回测的极限：五种回测永远无法告诉你的事

⏱ 1 分钟摘要 回测是统计参考，不是预测。五道鸿沟永远无法完全消除：滑价与执行假设、保证金与融资成本动态变化、流动性与价差失真、黑天鹅与动态事件、统计与心理偏差。知道这些极限是成为有纪律交易者的一部分：而纪律就是风险管理：无视这些鸿沟，正是让仓位失控的方式。

1. 滑价与执行价格假设

回测通常假设你能正好在收盘价（或买卖中间价）成交。现实中：

• 压力下买卖价差扩大；你的成交很少在理想的中间价。
• 大单或流动性差的行权价上滑价可能很可观。
• 时机：收盘价是单一价格；你的实际成交可能不同。

举一个具体例子。假设你想卖出 10 口行权价 $210 的认购，报价 $2.50 买价 / $2.60 卖价（中间价 $2.55）。回测让你以中间价 $2.55 成交；实盘中你得跨越价差，作为卖方大致按买价侧成交，且报价移动时净到手约 $2.45/口。这比中间价每口差约 $0.10：10 口（1,000 股）单笔就滑价 $100，往往超过整个仓位当日的 theta。来回 100 次就是无声的 $10,000 拖累，足以把边缘策略由盈利转为亏损。

解决办法不是消除滑价（无法完美建模），而是假设现实的成本并对结果留出缓冲。

2. 保证金与融资成本的动态变化

回测常把保证金与融资成本设为静态，但实盘中这些成本会变化：

• 保证金要求随波动、集中度与券商政策变动。
• 融资/借券成本随时间与标的而变化。
• 加上现实保证金与融资后，策略优势可能缩水甚至消失。

举个具体例子：裸卖跨式在 20% IV 时大约需要 $8,000 保证金；若 IV 飙到 60%，券商可能把要求提高到约 $15,000。为 $8,000 设计的仓位如今需要近两倍的资金，逼你在最差的时点减仓。借券成本同样容易被忽略：对难借券的标的，借券费可达年化 50–100%，忽略借券费会让回测中的空头仓位看似获利、实则亏损。

长线回测收益通常略高于实盘可达水平，部分正是因为这些成本未被计入。

3. 流动性与价差失真

回测使用记录下来的价格；通常深度价外的行权价流动性很薄、IV 失真。实盘中：

• 你可能无法按回测价格成交到精确的行权价/到期日。
• 真实世界的宽价差侵蚀数据所暗示的优势。
• 深度价外或远期合约在大单下几乎无法交易。

一个现实案例：股价 $200 上的深度价外行权价 $250 认购，记录的最后价是 $0.10，但实际市场是 $0.05 买价 / $0.15 卖价。回测假设你以 $0.10 卖出；实盘中作为卖方你最多拿到 $0.05 的买价。这份「优势」的一半从未真正可以成交。

数据越干净，这鸿沟越小；但永远不会完全消失。

4. 黑天鹅与动态事件

回测无法预测不可预测之事：

• 黑天鹅：崩盘、闪崩、地缘冲击：罕见、剧烈，且不在拟合样本中。
• 财报与宏观事件（FOMC、产品发布）造成 EOD 快照无法重建的缺口。
• 回测中从未遭遇危机的策略，只是从未被危机考验过。

历史上这样的例子比比皆是：2010-05-06 道指在几分钟内跌约 1,000 点后收回（闪崩）；2008-09-15 雷曼兄弟破产；2020 年 3 月疫情带来史上最快之一的约 −30% 回撤；2020-04-20 WTI 原油收在 −$37.63。这些都发生在拟合样本之外：回测一路顺风地穿过平静年份，只是从未被真正的冲击考验过。

这是历史数据的结构性极限，不是你调参就能消掉的缺陷。

5. 统计与心理偏差

最后是人与统计的层面：

• 过度拟合：把参数优化到回测曲线完美，往往拟合的是噪音而非信号。
• 选择偏差：挑选策略「有效」的标的或时期会夸大结果。
• 心理漂移：真金白银改变行为；回测中的纪律不同于实盘前的纪律。纪律差就是风险管理差，两者相互强化。

这些失效模式很常见。对 3 年回测调 12 个参数把权益曲线调到完美，多半拟合的是噪音，样本外几乎不成立；只回测 2017–2019 的多头来「证明」买入认购策略，忽略了 2020 与 2022 的回撤；实盘中多数交易者会在 20% 回撤的底部砍仓或加码，而回测只是一个点击。

结果是：即使统计干净的回测，也会高估你的实盘体验。

结论

回测告诉你在假设下发生了什么；回测从不告诉你将会发生什么。把每个结果当作待验证的假设，而不是承诺。

⚠️ 平台数据边界：本文讨论回测的一般局限。本平台回测基于 T-1 EOD 收盘快照，非常适合数天到数月的策略，但同样继承上述五道鸿沟：尤其财报、0DTE 与 EOD 数据无法重建的日内事件。

⚠️ 仅供研究用途：本文为教育内容。回测不能保证未来收益。文中任何内容都不是买卖信号。请把本平台回测仅作为历史统计参考。