作 者：老余捞鱼
原创不易，转载请标明出处及原作者。
文中示例仅用于技术讨论，不构成任何操作建议。
量化策略开发应以学习和技术交流为目的。
本号不荐股、不卖课、不承诺收益。
市场有风险，请合法合规投资。
本文约 2900 字 | 预计阅读 5-8 分钟，后有代码下载，建议先收藏。
· · ·
搞过量化策略的人，八成都有过这种体验：随便写个规则，参数用默认的，回测曲线蹭蹭往上蹿。盯着屏幕那一刻，你会觉得这东西肯定能赚钱。
但热血上头之后，总会冷不丁冒出一个问题：这笔收益，到底是策略真有本事，还是纯粹走了狗屎运？说白了，就是行情恰好顺着你的策略走了一遍。换个顺序，可能就完全不是那么回事了。
今天这篇就拿这个说事。我自己先弄了个最简单的RSI策略，拿微软股票的数据从1990年跑到2026年，回测数字看着挺唬人。然后我做了一件大家都知道该做、但十个里有九个会偷懒的事：蒙特卡罗模拟。
结果一出来，原来那点底气全没了。我们继续往下看。
一、设计个简单策略
整条策略，就两条规则。
什么时候买？今天RSI比五天前低，就买。为啥？RSI往下掉，说明势头在弱，按理说应该做空，但我不，我做多，赌它反转。
什么时候卖？RSI从30以下弹上来，穿过超卖线，就走。昨天还在30以下趴着，今天上来了，说明超卖修复了，反弹可能真要来了。
然后，没了。没有趋势过滤，不看波动率，成交量也不管。就这两条。
回测我用vectorbt跑的，特地往前挪了一根K线，免得被”未来数据”忽悠。手续费算0.1%，滑点加0.2%，本金10万美金。标的就一个，微软。
这种策略，但凡会写点Python的人，二十分钟就能搭出来。也正因为简单，才更该往死里测。复杂的策略你会花好几天调参数，反倒警惕。最简单的，回测曲线一拉，你就信了，这才是最危险的事。
二、第一次回测
Walk-forward优化跑完1990到2026年，数据扔出来，每个指标都挑不出刺：
- 总回报：172415.7%，同期 buy and hold 基准 102435.1%
- 夏普比率：1.006
- 索提诺比率：1.539
- 胜率：51.2%，128 笔交易
- 盈利因子：2.348
- 单笔期望值：$1406.51
- 最大回撤：56.19%
跑赢 buy and hold 近 70 个百分点，夏普过了 1.0，盈利因子 2.3。任何一个角度看都是”好策略”的牌面。
▲ Walk-forward 优化仪表盘：年化收益能看，但回撤期长得让人怀疑人生。
可上面这张水下回撤图一拉出来，滤镜全碎了。
红线几乎整段整段地趴在-10%以下，几十年里有大半时间在亏钱坑里泡着。2008年附近最深跌到-55%。赚钱是赚钱了，但你得扛着腰斩以上的回撤，在水下憋十几年。回撤幅度加时间跨度，那种心理消耗，总回报数字根本说不出来。
更扎心的在后面。逐年拆开看：
1991年，这策略赚了121%，夏普2.58。第二年，1992年，只剩6.77%，夏普0.43。到了2000年，同一个策略、同一套逻辑，只是参数微调：直接亏了39%，夏普-1.06。
同一只微软，同一条RSI规则，放不同年份，判若两样。
这一高一低的节奏本身就说明问题了。36年的回测，只是一条具体的、单向的历史路径：哪年牛市、哪年熊市，顺序是固定的，反转什么时候来，也是固定的。
那172415%的回报里，到底多少是策略真有本事，多少只是因为你恰好站在了微软这条船上，风还刚好往你这边吹？
三、第二次回测
蒙特卡罗做的事其实很朴素，但很要命。
它换了个问题来问这个策略：我不看历史上实际发生了什么，我就问你：如果这128笔交易的盈亏顺序被打乱，你的表现会怎么分布？
具体操作很简单：把128笔交易的实际盈亏序列拿出来，随机重排一千次，每次跑一条新的资金曲线。
如果策略真的有统计优势，这一千条曲线应当大差不差。如果优势全靠在某一段行情上“吃了顿好的”，那这一千条曲线会原形毕露。
跑完之后，结果把单次回测的那个数字收在了一个区间里：
| 指标 | 5%分位（最差） | 50%分位（中位） | 95%分位（最好） |
|---|---|---|---|
| 总回报 | 11760% | 158775% | 2619293% |
| 最大回撤 | -71.56% | -52.68% | -40.62% |
| 夏普比率 | 0.59 | 0.83 | 1.07 |
▲ 回报、回撤、夏普：三条分布直方图，中位数是真实预期
跑完蒙特卡罗，三件事让我印象很深。
第一刀：夏普虚高，中位数夏普是0.83，不是单次回测的那个1.006。
也就是说，你预期这个策略能拿到1.0的夏普，但更可能拿到的是0.83。0.83当然不差，正期望，能用。但问题是，单次回测给你的那个数，不是“承诺”，只是“一次抽签的结果”。你恰好抽到了一张好签，而不是这个策略真的值1.0。
第二刀：腰斩躲不掉，回撤的中位数在52%-55%之间。
这不是“运气不好才碰到的”，是大概率要经历的。也就是说，用这个策略，你有一半以上的概率要面对账户腰斩。单次回测其实已经显示过56%的最大回撤，但看到表格里的一个数字，和看到直方图上密密麻麻的柱子全挤在-50%附近，那个视觉冲击力，完全两个级别。
第三刀：运气差200倍，分布的尾巴跨度大到离谱。
表现最差的那5%，总回报只有11760%。表现最好的那5%，2619293%。差了200多倍。
同一个策略，同一套规则，只是交易顺序换了一下，结果从“勉强保本”到“财务自由”，跨度差了两个数量级。
这三点放在一起，结论已经很明显了：单次回测那个漂亮的数字，不是策略的“真实水平”，只是它在某一条特定历史路径上的“表现”。换一条路，结局可能完全不一样。
四、直方图比单个数值得看
输出的表格里的数字看再多，不如这三张蒙特卡罗直方图来得直接。
第一张，收益分布。左边密密麻麻堆了一大片，右边拖了一条细长的尾巴。形状说明白了一件事：你大概率拿到的回报远低于那个漂亮的172415%，只有极少数幸运的模拟能冲到右边那个长尾巴里去。你的预期不应该是”我能赚那么多”，而是”我大概率赚不了那么多，但小概率可能暴富”。
第二张，回撤分布。 最粗的那一坨，正正落在-55%到-60%之间。这比单次回测里的56%更残忍：它告诉你腰斩不是”可能发生”，是”基本跑不掉”。看到这张图之前，你还可以安慰自己那是极端情况；看到之后，你连侥幸的余地都没了。
第三张，夏普分布。 大多数模拟落在0.6到1.1之间，0.83是中间那个数，1.006偏上。这就很诚实了：一条只有两条规则的RSI策略，单吊一只微软，长期夏普的合理预期就是0.8上下。不算惊艳，但正期望，能用。
三张图拼在一起，那个曾让你心动的单次回测数字，终于被还原成它真实的样子。
五、核心教训
核心教训就两句话，放在一起看：
第一句：这个策略在微软上跑了36年，赚了17万倍，夏普1.0。
这句话每个字都是真的，但单独拿出来，几乎等于什么都没说。
第二句：这个策略的夏普，中位数大概在0.83，回撤大概率要扛50%到70%。
这话远不如第一句好听，但你在实盘里真正需要的，是这一句。
这两句话之间的差距，就是为什么我要费劲做walk-forward和蒙特卡罗。
单次回测告诉你的是”历史上发生了什么”。蒙特卡罗告诉你的是”什么才是合理的预期”。
写策略的人、买策略的人，都需要第二个答案，它比第一个重要一百倍。
六、实操注意点
三个实操要点：
🔹 单次回测是起点，不是终点。跑完洗牌重来一千次，中位数才是你的预期，分布宽度才是你的风险。
🔹 盯着回撤分布，别光看收益。中位收益再正，回撤扛不住，策略就不属于你。别跟自己的心理底线较劲。
🔹 一个品种说明不了问题。这文章只测了微软，换一个标的，分布天差地别。你自己的策略，多品种蒙特卡罗是必经之路。
代码下载
下面是完整代码的免费下载：
https://www.laoyulaoyu.com/code/sisg.zip
#蒙特卡罗 #回测 #RSI策略 #夏普比率 #压力测试 #量化交易 #walk-forward #过拟合 #策略验证 #MSFT
Be First to Comment