交易设置的回测与前瞻测试

您将学到

• 如何编写足够精确、可供检验的规则。
• 如何以 R 为单位记录结果，并计算期望值和盈利因子。
• 为什么样本量很重要，以及少数几笔交易如何改变一切。
• 如何避免曲线拟合和前视偏差，以及前瞻测试如何提供帮助。

讲解

回测是指将固定规则应用于过去的数据，并记录会发生什么。前瞻测试是指在新数据出现时，在模拟账户中或以非常小的仓位应用相同的规则。好的回测是关于过去的证据，而不是对未来的承诺。

可检验的规则

每条规则都必须能用“是”或“否”来回答。“强劲趋势”是不可检验的。“日线收盘高于 50 日 SMA，且最近的日线波段低点未被跌破”是可检验的。请写下：市场、时间周期、设置条件、入场触发条件、止损、目标或离场方式，以及每笔交易的最大风险。

以 R 为单位记录

将每笔结果记录为计划风险的倍数。根据这份列表，您可以计算：

• 胜率 = 盈利交易数 ÷ 全部交易数
• 期望值 = 总 R ÷ 交易笔数
• 盈利因子 = 盈利 R 之和 ÷ 亏损 R 之和（取正数）
• 最长连续亏损次数和最大回撤（累计总额从峰值开始的最大跌幅）

请将估算的成本（点差、手续费、滑点）作为每笔交易的 R 扣减项计入。

样本量

小样本的噪音很大。交易笔数越少，一两笔幸运交易对结果的决定作用就越大。在相信某个数字之前，请在合理范围内尽可能多地收集来自不同市场状况（趋势、区间、高波动和低波动）的交易。

曲线拟合与前视偏差

曲线拟合（过度优化）是指不断调整规则和参数，直到过去的结果看起来完美。这样，规则描述的是过去的噪音，而不是可重复的行为。防范方法：保持规则简单，在测试前固定规则，并在构建规则时未使用过的另一段时期上进行测试。

前视偏差是指使用了决策时尚不可得的信息。例如：在波段点得到确认之前就使用它，或者在当天交易期间用当天的收盘价来决定入场。手工测试时，请一次只将图表向前滚动一根K线。

示例演算

假设示例：某个交易设置的 40 笔回测交易记录。每笔交易计划风险 €100（1R）。

1. 盈利：16 笔交易，合计 +33.6R（平均 +2.1R）。亏损：24 笔交易，合计 −24.0R。
2. 胜率：16 ÷ 40 = 40%
3. 净结果：33.6R − 24.0R = +9.6R。期望值：9.6R ÷ 40 = 每笔交易 +0.24R
4. 盈利因子：33.6 ÷ 24.0 = 1.4
5. 估算成本为每笔交易 0.1R：40 × 0.1R = 4.0R。扣除成本后净值：9.6R − 4.0R = +5.6R，即每笔交易 0.14R（在 €100 风险下约为每笔交易 €14）。不计税费。

敏感性检查（未扣除成本）：剔除表现最好的两笔交易（+4.5R 和 +4.0R，合计 +8.5R）。则 38 笔交易的结果为 9.6R − 8.5R = +1.1R ≈ 每笔交易 +0.03R。优势几乎消失。这个样本太小，远不足以令人信赖，因此下一步是收集更多回测数据并进行前瞻测试。

常见错误

练习活动

10 笔交易以 R 计的假设结果：+2、−1、−1、+3、−1、+1.5、−1、−1、+2、−1。计算胜率、净 R、期望值和盈利因子。然后写出一个说明 10 笔交易不够的理由。

要点总结

• 只有是/否规则才能被诚实地检验。
• 以 R 为单位记录每笔交易（包括成本），并计算期望值、盈利因子和回撤。
• 小样本具有误导性；请检查少数几笔交易对结果的影响有多大。
• 避免曲线拟合和前视偏差；用新数据上的前瞻测试加以确认。

下一步

您已完成本课程；请继续学习“风险与交易管理”课程，将经过检验的交易设置转化为涵盖仓位规模、回撤和交易处理的完整计划。