如何负责任地回测RSI策略？

定义RSI策略回测的机制

回测是将基于规则的策略应用于历史价格数据，以查看其在特定假设下的表现。对于RSI策略，核心机制是相对强弱指数（RSI），它根据选定回看周期内的价格变化计算得出。

要负责任地进行回测，首先应将稳定逻辑与可变条件区分开：

• 稳定机制：RSI的计算方式（回看周期长度）、阈值的定义方式（例如穿越某一水平）以及进出规则的具体操作。
• 可变条件：历史数据集、假设的市场微观结构（成交如何发生）以及交易成本。

明确每一项计算假设。例如，说明你使用的价格序列（通常使用收盘价作为指标输入）、如何处理RSI尚未完全定义的初始值，以及是否在K线收盘时或盘中评估信号。即使是微小的选择也可能改变策略的交易次数和时机。

明确数据和执行假设

历史结果的可信度取决于数据管道和执行模型的可靠性。在所有步骤中使用相同的数据，以确保比较具有意义。

需要记录的关键数据选择包括：

• 数据分辨率：使用何种K线周期（例如分钟、小时、日线）来计算RSI并应用策略规则。
• 缺失数据处理：如何填补或避免数据缺口。
• 公司事件调整（如适用）：确保时间序列在时间上保持一致。

然后选择一个执行假设模型。负责任的方法不应忽略交易摩擦。至少应包含以下内容：

• 点差或等效的交易成本模型。
• 佣金（如适用）。
• 滑点假设（假设成交价比报价差多少，以及滑点是否随波动性变化）。

如果没有这些因素，回测结果往往比实际交易条件下的表现更好。

使用样本外测试和参数纪律控制偏差

许多“良好”的回测结果失败，是因为存在偏差。常见的偏差来源包括过拟合（将参数调优至历史数据）和前视偏差（意外使用了信号时间点不可用的信息）。

使用以下偏差控制方法：

• 前向滚动验证（Walk-forward validation）：在较早的时间窗口中拟合或选择参数，然后在下一个时间段中评估，随时间重复此过程。
• 样本外检验：至少保留一个时间段或数据集完全不用于训练，仅用于最终评估。
• 参数纪律：避免在看到结果后反复更改规则；如果需要迭代，应将每次迭代视为一个假设并重新验证。

还应验证你的实现是否符合预期规则。例如，确认策略是在RSI条件满足后的第一个K线入场，还是在同一K线收盘时入场。同时确认持仓管理规则（单仓还是多仓、信号重叠、多个条件同时触发时如何优先处理出场）。

考虑局限性和可能的失败模式

即使仔细的回测也无法证明未来表现。当市场状态变化、波动性动态改变或执行条件不同时，历史关系可能会破裂。

需要计划应对的重大局限包括：

• 市场状态敏感性：基于RSI的逻辑通常假设均值回归或动量行为会持续。如果市场状态转变，信号表现可能减弱。
• 过拟合风险：策略看似稳健，可能只是因为参数被调优至特定历史条件。
• 执行不匹配：历史K线数据无法完全代表盘中价格路径；成交、滑点和点差变化可能有显著差异。
• 数据和编码错误：索引偏移、RSI计算步骤错误或时间对齐不一致都可能导致误导性结果。

因此，负责任的回测应报告不确定性并进行压力测试，而不是呈现单一且看似确定的结果。

验证可独立检查的主张

为了使回测可验证，应关注可审计的内容。

一个实用的检查清单：

• 用通俗语言发布策略规则：RSI周期长度、阈值逻辑、进出时机和持仓管理。
• 记录所有用于成本和执行时机的假设。
• 至少使用一个样本外周期和一种前向滚动方法，并报告结果是否在这些条件下持续有效。
• 运行基本的合理性测试：策略是否在RSI未定义时交易？在边界处行为是否异常？当微小实现细节改变时，结果是否剧烈变化？

最后，在得出结论前提出下一个问题：“如果市场行为或成本在合理范围内发生变化，这些规则是否仍表现出稳定行为，还是结果会崩溃？”