第74章 回测框架（2/2）

请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。

策略 A：简单的双均线（10 日／30 日）交叉策略。

策略 B：他之前开发的 MACD＋RSI 结合策略。

策略 C：最新的情绪指标增强模型。

初始资金都设为 10 万元，交易规则完全一致。

点击运行。

屏幕上代码滚动，进度条缓慢推进。林晨起身倒了杯水，站在窗前看着科技园里穿梭的人群。那些穿着格子衫的程序员，那些行色匆匆的白领，他们中有多少人也在寻找出路？

二十分钟后，运行完成。

浏览器自动弹出回测报告页面。林晨坐回椅子上，屏住呼吸看向屏幕。

资金曲线对比图上，三条线从同一起点出发，四年后走向截然不同：

策略 A（双均线）的曲线在 2021 年之前缓慢上升，之后开始震荡，最终净值 12.8 万，年化收益率约 6.4%。

策略 B（MACD＋RSI）表现好些，净值达到 18.2 万，年化收益率 16.1%。

策略 C（情绪增强模型）的曲线最漂亮——前期平稳上升，2022 年市场大跌时回撤明显小于前两个策略，2023 年快速修复并创新高，最终净值 24.7 万，年化收益率 25.3%。

“漂亮”。林晨忍不住出声。

更关键的是风险指标。策略 C 的夏普比率 2.8，最大回撤 ?18.7%；而策略 B 的夏普比率只有 1.9，最大回撤 ?32.4%。策略 A 就更差了，夏普比率 0.8，最大回撤 ?41.2%。

月度收益热力图上，策略 C 的绿色（正收益）月份明显多于红色。交易明细显示，策略 C 四年只交易了 47 次，平均持仓周期 21 天；策略 B 交易了 112 次，策略 A 更是高达 189 次。

“频率越低，质量越高”。林晨记下这个观察。

但真正让他警醒的是另一个发现。

他把回测时间缩短到最近一年（2023 年），重新运行。

结果变了。

策略 C 的年化收益率从 25.3% 下降到 19.8%，策略 B 从 16.1% 降到 12.5%，策略 A 直接变成负收益。

“市场风格变了。”林晨盯着屏幕，“2020—2022 年的逻辑，到 2023 年不完全适用。”

这就是回测的陷阱——过去表现好，不代表未来持续好。但他的框架至少能帮他看清这个陷阱，而不是美化它。

林晨又做了几个测试：更改手续费率、调整滑点设置、加入冲击成本模拟……每次更改，收益率都会下降几个百分点。

“实盘收益至少要比回测低 20%。”他得出一个经验法则，“那些宣称回测年化 50%、实盘也能做到的，要么是神仙，要么是骗子。”

傍晚六点，苏婉敲门叫他吃饭。

餐桌上，林晨难得地主动谈起技术细节：“我今天把回测框架写完了”。

“测试了吗”？

“测了。我的情绪模型策略，四年回测年化 25%”。

苏婉眼睛一亮：“那很好啊”。

“但那是回测”。林晨夹了块排骨，“实盘能到 20% 就谢天谢地了。而且市场在变，策略得持续优化”。

“你已经比 99% 的人专业了”。苏婉认真地说，“那些凭感觉炒股的人，连回测是什么都不知道”。

林晨笑了笑，心里却清楚：专业只是门槛。在这个市场上，专业的人很多，能持续盈利的很少。

晚饭后，他回到书房，没有继续编码，而是打开了一个空白文档。

文档标题：《回测与实盘的差距分析》。

他开始系统地列出所有可能导致差距的因素：

未来函数（回测中无意使用了未来数据）

过度拟合（策略过于契合历史数据，失去泛化能力）

交易成本低估

流动性假设过于乐观

市场结构变化

黑天鹅事件

心理因素（实盘时会恐惧、贪婪、犹豫）

每写一条，他就思考如何在框架中防范或标记。

写到第十条时，窗外已是深夜。科技园的灯光依然璀璨，但林晨书房的台灯，是这片璀璨中一个安静的光点。

他保存文档，关掉电脑，走到阳台。

晚风带着鹏城湾的潮湿气息扑面而来。远处，深圳湾大桥的灯光连成一条金色的线，横跨在黑暗的海面上。

林晨想起这几个月走过的路：从被裁员时的茫然，到自学 AI 的挣扎，再到开发投资系统的专注。每一步都踩在现实的荆棘上，但每一步都让他更接近真相。

回测框架完成了，但这只是个开始。

真正的挑战，永远是下一个交易日、下一个决策、下一个未知。

他深吸一口气，夜风灌满胸腔。

明天，该用这个框架测试更多策略了。然后，选择一个，投入实盘。

那将是代码与现实的第一次正面交锋。