如何负责任地回测 Schaff 趋势周期指标？
在衡量前先定义指标概念
Schaff 趋势周期（常简称为 STC）是一种趋势跟踪指标，它将价格变动转化为有界的、类似振荡器的序列。负责任的回测始于将稳定机制与可变条件区分开来：
- 稳定机制：指标如何根据其输入（移动平均线、平滑处理以及任何振荡器映射）进行计算。
- 可变条件：市场周期、价格来源、执行方式以及交易环境。
即使你只关注该指标本身，回测仍需明确定义什么是“结果”。例如，你可以评估某个特定的 STC 水平或方向变化是否与后续价格走势一致。这一选择必须提前声明，因为不同的评估规则可能导致不同的结果。
明确设定数据假设和成本假设
严谨的回测依赖于数据流程。在进行任何计算之前，应明确以下假设：
- 价格数据：你使用的价格序列（例如，买价/卖价 vs 中间价/最新价），以及如何处理缺失的时间戳。
- 时间对齐：在时间 t 的指标值是否仅使用 t 时刻及之前可用的信息计算得出。
- 重采样：你是使用原始时间周期，还是进行了重采样，以及边界如何对齐。
成本至关重要，因为忽略成本时，基于指标的评估可能显得盈利。应明确设定以下假设：
- 交易成本：佣金、点差，或两者皆有（需与所选价格序列保持一致）。
- 滑点：实际成交价与回测参考价之间的偏差。
- 延迟：是否假设在下一周期开盘、收盘或其他规则下成交。
为了控制不确定性，应在多种合理的成本情景下运行相同的回测（例如，低/中/高滑点）。如果结论发生显著变化，则说明结果的稳健性值得警惕。
使用样本外测试和参数稳定性检查控制偏差
指标回测中的常见失败模式是过拟合：通过调整参数和选择规则，使历史表现看起来良好，但无法保证在其他时期的表现。可通过分阶段的工作流程减少此类问题：
- 一次性定义：在查看结果前，确定评估规则（什么事件触发指标）和参数范围。
- 使用训练窗口调优：若需调整参数，仅在训练段内进行。
- 样本外验证：将选定配置应用于未用于调优的后续数据进行测试。
- 多次分割重复：使用多个滚动或前向滚动段，降低结果仅来自某个幸运时期的可能性。
一种实用的偏差控制方法是参数稳定性：验证小幅度参数变化不会导致结论反转。例如，若结果依赖于狭窄的参数范围，则该关系可能不稳定。
至少评估一个实质性限制或失效模式
历史回测的成功并不能保证未来结果。应将绩效指标视为依赖于市场机制和执行假设的条件性结果。至少应测试一种实质性失效模式，例如：
- 机制转换：趋势指标在横盘整理期的表现通常与持续趋势期不同。
- 指标延迟：平滑处理可能导致响应滞后；需评估评估规则是否在指标信息滞后之后测量结果。
- 对成本/执行的敏感性：如果该指标仅在去除点差或假设不现实成交时才“有效”，则结论是脆弱的。
还需检查数据泄露：确保你的指标值仅使用决策时刻之前可用的数据计算。数据泄露可能使振荡器回测看起来准确，而实际上在实盘中并不可行。
验证及你应提出的下一个问题
负责任的验证过程需独立回答两个问题：
- 可复现性：你能否使用相同的数据定义重新运行回测并获得相同结果？
- 外部有效性：结论是否在不同的样本外窗口和成本情景下持续成立？
下一步，明确你的评估规则和指标。例如，确定你是衡量方向一致性、基于事件的时机准确性，还是某个假设规则的盈利能力。然后每次只改变一个要素，重复样本外测试过程。如果结果仅在一种狭窄设置下成立，则你的结论应表述为“依赖于假设”，而非普遍承诺。
链接相关概念页面也有助于保持计算与测试规则的一致性。