因子策略回测收益高而实盘表现差距大，核心原因在于数据窥探偏差和曝光效应。回测是对历史数据的回顾性分析，容易因反复优化参数而过度拟合；而实盘时，因子一旦被市场广泛知晓，其超额收益会因套利交易迅速衰减。
数据窥探与过度优化
数据窥探指研究者多次使用同一数据集筛选因子、调整参数，直到找到统计上显著的结果。典型表现：因子在样本内（回测期）的年化超额收益可能高达8%-10%，但样本外（未参与优化的时间段）表现平均下降约26%；一旦因子被公开论文或研究报告发表，其超额收益在发表后平均下降58%。这并非因子失效，而是原有规律被“挖掘”得过于精确，实盘面对的是全新的、未见过市场环境。
过度优化是数据窥探的直接后果。策略中每增加一个参数或过滤条件，都可能提升回测收益，但会降低对未来市场的适应性。例如，在回测中设定特定买卖时点、成交量阈值，实盘时这些条件可能因市场结构变化（如手续费调整、流动性变化）而不再适用。
曝光效应与套利削弱
曝光效应指因子被广泛认知后，资金涌入执行相同策略，原本的错误定价被快速消除。例如，低波动率因子在学术论文发表前，每年能贡献约5%超额收益；发表后，大量量化基金复制该策略，套利交易使超额收益在2-3年内压缩至接近零。实盘中，因子策略的交易成本（冲击成本、滑点）也会进一步侵蚀收益，回测通常假设理想成交价，实盘买入卖出价差可能使年化收益减少1%-2%。
总结：回测收益高实盘差，本质是历史规律被过度挖掘、市场环境变化以及套利竞争共同作用的结果。投资者不应完全依赖回测结果，而应通过样本外验证、实盘模拟测试，并结合因子逻辑的合理性来评估策略。
常见问题
如何判断一个因子策略是否可靠？
看三方面：因子是否有经济学逻辑支撑（如低波动、价值、动量），样本外表现是否稳定（通常要求样本外超额收益衰减不超过30%），以及实盘模拟（如用1-3个月小资金测试）是否接近回测结果。
回测收益下降26%和58%的数据来自哪里？
这两个数字来自学术研究对多篇因子论文的元分析。26% 是因子从样本内进入样本外（如用前10年数据回测、后3年验证）的平均超额收益下降幅度；58% 是因子从论文发表到后续3-5年实盘期的平均超额收益下降幅度。不同因子差异较大，但趋势一致。
实盘时能否通过调整参数来弥补回测收益差距？
不建议。实盘调整参数本质上是在“新数据上再次优化”，容易陷入新的数据窥探循环。更合理的方法是：坚持因子逻辑不变，仅根据市场流动性、交易成本等硬约束调整执行细节（如买卖滑点容忍度），而非修改因子权重或筛选条件。