怎么判断一次回测结果可不可信

拿到一份回测报告，先别急着看收益曲线。曲线好看不代表结论可信。下面几个检查点，按顺序过一遍，基本能筛掉大部分不靠谱的结果。

先看数据划分是否干净

最关键的一步是确认：用来调参的数据，和用来出结果的数据，是不是同一段。

• 如果所有参数都是在一段历史上试出来的，最后又用这段历史展示表现，那这个结果没有参考价值。
• 正确做法是留出一段从未参与任何决策的数据做样本外验证。样本外数据一旦被看过并据此改过参数，它就变成了样本内数据，需要重新划分。
• 判断标准很简单：问一句「这个参数是怎么定下来的」。如果答案是「试了几组，这组最好」，那这段数据就已经被污染了。

还有一种隐蔽的污染：先看整体数据找规律，再回头划定回测区间。区间的起点和终点本身就包含了信息，这也会让结果偏乐观。

成本有没有真的算进去

很多回测的差距，不在策略逻辑，而在成本假设。

• 手续费、滑点、冲击成本，至少要有明确的设置，而不是默认 0。
• 换手率高的策略对成本极其敏感。一个每次调仓都换掉大半持仓的策略，成本稍微调高一点，结果可能就从正变负。
• 可以做一个简单测试：把成本假设提高 50%，看结果衰减多少。如果衰减剧烈，说明这个结果高度依赖一个你无法控制的假设。

另外注意成交假设。用收盘价成交、用次日开盘价成交、还是用均价成交，对结果影响很大。报告里没写清楚成交规则的，先打一个问号。

参数是不是被过度拟合了

参数越多、调得越细，越容易拟合噪声。

• 看参数邻域：把最优参数稍微挪动一点，比如周期从 20 改成 18 或 22，结果是否还稳定。如果只有 20 这一组好，前后都崩，基本可以判定是拟合。
• 看参数数量：一个策略有七八个可调参数，且每个都调到「刚好」。这种结果在样本外大概率失效。
• 看逻辑约束：参数应该有业务或逻辑上的理由，而不是纯粹试出来的数字。比如均线周期选 20，是因为一个月约 20 个交易日，这比「试出来 20 最好」可靠得多。

一个实用的做法是：把参数固定在某个合理值，不再优化，直接看样本外表现。放弃一点样本内的好看，换来判断的可靠性。

结果本身稳不稳定

单看一条净值曲线不够，要看分布。

• 分年度或分阶段看表现。如果收益全部集中在某一小段时间，其余时间长期横盘或回撤，说明结果由少数几笔交易决定。
• 看交易笔数。样本太少时，任何统计指标都不稳定。几十笔交易的胜率和盈亏比，几乎说明不了问题。
• 看最大回撤发生的位置和持续时间。如果回撤期长到超出你的承受范围，即使最终收益为正，这个策略在实际执行中也很可能被中途放弃。

可以做一个扰动测试：随机剔除 10% 的交易，或者把交易顺序打乱，看整体结论是否还成立。结论对个别交易高度敏感，就不是一个稳健的结果。

逻辑能不能讲清楚

最后一步，回归常识。

• 这个策略赚的是什么钱？是承担了某种风险，利用了某种结构性行为偏差，还是仅仅在拟合历史噪声？
• 如果讲不出一个合理的机制，只能说「数据上就是这样」，那它更可能是一个巧合。
• 反过来，逻辑清晰但回测一般的结果，往往比逻辑模糊但回测漂亮的结果更值得继续研究。

把这几步连起来用：先确认数据干净，再确认成本真实，然后检查参数、稳定性和逻辑。任何一步过不了，后面的数字都不必细看。养成这个顺序，能省下大量在不可信结果上继续投入的时间。