回测原理入门

将规则放入历史样本中验证

历史样本验证，是将规则放入过去数据中按时间顺序检验。它回答的核心问题是：如果该规则在历史样本中已经存在，会呈现怎样的结果分布、波动特征和稳定性。

例如，当价格与某一预设观察区间形成特定关系时记录观察样本，当该关系失效时记录规则失效样本。历史验证会记录每次信号出现的时间、样本表现和过程波动。

历史验证的作用，是帮助学习者初步筛选研究方向。如果规则在历史样本中逻辑不稳定，就需要继续拆解条件、检查数据并重新评估假设。

从数据准备到指标输出的完整顺序

• 准备数据：历史价格、成交量、时间戳和其他可观察变量。
• 设置规则：明确何时记录信号、何时标记失效、何时暂停复核。
• 运行验证：让程序按时间顺序逐行检查数据。
• 分析结果：观察结果曲线、回撤幅度、样本数量和胜率结构等指标。

关键原则是：验证过程只能使用当时已经可获得的数据，不能引入未来才知道的信息，这类问题通常称为未来函数。

样本表现与过程风险要一起看

• 结果指标：整体样本表现如何。
• 胜率：正向样本在全部样本中的占比。
• 最大回撤：测试曲线从阶段高位回落的幅度。
• 样本数量：信号样本是否足以支持观察。
• 结果分布：正向样本和不利样本之间的关系。
• 结果曲线：过程是相对稳定，还是波动较大。

初学者容易只关注单一结果指标。但样本表现较好、回撤较大时，稳定性仍需谨慎评估；胜率较高但不利样本影响较大时，也需要进一步复核。

避免制造过度理想化的历史结果

• 过度拟合：规则太贴合过去数据，换一段时间就变差。
• 未来函数：不小心用了当时还不知道的信息。
• 忽略成本：例如费用、滑点、延迟和流程差异等后续观察因素。
• 样本太少：信号次数太少，结果缺少参考价值。
• 只挑理想结果：不断修改规则，直到某一段历史样本表现较好。

历史验证用于检查规则逻辑和样本稳定性，不是为了制造完美结果。更可信的研究结果，应能经受不同时间段和不同市场状态的检验。