仅凭“用历史走势测试过”这一件事，无法判断一个策略能不能赚钱。回测能说明的只是：在设定的规则、数据区间和成本假设下，这套逻辑过去会产生什么结果；它不能证明未来会重复这个结果，也不能替任何人决定是否投入真金白银。要判断可信度，缺的是对数据质量、假设条件、样本外表现和失效机制这几类信息的核验，而不是一个“回测收益高就能赚钱”的结论。

回测到底在验证什么

回测是把一套明确的买卖规则，放到历史行情里逐笔模拟，得到一个假想的收益与风险序列。它的价值在于证伪：如果一套逻辑在历史数据里都跑不通，通常说明规则本身有矛盾或前提不成立；但反过来，历史跑得通，并不等于未来成立。

需要区分两件事：一是策略的“逻辑是否成立”，二是“历史数据是否支持这个逻辑”。前者靠产业、财务或行为层面的推理，后者靠统计检验。回测只能部分回答后者，而且回答质量高度依赖输入。

历史表现好，可能来自哪些并存的原因

一段漂亮的回测曲线，至少有几种解释同时成立，且它们需要不同的证据来区分：

  • 策略确实捕捉到了某种可重复的规律。核验方向是看这个规律是否有可解释的经济或产业逻辑，以及在不同市场阶段、不同标的上是否稳定，而不是只在单一区间有效。
  • 过拟合。规则被反复调整到刚好贴合这段历史，参数越多、调整次数越多，这种可能越大。核验方向是看参数微小变动后结果是否剧烈变化，以及样本外区间是否同样成立。
  • 幸存者偏差与数据问题。回测所用的标的池如果只包含今天还存在的公司，或历史数据存在复权、停牌、退市处理不当，结果会被系统性抬高。核验方向是核对数据来源、标的纳入规则和退市标的处理方式。
  • 成本与可执行性假设过于乐观。手续费、印花税、冲击成本、涨跌停无法成交、流动性不足等，都会侵蚀纸面收益。核验方向是把这些假设逐项对照真实交易规则和当时的成交情况。
  • 纯粹的偶然。样本区间太短或交易次数太少时，好结果可能只是随机波动的产物。核验方向是看统计显著性，以及在不同起止时间下结果是否稳健。

这些原因往往同时存在，不能只挑一个当成结论。把“回测赚钱”直接等同于“策略能赚钱”，是把待验证假设当成了事实。

需要核对哪些公开事实

判断一个回测是否值得进一步研究，重点不是看它赚了多少，而是核对它怎么算出来的：

  • 数据区间与样本内外划分：是否预留了未参与规则调整的样本外区间，样本外表现与样本内差多少。
  • 标的池构成规则：是否包含已退市、被并购的标的，纳入和剔除标准是否事先固定。
  • 交易成本与成交假设：费率、滑点、涨跌停与停牌处理是否贴近当时的真实规则，这些规则应以交易所和登记结算机构的公开文件为准。
  • 参数敏感性：核心参数小幅变动后，收益与回撤是否发生方向性改变。
  • 策略容量与流动性：策略依赖的标的在当时是否有足够成交，规模放大后是否还成立。
  • 逻辑来源：规则背后的假设是否有可查证的产业、财务或行为依据，而不是纯粹的数据挖掘。

这些信息大多不会写在收益曲线旁边，需要主动向策略提供方或自己复现时逐项确认。凡是只给结果、不给假设和数据的回测，可核验的部分非常有限。

结论的适用边界

即便上述核对都通过，结论的边界依然很窄：历史表现不构成对未来收益的承诺。市场结构、参与者、规则和宏观环境都会变化，曾经有效的规律可能失效，也可能在被广泛使用后收益被压缩。

因此，回测适合用来排除明显不成立的逻辑、暴露规则里的隐含假设，而不适合用来预测收益或作为决策的唯一依据。任何涉及资金的动作，都取决于每个人自己的风险承受能力、资金属性和对不确定性的容忍度，这些无法由一段历史曲线替代。

常见问题

回测收益高，是不是就说明策略能赚钱？

不是。高收益可能来自过拟合、幸存者偏差或过于乐观的成本假设，这些都需要用样本外表现和假设核对来区分。历史收益本身不能证明未来会重复。

样本外表现好，就足够可信了吗？

样本外表现比样本内更有参考价值，但仍受区间选择、交易次数和成本假设影响。还需要看参数敏感性、标的池规则和逻辑是否有可解释依据，单看一个区间的好结果并不充分。

普通人怎么判断一份回测靠不靠谱？

优先核对数据来源、样本内外划分、成本与成交假设、参数敏感性这几项，并确认规则背后的逻辑能否被独立解释。只给收益曲线、不给假设和数据的回测，可验证的信息非常有限。