文/Kevin J. Davey，從事交易超過30年

(資料圖片)

問任何一個有經驗的交易系統(tǒng)開發(fā)者有關回測（Backtest）的優(yōu)劣問題，你很可能得到一個“然并卵”的答案。一方面，他們會告訴你，回測是必須要做的，因為它能告訴你一個策略想法在歷史交易中是否能被印證有效。

但是另一方面，他們又會補充說，很多時候回測并不能告訴你未來的盈利可能性，因為你在回測的時候擬合了收益率曲線甚至過度擬合。因此，交易系統(tǒng)回測是個天使與魔鬼的組合。

（“交易員說”注：過度擬合（Overfitting）或曲線擬合：系統(tǒng)可能太過復雜，以至于失去了預測價值。由于它與歷史數據的吻合度太高，市場行為的一個輕微變化就會造成效果的明顯惡化。）

那些交易新手們往往無法看到交易系統(tǒng)回測的兩面性，常過于迷信歷史收益表現，并期望在真實交易中也能夠實現如此漂亮的收益率曲線。他們期望歷史表現會在未來繼續(xù)，而事實證明，不少策略在隨后的真實交易中并不能達到交易者的預期。

傳統(tǒng)的交易系統(tǒng)回測最大的問題在哪里？在找到癥結前，我們必須定義到底什么是“交易系統(tǒng)回測”，有沒有可替代的方式存在。如下圖所示是各種回測方式，假設回測終止于2014年12月31日。

紅色方塊表示跑過回測數據的年份；綠色方塊表示樣本外測試階段，或沒有進行參數優(yōu)化的數據做的測試；藍色方塊表示實盤賬戶，真實交易。

首先，第一個是傳統(tǒng)的交易系統(tǒng)回測，目前為止最為流行的測試方法，也是最為危險的方法。絕大多數交易軟件鼓勵這種測試方法。簡單地找到一個圖表，插入一個策略，并使用所有可用歷史數據來優(yōu)化所有參數。這個方式對絕大多數交易者來說具有很大的交易風險。

很多被傳統(tǒng)交易回測帶來的不佳體驗的交易者開始尋求變化：增加樣本外（Out of Sample）回測評估期。作為全歷史數據測試的替代品，交易者會先測試50%-80%數據，其他歷史數據暫時擱置一旁。優(yōu)化過的交易系統(tǒng)在這個樣本外期間的表現將被評估。相比傳統(tǒng)的回測，這個方法要好很多，盡管很多人反復測試，實際上已經將樣本外階段轉變?yōu)闃颖緝?，因為交易系統(tǒng)的創(chuàng)建者對數據和傾向性的熟悉感已經蔓延至整個開發(fā)過程。

樣本外回測的下一個階段是推進分析測試（Walk-forwad testing）。在這個方式下，一個長期的樣本外測試期被建立，這個方式受到很多職業(yè)交易員的喜愛，盡管這個方法依然會在反復的測試中被“污染”。

最后一個方法就是直接在沒有歷史回測的情況下開始實際交易測試。這是個最為可信的方式，因為測試基于真實時間、實盤賬戶。

但這個方法需要極長的時間來評估策略是否有利可圖，更不必說這個方法的高成本。那些用這個方法成功的交易者很可能本身就具有良好的交易策略和對市場動能極深的理解，使他們對交易系統(tǒng)在真實環(huán)境中是否合格有個很強的預判。在實盤環(huán)境里沒有模棱兩可的結果，甚至不是所有類型的回測都一定適用。

如上所述，相比傳統(tǒng)的回測方法，其他三種替代方案都相當復雜和困難，這也是為什么大多數人，特別是那些菜鳥只是用最簡單的方式。而因為傳統(tǒng)回測的危險性，人們開始認為改善回測是測試的目標，一個更好的回測成為交易者的渴望。讓我們來舉個例子，你就知道這是個“然并卵”的事情。

過度回測的例子

我們就把這個菜鳥叫為“小明”吧。小明希望針對黃金交易建立一個策略，使用2008-2012年這五年的數據來做回測。然后他取出了現貨黃金的這五年日圖K線數據，并基于從書上和網站上學到的移動平均線交叉理論，建了一個簡單的交易系統(tǒng)，代碼如下：

input: mavg (2)

If Close crosses above average (close,mavg) then buy next bar at market;

（若收盤價高于均線，則在下一個燭臺做多）

If Close crosses below average (close,mavg) then sell short next bar at market.

（若收盤價低于均線，則在下一個燭臺做空）

顯然，小明對交易系統(tǒng)的變量“mavg”，即移動平均線的周期做了不斷的優(yōu)化，在進行了49次的迭代后，他獲得了正的利潤曲線，如下圖的交易系統(tǒng)A。顯然這個策略還不夠好，小明開始對回測進行改進。

對于改進后的交易系統(tǒng)B，小明認為多頭市場和空頭市場是不一樣的，因此多頭交易和空頭交易的移動平均線周期也應該不同。當他增加了這個優(yōu)化參數后，迭代次數升至1681次，績效表現也顯著提升。

現在小明對自己的系統(tǒng)表示滿意，但他希望獲得更好的績效表現，因此在系統(tǒng)C上，他增加了另一條移動平均線，同時也做了優(yōu)化?，F在他有8405次迭代優(yōu)化，不意外的，收益率曲線更加漂亮了。

在這個節(jié)點上，小明已經將一個很難獲利的移動平均線策略轉變?yōu)榱艘粋€從歷史上看很棒的策略。但是他真的建立了一個更好的交易系統(tǒng)了么？顯然他獲得了一個更令人印象深刻的歷史回測，但在真實交易中呢？

用這種方式開發(fā)策略注定悲劇，增加規(guī)則以提升回測效果并不意味著在真實環(huán)境中有效，事實上，很多時候，改善了的回測令真實交易表現更糟糕。

樣本外測試的現實

為了證實這一點，我們把小明的策略放到真實環(huán)境中測試一下，因為小明只做了2008-2012年的回測，正好可以將策略放在2013-2015年的周期內跑一下（見下圖）。如圖所示，表現更好的回測帶來的是更糟糕的真實表現。

不幸的是，這是個常見的結果。許多交易者做了他們認為對的事情，但結果不佳。當然，并不是完全如此，有些時候加入規(guī)則令策略在回測和實盤環(huán)境中都得到了改善。

以下是克服這種改善回測傾向的小建議：

· 設定合理的績效預期。不要嘗試去建立一個看上去完美的收益率曲線?，F實的策略不時會有深幅回撤和很多收益率走平的周期。如果你的回測結果太過于優(yōu)秀，那策略本身可能并不可靠。

· 不要不斷地增加規(guī)則和迭代，只為了改善回測表現。記住，過去的表現不代表未來的結果。

· 考慮嘗試不同的測試方式。樣本外測試、推進分析測試和實盤交易測試都好于傳統(tǒng)回測。試試看這些方式，或許更適合你的策略。

許多交易者覺得歷史回測是必不可少的，這給了他們分析不同策略和找到問題的方式。盡管這并不意味著良好的表現會持續(xù)，但過去歷史表現的優(yōu)越令人安心。

問題是，交易者費盡心思建立了一個更好的過去，卻在實盤交易中得到了更差的表現。因此，你在建立策略時應該更加小心，不要一味追求更好的回測，最終給自己帶來一個過于擬合的交易系統(tǒng)。

關鍵詞： 交易系統(tǒng) 移動平均線 歷史數據