以后，你基本就能读懂大部分量化策略的回测报告了。
六、举一个最简单的回测例子
假设我们有一个非常简单的策略：
当沪深300指数站上200日均线时持有，跌破200日均线时空仓。
初始资金10万元。
我们把它放到过去15年的数据里。
程序会做几件事：
第一步，读取每天的沪深300指数价格。
第二步，计算每天的200日均线。
第三步，判断当天指数是否高于均线。
第四步，根据规则决定持有还是空仓。
第五步，计算每天资金的变化。
最后画出一条资金曲线。
这样我们就能看到：
这套策略过去15年赚了多少钱；
在哪一年亏得最多；
什么时候表现最好；
什么时候表现最差；
有没有连续几年跑输市场。
这时候你看到的，已经不再是一句：
“长期均线可以过滤熊市。”
而是一整套可以检查的数据结果。
这就是回测的意义。
七、回测最容易给人一种错觉
回测图经常非常漂亮。
尤其是一条从左下角慢慢涨到右上角的资金曲线，很容易让人产生一种感觉：
找到赚钱机器了。
但要记住：
回测研究的是过去。
而交易发生在未来。
过去有效的规律，未来可能继续有效，也可能变弱，甚至完全消失。
所以一份好的回测报告真正应该告诉你的，不只是：
这个策略过去赚了多少钱。
还应该告诉你：
它在哪些环境下赚钱；
在哪些环境下亏钱；
最差的时候会怎样；
如果参数稍微变化，结果还是否成立；
如果换一段历史数据，结果是否还成立。
这些问题，往往比“年化收益是多少”更加重要。
最后
可以把回测理解成量化交易里的“历史模拟考试”。
你先把自己的交易规则放到过去的市场里跑一遍。
如果连过去的数据都经不起检验，就没有必要急着拿真钱交易。
但如果回测结果很好，也不能说明未来一定赚钱。
回测真正的作用，是帮助我们筛掉明显无效的想法，同时更清楚地了解一个策略可能赚多少钱，又可能承担多大的风险。
所以以后当你看到一个量化策略，第一件事不要问：
“这个策略赚钱吗？”
更应该先问：
“它是怎么回测的？”
因为很多时候，真正决定一份回测报告是否可信的，并不是最后那条漂亮的收益曲线，而是它背后的测试方法。