交易信号回测
回测是将一条完全明确的交易规则应用于历史数据,以估算它过去会有怎样的表现。回测结果的可信度取决于数据和设计:前视偏差、幸存者偏差、不切实际的成本假设以及测试过多变体,都会让规则看起来比实际更好。过往结果不代表未来表现。
正在加载 OptionMind 交互式工作区…
常见偏差来源
前视偏差是指使用了决策当时尚不可得的信息,例如用当天收盘价触发开盘时的交易、使用事后修订的数据,或按后来的指数成分选股。为每项输入都标注时间戳的时点数据(point-in-time)有助于避免这种偏差。
幸存者偏差是只测试存续下来的标的,例如只用当前指数成分股而不含已退市股票;悄悄丢弃无法测量结果的交易也有类似效果。两者都会美化结果。成本假设同样重要:按中间价成交期权会忽略买卖价差,而价差可能抹去微小的优势。
样本外检验与多重检验
在一个时间段内设计并调整规则,然后在它从未见过的后续数据上只测试一次(样本外,或称留出集)。滚动前推(walk-forward)测试在滚动窗口上重复这一过程。看过留出集后再调整规则,会使其变成样本内数据。
测试过多变体会增加虚假发现:若有 20 个相互独立的变体,每个都在 5% 显著性水平下检验,至少有一个仅凭运气就显得显著的概率为 1 − 0.95²⁰ ≈ 64%。预先指定主要检验、记录尝试过的每个变体并收紧阈值(Bonferroni 校正:0.05 ÷ 20 = 0.0025),都可以降低这种风险。
计算示例
某规则产生 120 笔交易:66 笔盈利,平均盈利 $150;54 笔亏损,平均亏损 −$110。胜率 = 66 ÷ 120 = 55%。期望值 = (66 × 150 − 54 × 110) ÷ 120 = (9,900 − 5,940) ÷ 120 = 每笔 $33,盈利因子 = 9,900 ÷ 5,940 ≈ 1.67。
120 笔交易、55% 胜率对应的 95% Wilson 区间约为 46% 至 64%,因此真实胜率可能明显低于或高于 55%。这样的结果需要更多交易和样本外检验,才能称为优势。
优势验证如何衡量
OptionMind 的优势验证页面不是在旧数据上重放规则,而是向前追踪机会扫描自身产生的情景(episode)。情景在被检测到时即被记录,结果按评分版本隔离,所有被触发的情景都保持可见,包括结果待定和不可用的情景。盈亏按一份合约计算,以卖价入场、以买价离场,并扣除估算的往返费用。
页面按标的、DTE、策略和波动率环境报告期望值、带 95% Wilson 区间的胜率、盈利因子和最大回撤。已测量情景达到 30 个时结果才可作描述性参考;只有至少 100 个、测量覆盖率达到 80%,且交易日和标的数量足够(默认各 10 个)时才被视为可靠;在未触碰的时间顺序留出集检验通过之前,任何评分调整都不具备资格。另有一个仅供观察的实验,在 15 分钟和 60 分钟周期上将候选与临界未入选及对照情景进行比较。
局限性
任何样本都只描述其覆盖的时期。相互重叠的信号彼此相关,因此有效样本小于计数;优势验证注明,跨标的、时间和市场环境的相关性尚未估计,与仓位规模相关的滑点也尚未测量。市场会变化,过往结果不代表未来表现。
常见问题
回测和前瞻测试有什么区别?
回测是在历史数据上重放规则。前瞻测试在信号出现时即加以记录,并在之后测量结果,这在设计上排除了前视偏差,但需要更长时间才能积累有用的样本。
回测需要多少笔交易?
没有统一的数字,取决于结果的波动程度,置信区间可以显示估计有多精确。优势验证自身的规则将少于 30 个已测量情景视为样本不足,并要求至少 100 个才能形成可靠基线。
回测盈利是否意味着策略一定有效?
不是。过度拟合、成本、市场环境变化和运气都可能使过往结果缺乏代表性。过往结果不代表未来表现。