9、回测的风险与应对策略

回测的风险与应对策略

1. 回测的动机与误解

回测是量化投资中至关重要却又常被误解的技术。很多人错误地将回测视为研究工具，然而研究和回测不能混为一谈，就像酒后驾车一样危险，不能在回测的影响下进行研究。大多数期刊上发表的回测结果都存在缺陷，这是多次测试中的选择偏差导致的。回测中的错误众多，即便经验丰富的专业人士也会犯一些常见错误。

2. 完美回测的不可能性

从狭义上讲，回测是对策略在过去一段时间内表现的历史模拟，它只是一种假设，并非实验。在物理实验室中，我们可以通过控制环境变量重复实验来推导精确的因果关系，但回测无法做到这一点，它不能证明任何事情，也不能保证能实现预期的夏普比率。

那么回测的意义何在呢？它是对一系列变量的合理性检查，包括仓位大小、换手率、成本承受能力以及在特定情景下的表现。一个好的回测可能非常有帮助，但要做好回测却极其困难。2014 年，德意志银行的一个量化团队发表了名为《量化投资的七大原罪》的研究，其中提到了一些常见的问题：
- 幸存者偏差 ：以当前的投资范围作为模拟的基础，忽略了一些公司破产和证券退市的情况。
- 前瞻性偏差 ：在模拟决策时使用了当时尚未公开的信息，要确保每个数据点的时间戳准确，考虑数据发布日期、传播延迟和回填修正等因素。
- 事后解释 ：事后编造故事来解释随机出现的模式。
- 数据挖掘和数据窥探 ：在测试集上训练模型。
- 交易成本 ：模拟交易成本很困难，因为只有实际进行交易才能确定准