任何一个量化策略在投入真金白银之前，都必须经过回测。简单说，就是用历史数据模拟交易，看看如果过去几年按照这套规则买卖，结果会如何。

回测的基本步骤

1. 数据准备：收集股票、指数等历史价格、成交量、财务数据等。数据必须经过清洗，剔除停牌、除权除息未复权等错误记录。
2. 策略编码：将交易规则写成计算机代码，例如“如果A条件成立，在第二天开盘买入”。
3. 模拟交易：按时间顺序（从最早到最近），逐日运行策略，记录每次买卖的时间、价格、数量、交易费用（如果有）。
4. 绩效计算：统计总收益率、年化收益率、最大回撤、夏普比率（收益与风险的比值）、胜率、盈亏比等。
5. 稳健性检验：改变参数（比如把均线从20天改成30天），看结果是否依然稳定；用不同时间段的数据测试，看是否某一特定时期贡献了全部收益。

回测能告诉我们什么？

• 策略在过去的环境下是否盈利。
• 亏损阶段通常发生在什么样的市场条件下。
• 策略容量（大概管理多少资金不会明显影响收益）。

回测的常见陷阱（部分列表）

• 过拟合：为了追求漂亮的历史收益曲线，把策略调得太贴合过去数据，反而失去了适应未来的能力。
• 未来函数：回测代码中不小心使用了当时还不知道的数据，比如用第5天的收盘价在第3天做出买卖决定。
• 幸存者偏差：只使用当前仍在交易的股票做回测，忽略了那些已经退市的公司——这些公司往往是亏损的来源。
• 前视偏差：在没有及时更新的财报数据上做回测，导致信号产生时间早于实际可能的时间。

风险提示：

• 回测表现优异，绝不代表实盘一定能盈利。历史不会简单重复。
• 实盘存在交易成本（如买卖价差、市场冲击）和延迟，这些在回测中很难完美模拟。
• 即使回测稳健，也建议先用极小资金（如总资产的1%-2%）进行实盘试运行至少3-6个月，再逐步放大。

一个严谨的量化投资者，80%的时间可能不是在写策略，而是在做数据清洗和回测验证。永远把回测当作“模拟考试”，而不是“未来保证”。