回测的发起与第一周验证
第165页 · 预计12页
第十三章结束时，对方提出了一个我无法拒绝的要求：用一段真实的下跌市行情，手工模拟运行整套策略，看看账户会不会爆仓。
这个要求非常关键。前面所有的框架、规则、系统设计，本质上都是逻辑推演，没有经过真实行情的检验。逻辑再自洽，也可能在真实市场的极端波动面前不堪一击。回测不是走形式，是验证策略鲁棒性的必经之路。
但回测这件事，水很深。很多人做的回测，本质上是“用未来数据验证过去”，结果好得离谱，一上实盘就崩。所以做回测之前，必须先把铁律立死，所有规则都要站在当时的视角，绝对不能开上帝视角。
对方的原话是：“老师，您说的四维框架和交易规则我认可，但我想看到真实历史中的表现。不需要自动化代码，您手工模拟一下就行，一段下跌市，大概30天。我想看看我的账户会不会爆仓。”
这句话直击要害。策略设计得再精致，规则定义得再严密，如果没有经过历史数据的检验，本质上仍然是假设。而假设与事实之间的鸿沟，只有回测能够跨越。
很多量化策略爱好者，总沉迷于优化参数、调整阈值，却很少做严格的历史回测。参数调得再完美，都是后视镜视角，到了实盘里，没有后视镜了，立刻失效。所以回测的核心不是“证明策略能赚多少钱”，而是“验证策略在极端行情下会不会失控”。尤其是下跌市的回测，比上涨市有价值得多——上涨市谁都能赚，下跌市才能看出策略的风控能力。
回测中最常见的错误就是“未来函数”，也是90%回测结果失真的根源。本质就是：在回测的某个时间点，使用了当时尚不存在的数据。比如用2025年10月的财报数据去筛选2025年9月的股票，或者用当日收盘价作为买入信号。
很多人不是故意作弊，是没意识到这个问题。比如财报数据，三季度报10月底才全部披露，你回测9月30日的选股，用了三季度报的数据，就等于9月30日的时候你就知道了10月底才披露的财报，这就是开上帝视角，结果当然不准。
在手工模拟中，我必须严格遵守三大戒律，每一条都没有商量的余地：
第一，买入看过去，卖出看过去，执行在今日开盘。每一天的买入清单，必须基于当日开盘前已公开的数据，也就是T-1日收盘后的所有数据。T日的盘中数据、收盘价，绝对不能用来生成T日的交易信号。
第二，财报滞后5日，季报不跨期。最新财报必须在报告期结束后至少5个交易日才纳入选股。比如三季报9月30日是报告期，但10月中旬才陆续披露，10月底才基本出完，所以11月1日之后才能纳入完整的三季报数据，9月、10月的选股都不能用。
第三，不止损于盘中，只止损于开盘。所有买卖都只在开盘价执行，盘中波动不算。因为手工模拟没有分钟级数据，也为了和实盘执行一致——实盘你也不可能时时刻刻盯着盘，开盘执行交易是最容易复现的方式。
这三条戒律，是回测可信度的底线。破了任何一条，回测结果就没有任何意义。
对方指定了“下跌市，约30天”。我没有随便找一段下跌行情，而是翻阅了2025年的A股走势，选择了2025年9月1日至10月31日作为回测区间。
为什么选这个区间？四个理由，每一个都有讲究：
第一，区间特征典型。上证指数从9月1日的3150点附近，一路下跌至10月31日的2850点附近，区间跌幅约9.5%。期间没有像样的反弹，属于典型的阴跌+加速下跌组合，不是快速深V反弹，最考验策略的风控能力。
第二，时长合适。扣除节假日约44个交易日，手工模拟工作量可控，一个人一周左右能做完，两个人交叉验证更快。太长了工作量太大，太短了说明不了问题。
第三，场景匹配。2025年9-10月，正好处于四维框架依赖的产业趋势（AI算力、半导体、新能源）第一波炒作后的回调期，个股回撤普遍达到30%以上，恰好满足超跌条件。也就是说，这个区间里，策略是有标的可选的，不是完全无的放矢。
第四，极端性足够。这段区间里出现过单日百股跌停，出现过板块集体崩盘，出现过流动性枯竭，属于中等偏极端的下跌行情，能扛过这段行情，策略的风控基本就过关了。
当然，一个区间的回测远远不足以证明策略的普适性。但作为手工验证的起点，这个选择是合理的。如果连这段都扛不住，那策略根本不用实盘了。
对方最关心的是“会不会爆仓”，所以回测不能只算收益率，要设置五个核心指标，全方位评估策略表现：
这五个指标，从收益、风险、交易质量、换手率四个维度，完整刻画策略的表现。不会只拿收益率说事，收益高但回撤更大的策略，没有任何意义。
40个交易日的手工回测，每天要处理10只股票的买入、卖出、持仓更新，工作量不小。如果没有一套规范的方法，很容易算错，最后结果不可信。
我设计了一套Excel模板，分工协作，交叉验证，确保结果准确。具体步骤：
第一步，准备基础数据表。按日期顺序，列出2025年9月1日至10月31日每个交易日的基础数据：
基础数据是回测的地基，全部提前整理好，不要每天临时找数据，不然容易出错。
第二步，每日筛选。对每个交易日t，使用t-1日的数据运行四维筛选，输出TOP10股票列表。
第三步，交易执行。先处理卖出，再处理买入：
我向对方说明了分工：“老师，您每天负责提供TOP10名单（根据规则计算），我来负责交易执行和净值计算。双方交叉核对，避免单方面算错。”
对方同意了这个方案。两个人各算一遍，最后对得上，结果才可信。
如果需要自动化的回测工具，或者批量测试不同策略在不同区间的表现，可访问a-sig.com壹信因子查询平台，内置回测引擎，支持自定义选股规则与交易参数，快速输出完整回测报告。
在开始手工回测之前，我意识到一个潜在问题，也是静态选股和动态回测最大的区别：下跌市中，符合四维框架的股票可能会越来越少。如果某一天符合条件的股票不足10只，是否还要强制买入10只？
如果强制买，为了凑数而降低标准，那选股逻辑就乱了，等于在下跌市中强行买不合格的股票，大概率会亏更多。但如果不强制买，那资金就闲着，也就是空仓。
对方在之前的对话中已经给出了答案：“下跌市中资金净流出的个股可以不选，不一定非要每天买10只。如果符合条件的股票少于3只，那天就不买——空仓也是一种策略。”
我将这个规则正式化，写入回测规则：
这个“允许空仓”的规则，是应对下跌市的核心武器。它承认了量化模型也有无能为力的时候——当市场情绪极度悲观、产业趋势股也未能幸免时，最理性的做法是不交易。
但这个规则也引入了一个新的复杂性：不需要人为判断“下跌市”，不用设置大盘状态开关，每天的筛选结果自然决定买还是不买。连续多日没有符合条件的股票，自然就进入了空仓状态。这比人为设定一个“下跌市开关”更简洁，也避免了参数过拟合。
2025年9月1日，回测正式开始。
我按照上述方法，与对方协作完成了第一周（9月1日-5日）的模拟。第一个意外很快就出现了：四维框架在9月1日筛选出的TOP10股票，与我们在第四章手工筛选的10只有明显差异。
为什么？因为时间不同。第四章用的是2025年4月的数据，现在是9月。中间5个月，A股经历了5-6月的反弹和7-8月的二次探底，个股的回撤幅度、资金流向、财务数据的时效性都发生了变化。
举个例子：晶合集成在4月入选，但在9月1日时，它的近5日主力净流入为负，不再满足资金面条件，因此被剔除。取而代之的是一只新股票——华工科技（000988），AI算力光模块概念股，回撤37%，近5日净流入占比0.45%，营收CAGR 30%，研发强度10%，产业得分88。
这个变化恰恰说明：四维框架不是静态的“好股票清单”，而是动态跟踪市场状态的工具。今天的入选股，明天可能因资金流出而被淘汰；今天的剔除股，下周可能因资金回流而重新入选。
第一周结束时，账户净值从100万元变为98.7万元，微跌1.3%，而同期上证指数下跌2.8%，策略跑赢指数1.5个百分点。
这个结果让对方稍感安慰，但他更关心的是接下来三周——市场会加速下跌，真正的考验还在后面。
“老师，继续吧。我想看到最坏的情况。”
至少包含三种市场状态：上涨、下跌、震荡，每种状态不少于60个交易日，回测结果才有说服力。只测上涨市，肯定好看；只测下跌市，肯定难看。全面测试，才能知道策略的适用边界。
避免选择有明显异常事件的区间，比如疫情爆发、政策突变，除非你就是想测极端行情。
准备基础数据：2小时
每日操作（40天）：每天10-15分钟 → 约8小时
汇总分析和图表：2小时
总计：12小时左右，可分散在一周内完成。工作量其实不大，关键是方法要对。
本章内容节选自原创量化书籍《因子会说谎》，更多回测方法论与实战案例，可登录intoquant.com查阅完整内容。
本章完。下一章将深入每日动态调仓的具体挑战：名单剧烈波动、持仓快速膨胀、以及MT4外汇策略回测悖论对A股模拟的警示。
⚠️ 风险提示：本书内容仅为量化研究与知识分享，不构成任何投资建议。套利交易存在基差、费率、流动性、平台与极端行情等风险，历史表现不代表未来收益。投资有风险，入市需谨慎，请自主决策、量力而行。
💡 键盘 ←/→ 翻章 · T 键切换目录