稳健回测框架

解决什么问题

交易策略回测里最危险的不是结果不好看，而是结果“看起来太可信”。常见陷阱包括未来函数、幸存者偏差、成本假设失真、过拟合和样本外表现误判。这个技能聚焦回测系统本身：不是给单条策略调参，而是给工程师提供一套可复现、可用于生产的回测基础设施设计方法。

技能如何工作

核心思路是把回测从“跑一段历史数据”改造成可控实验系统：

• 明确假设与评估口径：先定义标的池、时间区间、风险收益指标和验收标准，避免事后挑选有利样本。
• 构建 point-in-time 数据管道：确保每个时点只能看到当时可获得的数据，降低未来函数和幸存者偏差风险。
• 引入贴近现实的执行模型：在模拟中加入滑点、手续费、成交限制等成本，使绩效估计更接近真实交易环境。
• 实现事件驱动逻辑：按市场事件驱动策略决策、下单与持仓更新，减少简单收盘价成交假设带来的偏差。
• 做样本外与滚动验证：使用训练、验证、测试集划分，并结合 walk-forward 分析评估策略在不同区间中的稳定性。

适用边界

它适合交易策略研发、回测基础设施搭建、策略稳健性验证，以及需要规避常见回测偏差的工程场景。它不适合实盘执行、投资顾问或把回测结果表述为未来收益保证。若历史数据质量未知、字段缺失严重，或目标只是快速产出绩效摘要，需要先解决数据质量与评估范围问题。