研究方法
回测中的常见数据陷阱|幸存者偏差与前视偏差 - FTLib
大多数回测误差不是来自模型,而是来自数据。幸存者偏差、前视偏差与不可成交的价格,会让策略在纸面上看起来很好。
作者:FTLib 数据工程团队
审校:FTLib 数据质量组
更新:2026-11-13
阅读约 10 分钟
回测的第一个敌人往往不是过拟合,而是数据。你用的股票池是否包含已退市公司?财务数据是否在公告前就被使用?涨停板是否被假设为可以买入?这些问题的答案,可能比参数优化更能决定回测的可信度。
幸存者偏差
幸存者偏差来自只使用当前仍然存在的证券或当前行业成分。已经退市、被并购或调出指数的公司被排除,样本天然偏向成功者。对长期策略而言,这会系统性高估收益。
- 使用包含退市证券的历史证券列表。
- 行业研究使用历史成分与生效区间。
- 指数增强研究使用历史指数成分,而不是当前成分。
- 基金研究保留已清盘或合并的基金。
前视偏差
前视偏差是使用了当时尚不可知的信息。常见来源包括:财务数据按报告期而非公告日对齐、用当日收盘价生成当日开盘信号、用最新成分回测历史、用事后修订的数据。
可见时间
每条数据都应有一个“何时可见”的时间戳。回测只能使用在决策时点之前已经可见的数据。
财务数据的正确对齐方式是公告日。分类数据应使用生效区间。行情信号应明确生成时间与成交时间,避免同一根 bar 内完成“看到收盘价再以收盘价成交”的不现实假设。
复权与公司行为
分红、送转与配股会造成价格跳空。不复权回测会把公司行为误判为收益或亏损;复权方式混用则会让不同标的的收益不可比。
- 固定复权方式,并保存复权因子。
- 分红再投资与现金分红要明确处理。
- 拆股与合并后,成交量与价格需要同步调整。
- 可转债转股、强赎与下修会影响价格序列。
- ETF 份额拆分与分红会影响净值与折溢价。
停牌与涨跌停
K 线有收盘价,不代表可以按该价格成交。停牌期间无法交易;涨停时买入可能无法成交,跌停时卖出可能无法成交。回测应显式建模这些约束。
| 状态 | 买入 | 卖出 |
|---|---|---|
| 正常交易 | 可成交 | 可成交 |
| 停牌 | 不可 | 不可 |
| 涨停 | 可能无法成交 | 通常可成交 |
| 跌停 | 通常可成交 | 可能无法成交 |
成交假设
用收盘价、开盘价或 VWAP 成交,是常见的简化。但真实成交还受流动性、冲击成本、订单拆分与排队位置影响。对容量较大的策略,忽略冲击成本会显著高估收益。
建议至少做三档假设:乐观(收盘价)、中性(下一根 bar 开盘价加滑点)、保守(VWAP 加更高滑点与成交量占比限制)。比较三档结果,判断策略对执行假设的敏感度。
text
成交价 = 参考价 × (1 + 滑点)
可成交数量 ≤ 区间成交量 × 参与率上限
检查清单
- 股票池是否包含退市与调出样本?
- 财务、分类与公告数据是否按可见时间对齐?
- 复权方式是否全流程一致?
- 停牌、涨跌停与流动性约束是否建模?
- 信号生成与成交时点是否分离?
- 交易成本、滑点与冲击成本是否合理?
- 事件样本是否存在重叠?
- 参数是否在样本外验证?
数据陷阱不会让回测直接报错,它们只会让结果看起来更好。把上述检查写成固定流程,比事后怀疑更有效。
常见问题
回测应该使用前复权还是后复权?
关键是全流程一致。以当前价格为基准计算收益常用前复权;研究历史价格水平可用后复权。不要中途切换。
涨停日完全不能买入吗?
不一定。涨停封单大小、成交量与排队位置都会影响成交概率。回测中应使用保守假设,或按成交量参与率限制。
如何检测前视偏差?
为每条数据记录可见时间,并在回测中强制只使用决策时点之前可见的数据。财务数据按公告日对齐是最常见的一步。
本文用于数据口径与技术说明,不构成投资建议。示例数据仅用于字段解释。