平均一笔历史模拟赚多少或亏多少
要计入合理成本，并说明样本范围。
回测：它最有价值的工作，是尽早告诉你策略哪里会坏
入场和退出规则写清以后，终于可以回到历史数据里测试。但回测不是把参数调到历史曲线最漂亮，而是让一套冻结的规则接受尽可能诚实的压力测试。漂亮结果值得看，失败案例通常更值得看。
- 理解回测前为什么必须冻结规则
- 识别未来函数、幸存者偏差和理想化成本
- 理解样本内与样本外的区别
- 理解过拟合为什么会让历史越来越漂亮、未来越来越脆弱
- 把回测结果理解为历史证据而非未来保证
参数是看完历史以后挑出来的，这份漂亮回测还缺什么？
回测是把交易规则放回历史数据检查，而不是证明未来。最危险的情况，是一边看结果一边改参数，最后把历史噪音当成策略优势。
Manual Backtest
不要只看一张漂亮图：逐笔跑完 24 个历史样本
规则已经固定。每点击一次才揭晓下一笔 R 结果；指标会随着样本增长实时变化。
????????????????????????
已测试样本0/24
胜率0.0%
平均盈利+0.00R
平均亏损-0.00R
最大回撤0.00R
期望值+0.00R
如果每看到一次失败就改一次规则，最后只会得到一套专门记住历史的策略
回测开始前，要固定入场、退出、数据范围、参数和成本假设。测试中发现问题当然可以修改，但修改后应该形成新版本，再重新测试，而不是把旧结果和新规则混在一起。
数据没错，测试方法仍然可以把结果做得异常好看
| 问题 | 发生了什么 |
|---|---|
| 未来函数 | 历史时点使用了当时还不知道的数据，例如未来收盘、后来修订的数字 |
| 幸存者偏差 | 只测试后来仍然存在的公司或产品，把已经退出样本的失败者漏掉 |
| 理想化成本 | 忽略手续费、价差、滑点、未成交和容量限制 |
| 反复调参 | 在同一段历史上不断寻找最漂亮的参数，逐渐把噪声也写进规则 |
样本内可以帮助设计，样本外才真正检查规则离开熟悉数据后会怎样
- 1样本内用于发现问题、设计或调整规则。这里的结果已经参与了规则形成。
- 2冻结版本决定不再针对这批数据调参。
- 3样本外用规则设计时没有参与调整的后续数据检验。如果看完又继续调参，这段数据就不再是样本外。
一条漂亮收益曲线，必须和回撤、交易次数、成本和失败阶段一起看
历史上经历过多深的不利阶段
它决定策略在现实中是否可能在“等它恢复”之前就难以坚持。
换时间区间、成本或小幅参数后结果是否完全翻转
轻微变化就崩溃，说明规则可能过度依赖特定历史细节。
检验你是否真正理解
只检验回测方法和边界。
第 1 题，共 3 题
为什么回测前要冻结规则版本？
第 2 题，共 3 题
什么最接近未来函数？
第 3 题，共 3 题
一套规则样本内非常漂亮，样本外迅速失效，最应该怀疑什么？
卡住了？让 Mira 帮你拆解
正在检查登录状态...