策略回测到底在测什么
很多人以为回测就是拿历史数据跑一遍策略，看看赚了多少钱。这个理解太浅。回测真正要回答的问题是：这套交易逻辑在过去那段行情里，能不能稳定地抓住机会，并且亏的时候亏得少。股票和期货市场结构不同，回测的侧重点也不一样。股票没有杠杆，T+1交割，回测时得考虑当天买入不能当天卖出。期货有杠杆，T+0，可以做空，回测时必须把保证金、强平逻辑加进去。
回测的第一步是准备数据。股票数据要处理复权，前复权适合看价格连续性，后复权适合算真实收益率。期货数据要处理主力合约换月，不能简单拿一个合约从头跑到尾，那样价格跳空会严重扭曲结果。数据里的停牌、涨跌停、交割日，都得单独标记。这些细节不处理好，回测出来的曲线再漂亮也是假的。
回测中最容易踩的三个坑
第一个坑叫未来函数。策略在计算今天信号时，用到了收盘后才能知道的数据。股票里常见的是用当日收盘价决定买入，却假设以当日开盘价成交。期货里常见的是用当前K线的高低价判断突破，实际盘中根本不知道这根K线最终会收成什么样。避免未来函数的方法很简单：信号生成和成交之间必须有一根K线的时间差。今天收盘出信号，明天开盘成交，这是最保守也最真实的做法。
第二个坑是过度拟合。为了让回测曲线好看，不断调整参数，把均线周期从20改成21，再改成19，直到收益最大化。这种策略在历史数据上完美，一到实盘就失效。判断过度拟合有个土办法：把策略参数微调一下，如果收益从翻倍变成腰斩，说明策略极度脆弱。稳健的策略，参数在合理范围内变动，收益曲线不会剧烈变化。
第三个坑是忽略交易成本。股票回测要算佣金、印花税、过户费，期货回测要算手续费和滑点。高频策略里，滑点能吃掉大部分利润。有个粗略的估计：股票单边成本大约千分之一到千分之三，期货单边成本大约万分之一到万分之五，具体看品种和资金量。回测时把这些成本加进去，夏普比率会下降一大截，这才是真实情况。
股票和期货回测的差异处理
股票回测有个特殊问题：停牌。停牌期间无法交易，但复牌后可能连续涨停或跌停。回测引擎必须能识别停牌日，并且把持仓的股票在停牌期间按最后价格冻结，不能计算浮动盈亏。涨跌停也一样，如果信号要求买入，但当天一字涨停，实际上买不进去，回测就得放弃这笔交易。
期货回测的核心是保证金和强平。每个品种的保证金比例不同，交易所还会临时调整。回测时不能写死一个比例，要按历史数据里的实际保证金要求来算。强平逻辑更关键：当账户权益低于维持保证金时，期货公司会强制平仓。回测如果不模拟强平，就会高估策略的扛亏损能力。很多期货策略在回测里扛住了一波大回撤，实盘却因为强平提前出局。
期货还有换月问题。主力合约每隔一两个月就换一次，回测时要按固定规则移仓，通常选择在交割月前一个月的某个交易日，把旧合约平掉，新合约开仓。移仓时会产生价差成本，这部分必须计入。股票没有换月，但有个股分红除权，回测时要处理除权除息，否则价格跳空会带来虚假信号。
样本外验证和蒙特卡洛模拟
回测做完不等于策略能上实盘。接下来要做样本外验证。把历史数据切成两段：前70%用来优化参数，后30%用来检验。如果策略在后30%的表现和前70%差不多，说明逻辑有普适性。如果后30%完全失效，那前70%的好成绩就是运气。
更严格的验证是滚动窗口。把数据分成多个时间段，每次用前一段优化，后一段检验，不断向前滚动。这样能看到策略在不同市场环境下的表现。股票市场有牛熊转换，期货市场有趋势和震荡交替，滚动窗口能暴露策略的适应性。
蒙特卡洛模拟是另一种武器。它不依赖历史数据，而是假设交易结果的分布特征，随机生成大量可能的交易序列。比如策略历史胜率55%，盈亏比1.5，蒙特卡洛会模拟一万次不同排列的交易结果，看看最大回撤的分布。如果模拟结果显示有5%的概率回撤超过50%，那就要小心了，实盘遇到极端情况可能直接爆仓。
从回测到实盘的最后一公里
回测通过验证后，别急着上全部资金。先做模拟盘，用实时行情跑信号，但不真实成交。模拟盘能暴露回测里没考虑到的问题：网络延迟、行情跳动、订单被拒。股票模拟盘还要注意集合竞价和连续竞价的区别，期货模拟盘要关注夜盘和日盘的衔接。
模拟盘跑一两个月，和回测结果对比。如果偏差在合理范围内，比如年化收益差5%以内，最大回撤差10%以内，就可以小资金实盘。实盘初期只用计划资金的10%到20%，跑三个月再评估。实盘和回测的偏差主要来自滑点和流动性冲击，小资金时滑点小，大资金时滑点会非线性增长。
股票和期货的实盘验证节奏不同。股票T+1，一天最多一次买卖，验证周期长。期货T+0，一天可以多次交易，验证周期短但交易成本累积快。期货策略要特别注意手续费占比，如果每天交易十次，手续费可能吃掉一半利润。
一个完整的回测验证流程
把上面所有环节串起来，标准流程是这样的：
数据清洗与预处理，处理复权、换月、停牌、涨跌停。
编写策略逻辑，确保没有未来函数，信号和成交之间有时差。
加入交易成本模型，股票算佣金印花税，期货算手续费滑点。
样本内优化参数，但别调得太细，参数取整数或常用值。
样本外检验，看策略是否稳定。
滚动窗口验证，观察不同市场环境的表现。
蒙特卡洛模拟，评估极端风险。
模拟盘跟踪，对比回测与实时的偏差。
小资金实盘，逐步加仓。
每一步都可能淘汰掉一批策略。真正能走到实盘的策略，回测曲线往往不是最漂亮的，但它的逻辑最扎实，对成本最敏感，对参数最不敏感。量化交易的核心不是找到百发百中的圣杯，而是找到一套在扣除所有成本后，仍然有正期望值的系统，并且能持续执行下去。
