专题
QuantStart 算法交易回测方法论（Part I–II）
QuantStart（Michael Halls-Moore 的量化教程站）「Successful Backtesting of Algorithmic Trading Strategies」系列 Part I/II 两篇。两篇是全套量化知识的方法论底座：Part I 讲回测的定义与四大偏差（优化/前视/幸存者/心理承受），Part II 讲交易成本建模与回测引擎实现细节。注意：collection slug quantstart-backtesting-1 是收录时遗留名（沿用了原文章标题片段），实际内容即这套两篇的完整回测方法论，无更多篇目。
第一次来，可以从第一篇开始；也可以在目录中选择感兴趣的主题。正文底部的“下一篇”会沿下方顺序继续。
关于这套内容与阅读提示
这是什么
- 底本：QuantStart 网站两篇英文文章（Part I / Part II），2012 年前后的个人量化教程语境，正文无时间戳概念。
- Part I 内容：回测的定义与四个用途（过滤/建模/优化/验证）→ 影响回测的四大偏差逐个解剖 → 回测软件/语言选型标准与作者偏好（Python）。
- Part II 内容：交易成本三类（佣金费税 / 滑点延迟 / 市场冲击流动性）→ 成本模型谱系（flat → 线性 → 分段线性 → 二次）→ 回测引擎决策（市价单 vs 限价单、数据频率、OHLC 免费数据的问题）。
- 在本库的位置：两篇把「回测结果凭什么可信」讲成方法论，聚宽新手教程的回测三指标是看结果的入口，本套回答「结果信不信」；聚宽量化课堂各策略页的回测数字都应放在这套偏差框架下阅读。
- 引用口径：正文以「QuantStart Part I/II」定位出处；原始文本在
原始出处（已归档）（2 个 raw part）。 - 覆盖状态：2/2 compiled（W9 收官）。
怎么读
两篇按顺序读，Part I 是前提、Part II 是细化，不要跳：
- Part I（回测定义与四大偏差）：先记住总判断「回测 = 理想化上界」，再逐个消化四大偏差的机制与缓解。读完它，任何「回测年化 XX%」的结论在你眼里都会先过一遍「有没有前视？数据有没有幸存者？参数是不是调出来的？」
- Part II（交易成本与回测实现细节）：把「成本三分类 + 模型谱系」接到 A 股语境（量化课堂 16 篇的佣金/规费/过户费/印花税是落地版），再看订单类型与 OHLC 数据两个实现坑。
读完全套建议接着读：聚宽新手入门教程（JoinQuant 平台实操）（回测怎么在聚宽跑起来 + 三指标）、聚宽量化课堂（低频量化策略 43 篇） 的 17/18 篇（指标效果统计与多回测参数网格——偏差缓解的具体做法）。想先建骨架的可先读本页「主线」「读完应该记住的」两节，以及概念页 回测偏差（优化 / 前视 / 幸存者 / 心理承受）。
主线
两篇合起来是一条完整的「回测可信度」论证链：
- 回测有用，但有前提：回测把策略放回历史数据重放，能过滤、建模、优化、验证（Part I）。但频率越高越不可靠（微观结构难建模）。
- 偏差几乎总在吹高：优化偏差（调参到好看）、前视偏差（未来数据混入）、幸存者偏差（只测活着的标的）都会把绩效吹高；所以回测是「理想化上界」，不是预测。
- 统计偏差之外还有行为与工程偏差：心理承受偏差（实盘扛不住回撤、策略被中途停掉）与成本/数据层的隐性偏差（Part II：成本被低估、免费 OHLC 数据不干净）同样让实盘跑输回测。
- 缓解是工程不是魔法：参数少 + 样本足 + 灵敏度分析看曲面；高/低价滞后一期、回归只用过去数据、数据去幸存者；成本按模型谱系逐步加准；订单类型与数据源选对。
- 落到本库：这套框架正是量化课堂各策略页（双均线/海龟/因子/均值回归等）回测数字的「验收标准」——概念页 回测偏差（优化 / 前视 / 幸存者 / 心理承受） 是它的总纲。
关键概念
- 回测偏差（优化 / 前视 / 幸存者 / 心理承受） — 四大偏差的方法论底座（本套新建概念页）
- 交易成本（佣金、规费、过户费与印花税） — 交易成本：QuantStart 三类分类与模型谱系 + A 股落地费率
- 回测评价三指标（收益 / 最大回撤 / 交易次数） — 回测三指标（收益/回撤/交易次数）：看结果入口，偏差问题正好补它的「信不信」维度
- 多回测与参数网格分析（分位回测、超额评估） — 参数网格/多回测：优化偏差缓解思路的聚宽实现
- 指标效果的历史频率统计（赢平输频次与最佳区间） — 指标效果历史统计：避免拍脑袋定阈值的相关方法
读完应该记住的
- 回测表现 = 实盘表现的理想化上界；看到漂亮回测，第一反应是找偏差，不是开心。
- 四大偏差各有一套名字与机制：优化偏差也叫曲线拟合/数据窥探，靠少参数 + 灵敏度曲面缓解；前视偏差常来自索引 bug、全样本回归、当期用高/低价，靠滞后一期与只用过去数据缓解；幸存者偏差是前视的特例，靠含退市的无偏数据缓解；心理承受偏差靠「预期回撤会重现 + 坚持」缓解。
- 幸存者偏差专门点名 Yahoo 免费数据「不是无偏的」；自建无偏数据要 3–4 年。
- 交易成本 ≠ 只是佣金：滑点与市场冲击是分水岭；动量策略滑点大于均值回归。
- 成本模型从固定额到二次是「简单便宜不准 ↔ 复杂昂贵准」的谱系；高频不建模订单簿，回测会显著好于实盘。
- 免费合成 OHLC 日线的极值不可靠：区域交易所小单 + tick 错误会污染高/低价信号。
- 这套方法论是读聚宽全套策略回测数字前的必修前置课。
更新 2026-09-06