如何负责任地回测斐波那契支点？
什么是斐波那契支点，以及你究竟在回测什么？
斐波那契支点是一组从参考区间（例如前一周期的最高价、最低价和收盘价）计算得出，并通过斐波那契比率映射到特定价格水平的指标。负责任的回测始于区分两个概念：
- 稳定的机制：将输入价格转换为支点水平的公式。
- 可变的上下文：市场如何表现、适用的交易成本，以及交易（如果你进行模拟）如何执行。
要负责任地进行回测，你必须明确你要测试的内容。常见的选择包括测试价格是否对这些水平产生反应（例如触及或反弹行为），或测试一个决策规则（例如基于这些水平的入场/出场）。即使你避免给出交易建议，任何“决策规则”本质上仍是一种策略，因此你的评估必须与你所模拟的确切规则相匹配。
机制：定义输入、假设和回测数据集
负责任的回测始于以清晰的语言写下所有输入和假设。
- 参考价格：明确哪些数据点定义了参考区间（例如前一周期的高/低/收），以及这些数据来自哪个交易时段边界。
- 时间对齐：确保每个计算出的支点水平在决策时刻是已知的。这可以避免前瞻偏差，即未来信息意外地泄露到早期计算中。
- 频率：定义支点是按日、按周还是其他周期计算，以及你针对哪种K线周期（或tick聚合）进行评估。
- 滑点和点差（成本）：如果你模拟交易执行，就需要一个成本模型。否则，结果可能仅反映理想化的成交情况。
- 事件规则：明确如何检测“触及”。例如，如果价格在一根K线内穿过某个水平，是否视为触及？检测方法会影响结果。
在此阶段，成本和“事件检测”是你要测试的机制的一部分。应将它们视为可审计和可修改的假设。
证据：使用偏差控制和样本外检查
历史模式并不能保证未来结果，因此你的评估应侧重于稳健性。
关键控制措施包括：
- 前瞻偏差检查：仅使用决策时刻前可用的数据重新计算支点，并验证你的流程是否强制执行了时间顺序。
- 参数敏感性：如果你允许选择包含哪些比率，或如何处理多次触及，需测试表现是否依赖于特定的精细调参配置。
- 样本外验证：将数据集划分为训练集（用于设定假设或选择规则）和测试集（用于评估）。在训练集上选定参数后，锁定参数并仅在测试集上评估。
- 市场机制覆盖：验证结果在不同波动性和趋势环境下的表现。仅在一种机制下有效的策略更容易过拟合。
保持可信度的一个实用方法是记录生成结果所用的每一个假设：支点计算方法、交易时段边界、事件规则、成本模型和选择标准。
局限性和风险：至少应预期一种可能的失败模式
负责任的回测还要求说明哪些因素可能导致结论失效。主要的失败模式包括：
- 数据和对齐错误：时区、交易时段截断或K线构建中的微小错误可能导致计算出的支点水平偏移，从而产生误导性的“触及”。
- 隐藏成本和执行不匹配：点差、滑点和部分成交可能显著改变实际结果，与纸面水平产生差异。
- 对历史数据过拟合：如果你反复调整输入以优化历史表现，可能会构建出一个仅能解释过去数据但在其他情况下失败的规则。
- 市场机制变化：当波动性、流动性或参与者行为改变时，价格与支点水平之间的关系可能发生变化。
即使计算本身是正确的，这些局限性也可能使回测结论变得不稳定。
验证和下一个应提出的问题
为了独立验证结论，你应该能够不依赖他人结果而回答以下检查问题：
- 你能从指定的参考价格和交易时段边界重现支点水平吗？
- 你的测试是否避免了前瞻偏差（每个计算值必须在决策时刻已知）？
- 你的评估是否包含透明的成本模型和真实的事件检测？
- 结果在样本外周期是否一致，并且在多种市场机制下是否持续有效？
如果你能完成这些步骤，你就是在测试该方法的行为，而不是无意中验证自己的假设。