什么是回测：定义、工作原理和主要局限性
直接回答
回测是将一个交易想法应用于历史市场数据，以评估该想法如果在过去实施，可能会如何表现的过程。在外汇回测中，该想法通常被转化为明确的规则（例如，何时入场、何时离场以及交易量大小）。其目的是评估和学习，而非预测。
机制与定义
一次实际的回测会将一个概念转化为可重复的检查清单。典型的输入和组成部分包括：
- 历史价格序列：用于测试的时间戳数据。在外汇中，数据通常包括价格（并可能辅以点差或执行情况的假设）。
- 策略规则：入场和离场条件、头寸规模方法以及任何持仓时间逻辑。这些规则必须明确无歧义。
- 执行模型：假设交易如何成交。一种常见的简化是假设交易在特定价格成交，但实际成交取决于买卖价差、滑点、延迟和流动性。
- 成本：佣金、掉期/融资影响和交易成本。如果忽略或近似处理成本，结果可能会被高估。
- 假设和设置：时间框架、杠杆处理（如建模）、风险限制以及如何处理缺失数据。
在回测过程中，规则会逐步应用于历史数据。系统会记录可能发生的交易，并计算诸如回撤、盈利指标和交易频率等结果指标。关键在于，这些指标既是交易想法的函数，也是所有假设的函数。
证据或示例（含明确假设）
考虑一个以规则形式编写、简化的外汇交易想法：
- 仅使用一个货币对。
- 每当条件A发生时，在下一个时间步以中间价开仓。
- 在固定数量的K线后平仓（例如，N根K线后）。
- 使用固定头寸规模。
- 忽略融资成本，并假设无滑点。
如果在选定的历史时间段内，条件A多次出现，回测将生成一系列假设的入场和离场，并汇总结果。然而，此示例展示了主要的验证思想：如果你更改任何假设——例如以买卖价代替中间价成交、加入点差、包含掉期/融资，或使用不同的K线数量——结果可能会发生实质性变化。
局限性与风险
回测存在显著的失败模式：
- 过拟合：当规则被反复调整以匹配某一历史时期时，可能捕捉到的是噪声而非可复用的模式。
- 机制变化：外汇市场行为可能发生变化（波动性、流动性、宏观环境）。历史关系可能不会持续。
- 不现实的执行：回测通常使用简化的成交价格。实际交易可能因点差变化、滑点和延迟成交而不同。
- 数据质量与对齐：错误的时间对齐、前视偏差或不一致的数据可能使结果看起来比实际更好。
- 成本遗漏：忽略佣金、点差和融资可能夸大表面表现。
由于这些限制，历史成功并不能证明相同规则在未来仍会有效。
验证或下一步问题
为独立验证一次回测，应关注该过程是否可检查且可证伪：
- 明确每一项假设（所用价格、成交假设、成本和时间窗口）。
- 使用样本外测试：在不同于规则优化所用时间段的数据上进行评估。
- 测试鲁棒性：调整参数，观察结果是否依赖于特定设置。
- 检查前视偏差：确保仅使用决策时刻可用的信息。
一个有用的后续问题是：“如果改变哪些具体假设，会对结果产生最强烈的影响？” 如果你无法回答这个问题，该回测可能无法被可靠解读。