第74章 回测框架（2 / 2）
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
策略A：简单的双均线（10日／30日）交叉策略。
策略B：他之前开发的MACD＋RSI结合策略。
策略C：最新的情绪指标增强模型。
初始资金都设为10万元，交易规则完全一致。
点击运行。
屏幕上代码滚动，进度条缓慢推进。林晨起身倒了杯水，站在窗前看着科技园里穿梭的人群。那些穿着格子衫的程序员，那些行色匆匆的白领，他们中有多少人也在寻找出路？
二十分钟后，运行完成。
浏览器自动弹出回测报告页面。林晨坐回椅子上，屏住呼吸看向屏幕。
资金曲线对比图上，三条线从同一起点出发，四年后走向截然不同：
策略A（双均线）的曲线在2021年之前缓慢上升，之后开始震荡，最终净值12.8万，年化收益率约6.4%。
策略B（MACD＋RSI）表现好些，净值达到18.2万，年化收益率16.1%。
策略C（情绪增强模型）的曲线最漂亮——前期平稳上升，2022年市场大跌时回撤明显小于前两个策略，2023年快速修复并创新高，最终净值24.7万，年化收益率25.3%。
“漂亮”。林晨忍不住出声。
更关键的是风险指标。策略C的夏普比率2.8，最大回撤?18.7%；而策略B的夏普比率只有1.9，最大回撤?32.4%。策略A就更差了，夏普比率0.8，最大回撤?41.2%。
月度收益热力图上，策略C的绿色（正收益）月份明显多于红色。交易明细显示，策略C四年只交易了47次，平均持仓周期21天；策略B交易了112次，策略A更是高达189次。
“频率越低，质量越高”。林晨记下这个观察。
但真正让他警醒的是另一个发现。
他把回测时间缩短到最近一年（2023年），重新运行。
结果变了。
策略C的年化收益率从25.3%下降到19.8%，策略B从16.1%降到12.5%，策略A直接变成负收益。
“市场风格变了。”林晨盯着屏幕，“2020—2022年的逻辑，到2023年不完全适用。”
这就是回测的陷阱——过去表现好，不代表未来持续好。但他的框架至少能帮他看清这个陷阱，而不是美化它。
林晨又做了几个测试：更改手续费率、调整滑点设置、加入冲击成本模拟……每次更改，收益率都会下降几个百分点。
“实盘收益至少要比回测低20%。”他得出一个经验法则，“那些宣称回测年化50%、实盘也能做到的，要么是神仙，要么是骗子。”
傍晚六点，苏婉敲门叫他吃饭。
餐桌上，林晨难得地主动谈起技术细节：“我今天把回测框架写完了”。
“测试了吗”？
“测了。我的情绪模型策略，四年回测年化25%”。
苏婉眼睛一亮：“那很好啊”。
“但那是回测”。林晨夹了块排骨，“实盘能到20%就谢天谢地了。而且市场在变，策略得持续优化”。
“你已经比99%的人专业了”。苏婉认真地说，“那些凭感觉炒股的人，连回测是什么都不知道”。
林晨笑了笑，心里却清楚：专业只是门槛。在这个市场上，专业的人很多，能持续盈利的很少。
晚饭后，他回到书房，没有继续编码，而是打开了一个空白文档。
文档标题：《回测与实盘的差距分析》。
他开始系统地列出所有可能导致差距的因素：
未来函数（回测中无意使用了未来数据）
过度拟合（策略过于契合历史数据，失去泛化能力）
交易成本低估
流动性假设过于乐观
市场结构变化
黑天鹅事件
心理因素（实盘时会恐惧、贪婪、犹豫）
每写一条，他就思考如何在框架中防范或标记。
写到第十条时，窗外已是深夜。科技园的灯光依然璀璨，但林晨书房的台灯，是这片璀璨中一个安静的光点。
他保存文档，关掉电脑，走到阳台。
晚风带着鹏城湾的潮湿气息扑面而来。远处，深圳湾大桥的灯光连成一条金色的线，横跨在黑暗的海面上。
林晨想起这几个月走过的路：从被裁员时的茫然，到自学AI的挣扎，再到开发投资系统的专注。每一步都踩在现实的荆棘上，但每一步都让他更接近真相。
回测框架完成了，但这只是个开始。
真正的挑战，永远是下一个交易日、下一个决策、下一个未知。
他深吸一口气，夜风灌满胸腔。
明天，该用这个框架测试更多策略了。然后，选择一个，投入实盘。
那将是代码与现实的第一次正面交锋。
↑返回顶部↑