EA回测有哪些局限性？
直接回答
EA回测是指将专家顾问（EA）应用于历史市场数据，以估算其在过去可能的表现。主要局限在于不确定性：过去有效的策略未来可能失效，因为未来的价格、流动性、波动性以及交易摩擦可能不同，且测试设置可能无法真实反映实际执行情况。
机制与假设内容
回测通常包括三个要素：（1）EA的交易规则，（2）历史价格数据，以及（3）关于订单如何成交的一系列建模假设。这些假设可能涉及点差和佣金的变化方式、订单是否按显示价格成交或存在延迟，以及滑点的处理方式。即使EA逻辑稳定，测试结果的可靠性也取决于测试环境的逼真程度。
一种有用的思考方式是区分稳定机制与可变条件：
- 稳定机制：EA的决策规则和下单逻辑。
- 可变条件：市场状态、流动性、买卖价差、执行速度以及实际发生的交易成本。
如果回测对可变条件的处理过于理想化（例如，使用图表显示的相同点差，或忽略滑点），模拟结果可能与EA在真实约束下交易时的情况存在系统性差异。
失败的证据或示例
假设一个回测显示使用历史K线取得了强劲收益。在实盘交易中，至少会出现三类差异：
- 数据差异：历史数据流可能无法完全还原实际逐笔价格路径。
- 执行差异：由于滑点、部分成交或延迟，实际成交价格可能更差。
- 环境差异：EA可能依赖的波动性或趋势条件可能随后发生变化。
即使没有编码错误，这些差异仍可能改变交易时机和进出顺序，这对对订单位置和市场微观结构敏感的策略影响尤为显著。
局限性与风险
主要的失败模式包括：
- 历史过度拟合：EA可能看似针对过去模式优化，但未来市场可能呈现不同动态。
- 前瞻性偏差与隐藏假设泄露：测试设置可能无意中使用了EA在当时无法获取的信息。
- 幸存者偏差与选择偏差：若测试周期因表现良好而被选中，结果可能不具备普适性。
- 成本与执行低估：佣金、点差和滑点的微小差异可能显著影响盈利能力，尤其是高频交易策略。
一个关键局限是“历史关系”与“未来结果”之间的不匹配。历史表现可能反映了多种短暂条件，并不能证明这些条件将持续存在。
验证或后续问题
要独立验证回测能或不能说明什么，应重点关注测试设置是否匹配真实交易约束：数据质量、点差与佣金的处理方式，以及滑点和订单成交时间的建模方法。如果EA的表现高度依赖特定假设，则该回测作为证据的价值较低。
一个合理的后续问题是：“哪些输入和执行假设最可能改变交易结果？结果对这些假设的合理变化有多敏感？”
