仅凭“怎么用历史数据测一下新策略”这一句提问，无法推出某个策略是否有效，也无法推出任何买卖、加减仓或资金安排动作。历史回测能回答的是“这套规则在已发生的数据里会呈现什么结果”，不能回答“未来会不会赚钱”。要让它具备参考价值，至少还缺三类关键信息：策略规则是否被完整、无歧义地写下来；所用数据是否真实可得、是否包含退市与停牌等情形；评价标准是事前设定还是看到结果后倒推。
回测到底在测什么
回测是把一套事先写死的规则，放到历史行情或历史财务数据上跑一遍，看它在过去会触发哪些交易、产生什么盈亏路径。它检验的是规则与数据的一致性，不是策略的“正确性”。
这里有个常被混淆的分工：回测适合验证逻辑是否自洽、是否可执行、在哪些环境下会失效；它不适合用来“找参数”——反复调整参数直到历史曲线好看，得到的往往是对过去的精确描述，而非对未来的判断。参数越多、规则越复杂，这种风险越大。
结果可能来自哪些并存的原因
同一份回测曲线，背后可能有好几种解释，它们并不互斥：
- 策略逻辑确实捕捉到了某种可重复的结构。要区分这一点，需要看它在不同市场状态、不同标的、不同时间段是否表现一致，而不是只看总收益。
- 过拟合。规则被反复修改到贴合某段历史，换一段数据就失效。可核对的线索是：参数数量与样本长度的比例、参数微小变动后结果是否剧烈变化。
- 幸存者偏差。如果标的池只包含今天还在交易的品种，那些中途退市、被并购、长期停牌的就被悄悄剔除了，历史收益会被系统性高估。需要核对的是数据源是否包含已退市标的及其退市前的完整数据。
- 数据与执行假设过于理想。用收盘价成交、忽略停牌无法卖出、忽略涨跌停无法成交、忽略交易成本与冲击成本，都会让纸面结果偏离可执行结果。需要核对的是成交价假设、费用假设、停牌与涨跌停的处理方式。
- 前视偏差。用了当时还拿不到的信息，比如用当天收盘后才公布的财报去决定当天买入。需要核对的是每个信号在时间点上是否真的可得。
把这些并列列出，是因为单看一条漂亮的净值曲线，无法判断它属于哪一种。能区分它们的，是规则的可复现性和数据处理的透明度，而不是曲线本身。
需要核对的公开事实与适用边界
要判断一份回测是否值得参考，可以核对以下可查证的信息：
- 规则文档：入场、出场、仓位、标的范围是否被完整写出，是否存在“视情况而定”这类无法复现的表述。
- 样本区间：是否覆盖了上涨、下跌、震荡等不同状态，区间是事前选定还是事后挑选。区间越短、状态越单一，结论的适用范围越窄。
- 风险指标：除收益外，最大回撤、连续亏损次数、单笔最大亏损等是否披露。这些指标描述的是过程中的承受路径，不是未来承诺。
- 成本与可执行性假设：手续费、滑点、停牌与涨跌停处理是否写明。
- 数据来源：是否包含退市标的，财报数据的公布时点是否被正确使用。
需要说明的是，即便以上都核对无误，回测结论的适用边界仍然有限：它成立的前提是“未来与所选历史区间在结构上足够相似”，而这个前提本身无法被历史数据证明。历史表现不构成对未来收益的保证，这一点在规则层面就成立，与策略好坏无关。
常见问题
回测结果好，是否说明策略未来也能赚钱？
不能。回测只描述规则在过去数据上的表现，未来市场结构、参与者、交易规则都可能变化。结果好可能是逻辑有效，也可能是过拟合、幸存者偏差或理想化执行假设造成的，需要逐项核对才能区分。
为什么样本区间不能只挑一段？
单一区间往往只对应一种市场状态，策略在其中表现好，可能只是恰好适配了那种状态。覆盖不同状态的区间，才能看出它在环境变化时是否稳定，以及失效发生在什么条件下。
怎么判断回测有没有过拟合？
可以看参数数量相对样本长度是否过多、参数小幅变动后结果是否剧烈变化、换一段未参与调整的数据后表现是否崩塌。这些是判断线索，不是判定标准，最终仍需结合规则文档与数据处理方式一起核对。