FTLib

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。

可成交性检查
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。

用统一口径的数据开始研究

查看对应数据域的字段说明与请求示例,或提交接入咨询获取授权范围与配额。