量化交易方法的有效性数据测试的误区 现在测试量化方法的有效性，就是通过“回测”，回测是将历史数据，带入到自己的策略中，模拟过去时段策略的表现，但“回测”的作用，估计大多数都误会了，它基本上毫无用处。 然后对回测的结果，进行调整（调参），妄图达成一条稳定向上的曲线。奔着这个目标，耗尽心血，浪费了大把时间。 1、回测方法不科学，造成新手的第一大坑 经常有量化新手，学习量化没三天，跑出来的收益曲线惊天地泣鬼神，什么几倍都是小菜，什么几百倍，甚至几千万倍都有，按照这收益曲线，巴菲特直接被秒杀。可这些新手也不想想，你哪里来的自信，开几个脑洞，就赚这么多，这世界上还有人需要辛苦工作挣钱吗？ 新手犯错可能有几种： 1）程序根本就写错了，呵呵 2）未来函数，这是个比较隐秘的坑，需要好好找找原因，什么让你穿越了时间？ 3）大大低估了手续费与滑点的影响，其实，在交易中，手续费（或者说所有中间费用的总合）是决定性的。我看很多人回测A股，如果是趋势交易，设置交易费用千一，滑点千三，那就是太小看滑点了。（至于滑点是什么，可自行百度） 4）无法成交的情况，比如涨跌停，你根本买卖不到，如何交易？ 5）因为低估手续费，就造成低估了频繁交易手续费的影响，容易使得交易策略高频化，收益曲线看上去非常惊人。 2、回测是对历史的归纳，与未来是否有相关性？相关性大坑 这方面有几个案例，通常前几年表现好的基金，后几年就差；业绩差的基金经理，开除后业绩反而变好，这不是随口说说，有这方面研究论文。 换个市场，换个品种，换个时段，同样的策略，回测结果千差万别。 就算你避开了新手的坑，你同样可能掉进一个无穷回测的坑。 举个例子，你回测两个品种，一个回测结果好，一个回测结果差，请问你接下来打算应用该策略到哪个品种上？ 如果你说肯定是用在回测结果好的品种上，否则我要回测干什么，不就是寻找好的结果吗？ 恭喜你，你接下来，更大概率是会输给哪个回测结果差的。 3、调参的大坑 调参可能发生在所有策略中，特别是现在的机器学习最流行。想调个天昏地暗，又怕过拟合。 参数越多，得出的结果可能会越荒谬。这个就像你面对一个复杂系统，每多一个复杂度，系统就会更加混沌。你判断的最终结果大概率就是个错的。还不如家里的一条狗，来选股。 热衷于调参的人，都是一根筋，沉浸在虚拟的快感当中。可是结局早就注定是徒劳的。 量化圈经典的几个笑点： 1）回测吊上天，实盘不如狗 2）炒股穷三代，量化毁一生 以上，回测的意义是完全没有吗？其实是有的，比如你在程序中犯了一个低级错误，然后回测结果几万倍，你就知道，肯定是写错代码了。 回测的作用也就是这个了。