如何负责任地回测动量指标？
什么是动量指标的“负责任回测”
回测用于估算基于动量指标的交易规则在历史数据中的表现。负责任的回测更关注测试设置是否仅使用了当时实际可获得的信息，而非仅仅关注最终的数值结果。
至少，你应该能够解释以下内容：
- 指标使用了哪些数据以及如何计算；
- 什么规则将指标读数转化为操作（如有）；
- 对成本和执行做了哪些假设；
- 哪些部分是稳定的指标机制，哪些是可变的市场和数据提供条件。
历史表现永远无法证明未来结果，因为市场关系可能变化，且回测对数据质量、成本和方法论偏差非常敏感。
机制与定义：将指标数学逻辑与测试假设分开
动量指标通常是一个“在回看周期内的变化”概念：它将当前价格与固定周期前的价格进行比较。具体公式可能因平台而异（例如，将当前收盘价与N个周期前的收盘价比较，或使用变动率变体），因此首要责任是明确并锁定定义。
负责任的回测始于固定的定义：
- 使用的价格序列（例如，收盘价对收盘价）；
- 回看周期长度（周期数量）；
- 计算细节（差值 vs. 百分比变化；是否使用平滑）；
- 时间规则（计算值何时可知，决策何时做出）。
然后将机制与可变条件分开：
- 稳定机制：指标计算及你应用的任何纯机械性选择规则；
- 可变条件：K线构建、缺失K线、时区处理、展期、流动性、买卖价差行为，以及执行建模方式。
需要建模的成本类型和执行摩擦
回测常常因忽略成本而夸大结果。即使在教育性检查中（不推荐任何操作），你也应以与数据一致的方式建模成本：
- 点差或每笔交易的有效交易成本（如何将买卖价差转化为单一净成本）；
- 每笔订单的佣金或费用；
- 滑点：假设成交价与可实现成交价之间的差距；
- 订单执行时间：成交是否发生在下一根K线开盘、同根K线收盘，或其他位置。
对于每个成本输入，应明确说明假设。如果你无法为这些数值提供合理依据，请将测试视为敏感性研究，而非绩效声明。
偏差控制：防止前瞻信息、过度拟合和选择性取样
一种常见失败模式是回测无意中使用了未来信息，或将参数调整到某个时期直到“拟合”。负责任的回测使用多种检查手段，使过度拟合更难隐藏。
核心偏差控制
- 无前瞻信息：确保用于决策的指标值和任何阈值在决策时点是可计算的；
- 前向滚动（样本外）测试：在一个数据段上拟合或选择参数，然后在后续未见的数据段上评估；
- 多种稳健性检查：改变非关键假设（如在合理范围内调整成本水平），观察结论是否依然成立。
需注意的典型失败模式
如果你基于指标的规则仅在狭窄的参数值范围内表现良好，可能只是捕捉到了训练期的噪声。另一种失败模式是：当你切换价格构建方式（或重采样为不同K线周期）时，结果模式消失，这表明回测对数据过于依赖。
解读结果前应声明的局限性和风险
至少应在一个实质性局限性上进行说明：
- 市场机制变化：某一时期出现的关系可能在后期减弱；
- 数据质量差异：历史K线可能无法复制实盘的流动性和定价行为；
- 执行不匹配：假设的成交模型（如下一根开盘、收盘、中间价）可能主导结果；
- 参数不稳定性：结果可能对回看周期长度和阈值选择非常敏感。
一种有用的表述方式是：即使回测内部一致，也不能证明相同规则在现实中具有普适性。
验证与后续问题：使你的检查保持独立
为独立验证相关事实，请关注可复现性：
- 精确重现所定义的动量指标（包括相同的回看周期和计算变体）；
- 使用相同的代码/数据流程重新运行回测，并验证每一步是否符合你的书面假设；
- 确认时间点：指标何时计算，决策何时做出。