回测周期怎么选才合理？别只挑一段漂亮行情

回测周期看起来是技术细节，经常是结论的隐形导演。同一套规则，只跑 2019–2020，和跑 2016–2024，故事可以完全相反。很多人不是故意造假，而是下意识把窗口停在曲线好看的地方——研究结束时心情很好，实盘第一个反向年份就开始怀疑人生。

合理周期要覆盖「多种天气」

好的回测窗口，尽量让策略经历过不同类型的市场，而不是只经历它擅长的那种：

• – 有趋势的上涨段
• – 有阴跌或急跌段
• – 有宽幅震荡段
• – 若相关，再包含流动性变化、监管或风格切换的年份

A 股语境里，拉太短（两三年）很容易只碰到一种风格红利；拉太长也要小心：早期微观结构、涨跌停制度、交易成本与现在不同，规则若假设今日机制，过远历史要降权或分段解释。

没有放之四海的「必须 10 年」。更管用的标准是：你声称策略适应的环境，样本里有没有出现过？ 声称全天候，却只测牛市，那是广告不是研究。

样本内 / 样本外：周期要切开，不是只加长

把 2015–2024 整段调参到最优，再宣称「十年有效」，那是把十年都当样本内。更诚实的切法：

• – 样本内：只用于理解规则、少量试参数
• – 样本外：参数冻结后再跑，看是否塌
• – 有余力再做滚动：如每两年训练、下一年测试（走前进析）

加长全样本却不切开，只是让过拟合有更多数据可舔，不是更科学。

「挑漂亮行情」的自查清单

问自己这几个问题，命中越多越危险：

1. 1. 我是否因为某段亏损难看，就把起始年往后挪？
2. 2. 是否排除了某个「特殊」年份，却说不清排除标准是否事前写好？
3. 3. 是否只展示策略擅长的品种年份，弱项年份略过？
4. 4. 参数是否在看过全段曲线后才「最终确定」？

正当做法：起始结束日期事先写进研究计划；若事后发现数据质量问题要截断，记录原因，并同时报告截断前后差异。

可执行的选周期流程

1. 1. 先写策略假设：它吃趋势、吃均值回归、还是吃事件？
2. 2. 列出必须覆盖的反例年份（对趋势策略，至少要有长时间震荡或失效段）。
3. 3. 划定总窗口，再切 70/30 或按年份留出最近 1–2 年做样本外。
4. 4. 分年度报告：不报「平均年化一个数」了事；哪年亏、亏在什么环境，写清楚。
5. 5. 敏感性：窗口整体平移半年，结论是否大变？大变说明周期脆弱。

反例：某个动量规则在 2020 年极强，研究者把回测从 2019 中开始、到 2021 初结束，夏普耀眼。把窗口扩到 2017–2024 并留样本外，优势可能只剩「某一两年的故事」。周期选择比指标选择更能制造幻觉。

也别走向另一极端：为了「够难」，故意只留策略必死的窗口，然后宣布无效——那是用虐杀代替检验。目标是代表性，不是找一段能证明自己对的行情，也不是找一段能证明别人错的行情。

若策略依赖特定制度（如注册制后的涨跌停差异），窗口还应标明制度分段，避免把不可比阶段揉成一个年化。

交易次数也约束周期：若规则一年只触发十几次，你用两年窗口得出的胜率会抖得像噪声。此时要么加长窗口，要么降低对胜率精度的声称，改看期望的方向是否稳定。费用假设随年代变化时，分段用不同佣金/印花税率，比整段用今日费率更少自我感动。选周期的本质，是让「你声称的有效环境」和「你实际喂给回测的环境」对齐。

把不同周期的回测结果版本化保存，你才能诚实地对比「缩短窗口后好看了多少」。青柠量化 强调策略与结果本地保存，方便按区间重跑，而不是只留一张最终截图。

下载与说明见产品页：
https://www.zpyztech.com/product/qingquant/

免责声明： 本文仅作量化研究方法科普，不构成任何投资建议。历史回测不代表未来表现，请独立判断并自行承担投资风险。