如何负责任地回测移动平均策略？

在开始回测前先明确定义策略机制

移动平均策略通常是基于规则的：它定义了要计算哪些移动平均线、如何从价格数据中计算它们，以及当指标条件发生变化时应采取什么操作（例如，短期均线上穿长期均线时）。负责任的回测始于将这些机制写成明确的输入和输出。

在研究过程中，明确你不会更改的假设：

• 数据：使用的价格字段（例如开盘价、最高价、最低价、收盘价）、K线周期（例如1分钟、1小时）以及时区。
• 移动平均公式：移动平均类型（简单或指数）、回看周期长度以及任何预热期。
• 信号到交易的映射：明确信号何时被认为发生（K线结束时还是下一根K线）、以及何时建仓或平仓。

这种区分很重要，因为许多回测“差异”实际上只是定义上的差异。如果你之后更改了指标的时序或K线使用方式，那么你实际上已不再测试相同的策略。

使用与回测规则匹配的交易成本和执行假设

回测通常因使用理想化条件而夸大结果。你可以通过将成本和执行时序作为规则的一部分（而非事后补充）来使测试更贴近现实。

至少应包括：

• 交易成本：每笔交易的佣金和任何固定费用。
• 点差与滑点：理论入场价与实际成交价之间差异的假设。
• 持仓处理：在已有持仓时对重复信号的处理方式（忽略、反向或加仓）。

需明确说明计算方法。例如，如果你的规则在K线收盘时触发，那么回测应反映入场发生在下一个可交易时间点，并使用预设的成本模型。否则，回测可能无意中假设了你实际上无法获得的信息。

通过固定规则、数据纪律和参数测试限制来控制偏差

一种常见的失败模式是过拟合，即策略被过度优化以适应历史噪音。即使没有“滥用”数据，若尝试过多变体，结果也可能变得脆弱。

为减少偏差，应使用以下控制措施：

• 单一规则来源：一旦机制确定，不得根据表现最佳的历史时期调整规则。
• 有限参数搜索：若调整移动平均周期长度，应定义有限范围的网格，并将其视为有计划的实验。
• 敏感性检查：测试邻近参数值，观察微小变化是否导致绩效急剧下降。
• 前向滚动评估：反复在早期数据段上训练/选择参数，并在后续未见数据段上评估。

负责任的态度是预期绩效会有所波动。目标不是找到在样本内表现最佳的单一设置，而是衡量策略在合理变化下的稳定性。

验证样本外稳定性，而不仅是样本内表现

历史结果很少能直接转化为未来收益。因此，负责任的回测至少需要一种样本外评估形式。

良好实践包括：

• 将数据划分为样本内（用于定义选择）和样本外（用于评估）。
• 使用多个样本外窗口，避免单一异常有利时期主导结论。
• 报告变化内容：入场/出场时序、成本和参数选择。

同时使用反映策略行为的指标进行验证，而不仅是总收益。例如，考虑回撤、交易频率，以及结果是否依赖少数几笔交易。

如果策略依赖罕见序列或仅在一种市场状态下有效，则这是实质性的局限。

理解实质局限性和常见失败模式

即使方法严谨，移动平均策略仍面临结构性局限：

• 依赖市场状态：移动平均在趋势市和盘整市中可能表现不同。
• 模型与市场不匹配：历史K线可能无法代表可执行价格和订单簿效应。
• 非平稳性：市场动态不断演变，历史关系可能减弱。
• 对成本敏感：假设的点差或滑点的微小变化可能显著影响净收益。

一种具体失败模式是“纸面收益”：回测在不计成本时盈利，但计入交易摩擦后变得疲弱甚至亏损。另一种失败模式是时序泄露：若回测在K线收盘时入场，而你的信号实际上直到下一根K线才可知，则结果会被高估。