量化选股策略回测效果好，实盘却不理想是什么原因？

量化选股策略回测效果好、实盘却不理想，通常不是单一原因，而是回测环境与真实市场之间存在系统性差距：回测可以反复调整参数直到曲线漂亮，实盘只有一次机会；回测默认能按理想价格成交，实盘要面对滑点和流动性约束；回测使用的股票池往往已经剔除了后来退市的公司。这些差距叠加起来，就会让实盘表现明显弱于回测。

回测与实盘差异的主要来源

过拟合与数据窥探是最常见的原因。如果在同一段历史数据上反复测试参数、筛选因子，策略实际上是在“记住”这段历史，而非捕捉可重复的规律。样本内表现越好、参数越精细，样本外失效的风险往往越高。

幸存者偏差同样关键。回测股票池若只包含当前仍在上市的股票，就自动剔除了期间退市、被并购或长期停牌的标的，等于假设自己总能避开“踩雷”的股票，收益会被系统性高估。

交易成本与流动性冲击是另一大缺口。回测常按收盘价或均价成交，实盘则要承担：

容量限制也容易被低估：策略资金规模越大，越难在不影响价格的前提下完成建仓与调仓，回测中的收益率在实盘可能被摊薄。

如何缩小回测与实盘的差距

• 样本外检验：留出一段未参与参数优化的数据验证，若样本外表现大幅衰减，说明过拟合嫌疑较大。
• 滚动回测（Walk-forward）：按时间顺序滚动训练与测试，更接近实盘中“用过去推未来”的真实场景。
• 纳入完整股票池：包含退市与停牌标的，减少幸存者偏差。
• 保守估计成本：在回测中主动加入滑点和手续费假设，观察策略是否仍有正向收益。
• 控制换手率：降低调仓频率通常能减少成本侵蚀，但需权衡信号衰减。

回测的作用是排除明显无效的想法，而不是预测未来收益。 把回测当成“上界估计”，并对结果打折扣，是更务实的做法。

总结

回测与实盘的差距，本质来自过拟合、幸存者偏差、交易成本与流动性约束这几类结构性因素。改进方向是坚持样本外检验与滚动回测、使用完整股票池、保守估计成本，并接受回测收益只是理想化上限。

常见问题

回测收益很高，是不是说明策略一定有效？

不一定。高回测收益可能来自过拟合或幸存者偏差，而非真实规律。判断策略是否可靠，关键看样本外和滚动回测是否稳定，而不是样本内曲线有多漂亮。

加入交易成本后策略就不赚钱了，该怎么办？

这说明策略的收益空间较薄，对成本敏感。可以考虑降低调仓频率、聚焦流动性更好的标的，或重新审视信号本身是否有足够的经济逻辑支撑。

小资金实盘是否就不受流动性影响？

小资金受冲击成本影响相对较小，但仍要面对滑点、报价延迟和手续费。资金规模只是影响程度不同，并不等于可以忽略交易成本。