量化选股策略回测效果好但实盘亏损，通常不是单一原因，而是回测环境与真实交易环境之间存在系统性差异。回测是在已知历史数据上运行的模拟，而实盘面对的是未知未来、真实成交约束和不断变化的市场结构。常见原因包括过拟合、前视偏差、幸存者偏差、交易成本与滑点被低估，以及市场风格切换导致因子失效。回测只是策略研究的一个参考环节，不能等同于未来收益预期。
回测与实盘的主要差异来源
- 过拟合：反复调整参数直到历史曲线好看，策略学到的是历史噪声而非可重复规律。参数越多、优化越细，样本外衰减往往越明显。
- 前视偏差：回测中不小心使用了当时尚不可得的信息，例如用当日收盘价决定当日开盘买入，或用事后修订过的财务数据。
- 幸存者偏差：股票池只保留当前仍上市的股票，已退市或被并购的标的被剔除，历史收益因此被系统性高估。
- 交易成本与滑点：佣金、印花税、冲击成本、涨跌停无法成交等，在回测中常被简化甚至忽略，换手率越高侵蚀越明显。
- 市场结构变化：参与者结构、交易机制、流动性条件都会演变，历史有效的因子未必在未来延续。
市场风格切换如何让因子失效
量化策略的收益往往来自对某类因子的暴露，例如价值、动量、质量或小市值。当市场风格发生切换时，前期表现优异的因子可能阶段性回撤。这类切换难以提前预测，也不存在普适的持续时间或幅度阈值，只能通过多因子分散、控制单一风格暴露来降低冲击。需要说明的是，因子有效性属于研究结论，不同市场、不同样本区间结果差异较大，不宜把某一历史阶段的表现当作稳定规律。
降低偏差的实操建议
- 样本外与滚动检验：保留一段未参与调参的数据做验证，并做滚动窗口测试，观察表现是否稳定。
- 成本压力测试：在回测中加入高于日常水平的成本假设，看策略是否仍有正收益空间。
- 股票池还原：使用包含退市标的的历史成分数据，减少幸存者偏差。
- 限制参数数量：优先选择逻辑清晰、参数少的模型，降低过拟合概率。
- 实盘小规模验证：先以较小资金跟踪，对比实盘与回测的偏离程度，再决定是否调整。
回测的核心价值在于排除明显无效的想法，而不是预测收益。 把回测当作参考而非承诺，是理性使用量化工具的前提。
常见问题
回测收益很高，是否说明策略一定有效？
不一定。高回测收益可能来自过拟合、前视偏差或成本假设过于乐观。判断策略质量应看样本外表现和实盘跟踪的偏离度，而非单一历史曲线。
交易成本对量化策略影响有多大？
影响取决于换手率和标的流动性。换手率越高、标的流动性越差，成本侵蚀越明显，部分策略的账面收益可能被完全抵消。具体费率与规则应以券商、交易所最新公布为准。
普通投资者如何判断一个量化策略是否可信？
可关注三点：是否有清晰的逻辑解释、是否披露样本外测试结果、是否说明了成本与股票池的处理方式。缺乏这些信息的回测展示，参考价值有限。