让回测接近实盘从训练到成交模拟

训练方式

滚动 · 按季度

成交假设

次日开盘

交易费用

分项 · 按日期

上线之前

影子盘核对

回测为什么会失真

一条漂亮的回测曲线，最常见的问题不是公式算错，而是下面四类偏差中的某一类：

1. 前视偏差：用了当时还拿不到的信息，例如按报告期而不是公告日使用财报，或者在收盘后才知道的价格上成交；
2. 幸存者偏差：股票池里只有今天仍在交易的股票，那些退市、被并购的公司从历史中消失了；
3. 选择偏差：尝试了许多版本，只报告其中最好看的一个（参见多重检验）；
4. 不可执行的交易：在涨停价买入、在跌停价卖出、忽略停牌与 T+1、低估费用，或者按远超市场容量的规模成交。

我们的原则可以归结为一句话：回测中的每一个数字，都应当能由一个站在那一天、只掌握那一天信息的人重现出来，他下的每一笔单也都应当成交得了。下文按研究流水线的顺序，说明每一环如何落实这条原则。

1. 01→

   数据

   当时知道什么？

   • 时点财务
   • 含退市股票
   • 公司行为
2. 02→

   特征

   收盘时能算出什么？

   • 收盘前可得
   • 截面标准化
   • 行业与市值
3. 03→

   标签

   要预测的是什么？

   • 未来相对收益
   • 到期才可用
4. 04↓

   训练

   模型见过答案吗？

   • 滚动窗口
   • 按季度重训
   • 样本外拼接
5. 05→

   组合

   预测如何变成持仓？

   • 权重上限
   • 换手预算
   • 成本门槛
6. 06→

   成交

   这些单能成交吗？

   • 次日开盘
   • 涨跌停与停牌
   • T+1 与手数
   • 分项费用
7. 07→

   评估

   收益从哪里来？

   • 随机孪生对照
   • 多重检验
   • 稳健性
8. 08

   影子盘

   上线后是否一致？

   • 封存决策
   • 同一套代码
   • 逐日核对

具体的模型、特征与组合规则不在本文讨论范围之内；这里关心的是它们被检验的方式。

数据与标签：只用当时知道的信息

数据

研究使用的每一份数据都带有“何时可知”的时间戳。行情在当日收盘后可用；财务报表按公告日生效，从公告之后的第一个交易日起才进入计算，事后更正的版本不会被写回历史（参见基本面数据的时点）。行业分类同样按当时的归属，而不是今天的归属。

股票池按每一天的上市状态构建，包含之后退市的公司，只在决策当日判断是否可交易：上市满约半年、不是风险警示股、当日未停牌。价格收益使用复权价计算，现金分红与送转股则在成交模拟中按实际发生的日期处理。

研究在冻结的数据快照上进行。实时数据会被修订、补录，同一段历史在不同日期读出的结果可能不同；固定快照之后，任何一个结果都可以逐位复现，修订带来的差异也可以单独度量。

特征与标签

特征只用决策日收盘为止的数据计算，并在每个截面上标准化，使不同量纲的变量可以放在一起（参见标准化）。

标签是模型要预测的对象：未来一段时间（例如 20 个交易日）的收益，扣除行业、规模等共同因素之后的相对部分。它有一个容易被忽视的性质：第 $t$ 日样本的标签，要到 $t+h$ 日收盘才完全确定。在第 $T$ 日训练模型时，最近 $h$ 个交易日的样本还没有答案，它们必须被排除在训练集之外，否则模型就在用未来的收益学习。

滚动训练：模型从没见过它要预测的时期

我们按时间滚动训练与检验。每个季度初 $T$，只用此前若干年内、标签已经到期的样本重新训练模型：

$$\mathcal{D}_T = \left\{\,\left(i,\ t\right) \;:\; T - W \le t,\ \ t + h < T \,\right\}$$

其中 $W$ 为训练窗口，$h$ 为预测期。训练好的模型只给接下来这个季度的股票打分；到了下一个季度初，窗口向前滚动，再训练一次。把每个季度的样本外分数按时间拼接起来，就得到一条连续的样本外分数序列。

滚动训练与样本外打分

示意

重训时点

2020 年第 1 季度

训练窗口

两年三年五年

预测期

5 日20 日60 日

训练

样本外

拼接结果

20132015201720192021202320252027

重训前后

重训← 最后 20 个交易日

0708091011120102030405

用于训练标签未到期，剔除样本外打分

训练样本

2017-01 至 2019-12

剔除：标签未到期

最后 20 个交易日

样本外打分

2020-01 至 2020-03

已拼接的样本外

17 个季度

后续的一切，包括组合构建、成交模拟与统计检验，都只使用这条拼接起来的样本外分数。任何一个日期的分数，都来自一个在该日期之前训练完成、从未见过该日期之后任何标签的模型。

与之配套的是一条纪律：模型的结构与超参数在看到样本外结果之前就固定下来。如果看了结果再回头调整，调整本身就成了一次新的尝试，需要重新登记（见第五节）。

成交模拟：每一笔单都要成交得了

组合规则把每日的分数变成目标持仓，其中包含单只股票的权重上限、每日的换手预算，以及只有预期收益足以覆盖交易成本时才调仓的约束。目标持仓随后交给成交模拟器。模拟器逐日、逐只股票地维护现金、持仓与在途资金，每一笔订单都要经过下面的检查。

一笔订单从决策到可卖出

示意

1. 第 t 日

   →
   • 15:00收盘。当日行情与盘后公告入库
   • 收盘后计算特征与分数，只用到 t 日收盘为止的数据
   • 收盘后生成目标持仓，按 t 日收盘价折算为股数，形成订单

2. 第 t+1 日

   →
   • 09:30开盘。按开盘价加滑点成交
   • 逐笔停牌、开盘即封板、超出参与率上限、不足一手或现金不足的部分不成交
   • 收盘当日买入的股份不可卖出；未成交部分留待下一次决策

3. 第 t+2 日起

   • 开盘t+1 日买入的股份可以卖出
   • 此后现金分红在派息日到账，送转股在上市日后才可卖出

时点与成交价

决策使用第 $t$ 日收盘为止的信息，订单按第 $t$ 日收盘价折算为股数，在第 $t+1$ 日开盘成交，成交价为开盘价加上单边 10 个基点的滑点。收盘价只在收盘之后才知道，用它成交等于提前看到了价格。

停牌、涨跌停与 T+1

• 停牌：当日停牌的股票不能成交，持仓按最后一个收盘价估值；
• 涨跌停：开盘即在涨停价的股票不能买入，开盘即在跌停价的股票不能卖出，未成交的部分在下一次决策时重新检查。涨跌停价取交易所每日公布的价格，主板、创业板、科创板、风险警示股与新股的不同规则因此自动生效；
• T+1：当日买入的股份最早在下一个交易日卖出；送转股在上市日之后才可卖出。

这些规则在大多数日子里影响很小，却在最关键的日子里起决定作用。

每天有多少股票无法按计划成交

涨停（向上）跌停（向下）A 股 · 沪深两市 · 2015–2026

统计口径

开盘即在涨跌停价收盘在涨跌停价

80%40%0%40%80%涨停占比跌停占比

全天停牌的股票占比

0%30%60%201520172019202120232025

跌停最多（2020-02-03）

83%

涨停最多（2015-07-06）

40%

停牌最多（2015-07-09）

52%

交易日

2,852

2015 年 7 月 8 日，沪深两市 2,779 只股票中有 1,361 只开盘即跌停，约占一半；次日全天停牌的股票达到 1,438 只，同样超过一半。2020 年 2 月 3 日，3,767 只股票中有 3,127 只开盘即跌停，占 83%。2024 年 10 月 8 日则是另一个方向：1,820 只股票开盘即涨停。在这些日子里，“按收盘价调仓”的回测会卖出实际上卖不掉的股票、买入实际上买不到的股票。停牌的影响在 2019 年停复牌新规实施之后大幅下降：2015 至 2018 年平均每天有 150 到 390 只股票全天停牌，此后降到每天 10 只左右。

手数、参与率与资金

买入按 100 股的整数倍下单（科创板不少于 200 股，超出部分可按 1 股递增），只有清仓时才允许卖出零股。每只股票每天的成交量不超过其过去 20 个交易日日均成交量的 1%，超出的部分留到之后的交易日；这个上限只使用决策时已知的成交量，而不是当天实际的成交量。卖单先于买单执行，买入不超过当时可用的现金，并保留少量现金缓冲。

费用与税

费用逐笔、逐项计算，并按成交日期适用当时的规则：

最低佣金会让小额订单的成本成倍上升。一笔 2 千元的订单，佣金就要 25 个基点；账户越小、持仓越分散，这部分成本越显著。图五可以按不同的金额、方向与日期计算单边成本。

一笔订单的单边成本

卖出买入按规则计算

单笔金额（元）

1 万

方向

买入卖出

成交日期

2023.8.28 起2022.4.29 起更早

0bp20bp40bp60bp80bp¥1,000¥1 万¥10 万¥100 万横轴：单笔金额（对数刻度）

假设：佣金为成交金额的万分之三（含交易所经手费与证管费），单笔最低 5 元；印花税仅对卖出征收，2023 年 8 月 28 日起由 0.1% 降为 0.05%；过户费双向收取，2022 年 4 月 29 日起由 0.002% 降为 0.001%；滑点按单边 10 个基点计。本笔过户费 ¥0.10。

佣金（含规费）

¥5.00 · 5.0 bp

印花税

¥5.00 · 5.0 bp

滑点

¥10 · 10.0 bp

合计（含过户费）

¥20.1 · 20.1 bp

分红、退市与容量

现金分红在除息日计入应收、在派息日到账，红利税在卖出时按持有期补扣。持有期间退市的股票，按零回收处理，这是一个保守的假设。基准情形不计现金的利息收入，利息的贡献单独报告。

同一组目标持仓会在 50 万、500 万与 2000 万元三档资金下分别重放。小账户受最低佣金与整手限制的影响更大，大账户则更多地受参与率上限约束；此外，我们按每一笔模拟成交的金额，用平方根冲击模型（参见冲击成本与容量）另行估计冲击成本并从收益中扣除。只有在目标资金规模下仍然成立的结果，才被当作结果。

评估：收益从哪里来

收益、波动、夏普、回撤、换手与 IC 等指标的定义见《从 IC 到夏普比率》。本节讨论一个更根本的问题：一段收益里，有多少来自选股的信息，有多少只是承担了某种风格暴露。

同规则随机孪生

A 股的横截面收益有很大一部分来自风格：小市值、某些行业、高换手或低换手。一个偏向小盘股的组合，在小盘股占优的年份里可以大幅跑赢指数，但这部分收益并不需要任何选股能力。与指数比较，混淆了两者。

我们为每个策略构造“随机孪生”：在每一个截面上，把模型的分数在“行业 × 市值 × 流动性”分层内部随机打乱，再用完全相同的组合规则与成交模拟重放。孪生与策略有同样的行业、市值与流动性暴露，同样的换手与交易约束，唯一的区别是孪生的排序里没有信息。重复若干个随机种子，把孪生的平均表现作为对照：

$$\Delta = R_{\text{策略}} - \frac{1}{S}\sum_{s=1}^{S} R_{\text{孪生},\,s}$$

$\Delta$ 衡量的才是选股信息的贡献。

策略、指数与 200 个随机孪生

随机孪生策略指数示例数据

风格暴露带来的年化收益

12%

选股信息带来的年化增量

+4.0%

020400%10%20%30%策略指数

横轴：年化收益；纵轴：孪生个数。孪生的收益由风格暴露与随机波动决定，演示用。

相对指数的超额

+11.2%

相对孪生的增量

+4.0%

孪生的离散（标准差）

2.9%

高于策略的孪生

15 / 200

统计检验与多重检验

收益序列存在自相关，简单的 $t$ 检验会高估显著性。我们用块自助法（block bootstrap）对日度超额收益重抽样，得到 $\Delta$ 的置信区间与单侧 $p$ 值。每一轮研究只登记少数几个假设作为一个检验族，在族内做 Holm 校正；跨轮次则记录全部试验的次数，计算紧缩夏普比率与回测过拟合概率。

稳健性检验

一个结果要被接受，除了整体显著，还需要同时通过一组稳健性检验。它们回答的都是同一个问题：这个结果是不是依赖于某个特定的时期、参数或假设。

预注册与试验台账

检验标准本身也可能被结果牵着走。因此每一轮研究都在看到结果之前，写下要检验的假设、比较的对象、通过的标准与停止的规则；所有运行，包括失败的与中途放弃的，都记入试验台账；任何偏离事先计划的地方都要记录原因。结果出来之后，标准不再改动。

这样做的代价是显而易见的：大多数登记过的想法，都在这一步被否决。但也只有这样，留下来的结果才值得相信。

影子盘：上线前的最后一道关

通过全部检验的策略，并不直接投入资金，而是先以影子盘的形式运行：用生产环境的同一套代码、实时的数据，每个交易日收盘后生成当天的决策。决策在下一个交易日开盘之前封存，记录生成时间与内容的校验值，此后的任何改动都会被识别并记录在案；随后用同一个成交模拟器逐日重放，得到影子盘的净值。

影子盘回答的是研究回测回答不了的问题：生产数据与研究快照之间的差异有多大，代码在真实的时间压力下是否按预期运行，每天的决策是否与研究环境给出的一致。上线之前，影子盘的决策要能与研究环境对同一天的重算逐项对上，个别差异要能追溯到具体的数据修订；只有在足够多的交易日里运行无误之后，才会考虑投入资金。

边界：回测仍然做不到的事

即便做到以上各点，回测仍然只是对真实交易的近似：

1. 排队与成交顺序：在涨跌停价附近，真实能否成交取决于排队的先后，模拟器只能保守地认定不成交；
2. 日内过程：开盘价附近的真实成交价格与数量，并不总能用一个价格加固定滑点描述；
3. 冲击与拥挤：冲击模型基于经验规律，同类策略同时交易时的拥挤效应难以从历史中估计；
4. 市场结构的变化：交易规则、费率与投资者结构都在变化，过去的规律未必延续。

因此我们在不确定的地方一律选择保守的假设，并用影子盘、以及之后的小规模实盘，去核对模拟与现实之间的差距。

参考文献

• Harvey, C. R., & Liu, Y. (2015). Backtesting. The Journal of Portfolio Management, 42(1), 13–28.
• Bailey, D. H., Borwein, J. M., López de Prado, M., & Zhu, Q. J. (2017). The Probability of Backtest Overfitting. Journal of Computational Finance, 20(4), 39–69.
• López de Prado, M. (2018). Advances in Financial Machine Learning. Wiley.
• White, H. (2000). A Reality Check for Data Snooping. Econometrica, 68(5), 1097–1126.
• Holm, S. (1979). A Simple Sequentially Rejective Multiple Test Procedure. Scandinavian Journal of Statistics, 6(2), 65–70.
• Künsch, H. R. (1989). The Jackknife and the Bootstrap for General Stationary Observations. The Annals of Statistics, 17(3), 1217–1241.
• Almgren, R., Thum, C., Hauptmann, E., & Li, H. (2005). Direct Estimation of Equity Market Impact. Risk, 18(7), 58–62.
• Nosek, B. A., Ebersole, C. R., DeHaven, A. C., & Mellor, D. T. (2018). The Preregistration Revolution. Proceedings of the National Academy of Sciences, 115(11), 2600–2606.