量化选股的回测结果为什么难以复制？

量化选股的回测结果难以复制，根本原因在于回测是对历史数据的拟合，而实盘面对的是不断变化的未来。两者之间的差距通常来自四类问题：过拟合、幸存者偏差、交易成本与流动性假设失真，以及市场结构本身的演变。任何一项被低估，回测收益都可能被显著高估。回测的作用是验证逻辑、排除明显缺陷，而不是预测未来收益。

差距从何而来

回测与实盘的主要差异来源可以归纳为：

回测中的成交价、成交量和股票池，往往比策略逻辑本身更影响最终结果。

过拟合的识别

过拟合指策略过度贴合历史噪声，而非捕捉可重复的规律。常见信号包括：

• 参数在细微调整后收益剧烈波动，说明结果对参数高度敏感；
• 策略包含大量条件分支或精细阈值，逻辑难以用一句话解释；
• 样本内表现远好于样本外，或换一段历史区间后失效。

判断稳健性的实用做法是样本外检验与滚动回测：留出一段未参与优化的数据验证，并在不同时间窗口重复测试，观察收益是否稳定，而非只看单一区间的最优结果。

数据质量与成本假设

幸存者偏差来自股票池构建。若只纳入当前仍上市的股票，历史收益会被系统性高估，因为退市和表现差的标的被剔除了。构建股票池时应使用包含退市标的的历史成分数据。

成本方面，需把佣金、税费、滑点与冲击成本纳入回测。流动性约束尤其关键：小市值或低成交额标的，回测中假设的成交量在实盘可能无法实现。换手率越高的策略，对成本假设越敏感。

稳健性检查清单

• 使用包含退市标的的完整历史数据；
• 保留样本外区间，不参与参数优化；
• 进行滚动或分区间回测，观察一致性；
• 按不同成本与滑点假设做敏感性测试；
• 检查策略容量，评估资金规模对收益的影响；
• 用一句话说明策略赚的是什么钱，逻辑不清则谨慎对待。

以上检查不能保证策略未来有效，但能帮助识别明显脆弱的假设。

常见问题

回测收益高就代表策略可靠吗？

不一定。高回测收益可能来自过拟合、幸存者偏差或被低估的交易成本，而非真实的可重复规律。应结合样本外表现和成本敏感性综合判断。

样本外测试通过就能放心使用吗？

样本外通过是必要条件而非充分条件。市场结构会变化，曾经有效的因子可能随参与者增多而衰减，仍需持续跟踪实际表现与逻辑是否成立。

普通投资者如何判断一个回测是否可信？

重点看三点：股票池是否包含退市标的、是否披露成本与滑点假设、是否有样本外或滚动验证。缺少这些信息的回测，结论通常需要打折扣。