回测幻觉三部曲

本篇聚焦"偷信息"——数据与技术层作弊。一个前提贯穿全文：任何一个漂亮的回测曲线，在被独立证据证明为真之前，都应默认它是假的。 所有数字均为特定历史区间的客观回测记录，仅供研究参考，不构成任何投资建议。

上篇 · 偷"信息"——数据与技术层作弊

作弊的最底层来源，潜伏在数据的时序里，也潜伏在统计自欺的选择偏差里。它的本质只有一句话：决策时使用了当时尚不存在的信息。

一、未来函数：从"偷价格"到"偷一切"

未来函数是量化作弊中最广为人知、却也最被低估其变体的一类。它的本质只有一个：决策时使用了当时尚不存在的信息。但这个"信息"远不止收盘价。

• （一）同 bar 信号与成交（SAME_BAR）：一个日频策略在 09:30 用"当天收盘价"算涨幅、按"当天开盘价"成交。代码没显式请求未来日期，却同时用到了同一根 K 线两端、在决策时点都不可得的信息。平台的 avoid_future_data 能拦跨日期调用，却拦不住同 bar——因为它不涉及未来日期，只涉及同一 bar 内不可得的数据。
• （二）直接读取未来日期（FUTURE_RET）：比同 bar 更粗暴的是 get_price(..., end_date=今天+N天)。任何"用未来区间收益反推当前选择"的构造都是它的变体，把"读未来价格"换成"用未来收益造标签再训练模型"，隐蔽性高一个量级。
• （三）财务数据的"报告期—披露期"错位（FUTURE_FUNDAMENTAL）：用 statDate='2023Q1' 取数，等于让策略在 1 月 1 日就知道 3 月 31 日才结束、可能 4 月底才披露的数据。用"公告日"而非"报告期"作为截面时钟，是财务因子回测不可妥协的底线。
• （四）股票名称里的"未来 ST"：平台的名称字段返回的是当前名称而非历史当日名称。2023 年才被 ST 的股票，在 2019 年的截面里已显示为 ST，策略"恰好"提前把它过滤掉了。正确做法是用 get_extras('is_st', end_date=T-1) 取按日历史。它危险在于：代码看着像风控，实为偷看未来才发生的风险事件。

二、前视偏差：那些"回测当时不存在"的东西

前视偏差与未来函数共享同一个逻辑内核——使用了决策时点不可得的信息——但它的来源不在数据调用，而在回测环境本身的设定。

• （一）幸存者偏差：股票池是写死的静态列表、或用 get_all_securities() 不传历史日期时，回测宇宙系统性缺失了那些曾存在、却因退市或长期停牌而消失的标的。价值筛选策略（低 PB、低负债、高股息）恰恰最容易选中退市股——剔除它们，等于删除了"最可能造成永久资本损失"的样本。
• （二）指数成分股的时点错配：2026 年回测却选用 2020—2025 涨幅最大的黄金 ETF、纳指 ETF 作轮动池，本质是用未来才知道的赢家构造过去的投资宇宙。十年前并不存在"它们将继续领涨"的先验知识。
• （三）回测起点的刻意选择：起点恰在牛市底部、又在顶部结束，"年化 40%、回撤 8%"可能只是区间选择的产物。它不涉及任何一行错误代码，却与未来函数同等致命。

三、过拟合：从"参数挑峰"到"条件空间膨胀"

• （一）参数挑峰：核心参数在回测里被系统性扫描，最终值恰好落在一条凸型敏感性曲线的峰顶。25 日动量在 20—30 天里"恰好"最优、两侧迅速衰减——任何被固定的数字，都很难排除"它在历史上跑得最好"这一选择机制。
• （二）条件空间膨胀：从"低 PE + 深度偏离"两个条件，膨胀到六种形态、每种 5—10 个硬条件、外加板型与加速过滤，构成数百个可调旋钮。在这个空间里，找到一个"恰好有效"的组合几乎是统计必然。一个被硬编码为永远为真的伪条件（如 volume_pulse=False），不筛选任何东西，只让列表显得更丰富——这是"为了复杂而复杂"的明确信号。
• （三）PBO 的缺席：回测过拟合概率（PBO）直接度量"样本内最优配置在样本外跌破中位数的概率"。一个从未算过 PBO 的策略，无法回答"我的优势里有多少是选择偏差"。
• （四）辛普森悖论：单变量分析里"有效"的买入优化方向，在多因子联合环境里可能完全逆转。局部有效的条件在全局可能负向交互，回测里的"联合有效"或许只是特定参数下的偶然。

中篇聚焦"偷印象"——执行与叙事层失真。即使信号在统计上"干净"、参数没有严重过拟合，回测优势仍可能在执行层的物理约束下被系统性放大；更隐蔽的一类，代码毫无破绽，但"它怎么被讲出来"本身就是失真的。所有数字均为特定历史区间回测口径，仅供研究参考，不构成任何投资建议。

中篇 · 偷"印象"——执行与叙事层失真

即使信号在统计上"干净"、参数没有严重过拟合，回测优势仍可能在执行层的物理约束下被系统性放大；更隐蔽的一类，代码毫无破绽，但"它怎么被讲出来"本身就是失真的。

四、执行层失真：回测优势在物理约束下的蒸发

• （一）零滑点与流动性幻觉：set_slippage(FixedSlippage(0)) 对小微盘尤其致命。市值 5—30 亿、日成交额只有几百万的股票，单笔 30 万委托就能主导盘口。更要命的是固定金额滑点与比例滑点的混用：对 2 元低价股，0.02 元的固定滑点其实是 1%，而代码以为只设了 0.2%。
• （二）涨跌停过滤器的时序错位：09:30 用当天第一根分钟线（09:31）的收盘价与 high_limit 比较再立即下单——实盘 09:30 时 09:31 的价格还不存在。这不是平台的未来函数，却是实盘不可复现的信号优势；回测也没建模"委托后瞬间封板导致废单、资金闲置"的摩擦。
• （三）冲击成本与容量缺席：选中小微盘、10% 单票、每日调仓，却从未做容量测试。一个 100 万资金下年化 40% 的策略，在 5000 万规模下可能因冲击成本变成年化 5%。

五、逻辑伪饰：当"不是作弊"比作弊更危险

• （一）"配对交易"的只做多版本：真配对要同时做多低估腿、做空高估腿对冲 beta，只赚价差回归。可有的策略 zscore≤−2 只买、zscore≥+1 只卖、从不做空——收益主要来自单边 beta，而非价差回归。标题写着"配对交易"，实为一个单边择时策略。
• （二）没有回归平仓的 zscore 策略：−2 买入、+1 卖出，却从不"回归到 0 附近"平仓。它从未真正兑现均值回归的利润，100% 胜率可能只是"小赚多、大亏少"偏态分布的副产品，是逻辑缺陷，不是预测能力。
• （三）伪风控模块：新增了"单票 20%、行业 30%"的整套风控，但 get_industry 永远返回 default，行业约束从未生效；min_weight 存在却从不执行；risk_check 只在收盘写日志、不行动。比没有风控更危险的，是让人误以为有风控。
• （四）Alpha 来源的结构性消亡：A 股小市值因子 2017—2023 贡献显著超额，但 2024 年初微盘流动性踩踏、众多量化产品回撤超 20%。这不是普通回撤，而是交易结构的根本改变。回测区间没覆盖生态变化，本身就是一种"时间维度的幸存者偏差"。

六、叙事五法：代码干净，故事失真

以下五种，代码可能完全合规，平台的未来函数检测也查不出问题——问题出在"怎么讲"，不在"怎么写"。

• （一）宣传口径与交付物分离：首页的漂亮曲线来自一套深度优化的版本，能克隆到的却是删减后的简化版。作者未必刻意隐瞒，常在文末轻描淡写一句"分享的是简化版"，但绝大多数人只被曲线吸引。你看到的收益，和你能拿到手的策略，从一开始就不是同一个东西。
• （二）未经验证的二手转发：一句"我帮你们筛选好了、直接能用"，转发者可能连一次完整回测都没跑过，把别人的东西连遗留 bug 一起搬过来。原创者至少懂结构，二手转发者的担保往往是完全未经验证的。
• （三）选择性展示：不造假，只裁剪——只贴牛市区间、只放最优参数、只展示净值却不标最大回撤发生的时间与周期。每一格数据都真，组合起来的印象却严重偏正面。
• （四）批量海选后的幸存者：不是精心打磨出一个好策略，而是批量生成上百个，挑回测最好看的几个发布——这不是单个策略过拟合，而是"策略级的多重检验"。
• （五）用热度代替有效性：高赞、大 V 转发、专栏光环，本质是传播力证明，不是可复现性证明。一条策略被一万人看过，和它被一个人跑通，是两件完全无关的事。

下篇聚焦"偷信任"——激励与生态层。前面所有手法，都还停留在"一个人在制造幻觉"；但真实的生态里最常见的场景，根本不需要任何人"信"：作者不必信，读者也不必信。所有结论仅供研究参考，不构成任何投资建议。

下篇 · 偷"信任"——激励与生态层

前面所有手法，都还停留在"一个人在制造幻觉"。但真实的生态里最常见的场景，根本不需要任何人"信"：作者不必信，读者也不必信。 这才是回测幻觉真正的主角。

七、第三种人：清醒的转卖者

作弊可以拆成三层：数据技术作弊（偷信息）、叙事包装作弊（偷印象），以及最深的一层——激励机制作弊。当"分享注水策略"比"输出真实研究"收益更高，作弊就不再是个别人的道德问题，而是整个生态的理性选择。

一句最刺眼的现实：很多人明知策略是假的，克隆它从来不是为了实盘，而是为了骗下一批人、赚平台积分、换更多曝光。 这便是"清醒的转卖者"——他不天真，也不无辜，只是比普通人更早看懂了规则：在这个市场上，能变现的从来不是策略本身，而是"下一个人的相信"。

八、击鼓传花的生态与策略庞氏

打开任何一个大众量化社区的高赞策略帖，评论区最高频的词往往不是"我跑通了"，而是"分享只为积分""克隆学习""求回粉"。于是形成荒诞的激励错位：

• 分享注水策略是理性选择：一条重度拟合、带前视数据的夸张曲线，制作成本近乎为零，却能轻松换来积分、曝光与关注；
• 输出真实回测是亏本行为：剔除偏差后的真实曲线往往平庸甚至难看，发出来无人点赞，连基础流量都换不到。

市场被结构性扭曲：劣币驱逐良币，且不可逆。 当"假而吸睛"系统性跑赢"真而平庸"，连原本认真的创作者也会被裹挟着往曲线里注水，否则就被算法淹没。我们把这套结构称为**"策略庞氏"**：既然是击鼓传花，"下一批接盘者"就是商业模式本身——A 明知注水，加一句"经我实测可用"转给 B；B 再包装成"圈内专属"卖给 C。没有人打算真的用它交易，所有人都在转卖"下一个人的相信"。

两个我们实测复现过的典型标本（均为公开帖，此处不点名）：某社区高赞连板龙头帖，宣传图显示年化 304.67%、夏普 6.076、Beta 仅 0.115，曲线近乎匀速攀升，作者却在文末亲笔注明"分享的是未经因子拟合的 Lite 版本"；某"帮你们筛选好了"的高赞转发帖，打包票称"无未来函数、直接能用"，逐行复现后却发现前视偏差、缺函数根本跑不起来、所谓"亮点板块"恰是收益注水的核心来源。

九、验证的代价：为什么普通人防不住

讲透了骗子的低成本，更要看清证伪的高门槛。要拆穿上面任意一个谎言，你需要干净的 Point-in-Time 底层数据、严防未来函数的撮合引擎、以及足够强的代码能力去重构它的多组对照实验。一个普通投资者看到那条 304% 的曲线，根本没有能力、也没有工具和时间去验证——他唯一的选择，是"信"或者"被坑"。

造假成本被压到接近零，证伪成本高到个人无力承担——当这两条曲线交叉，散户就成了必然的输家。 这正是"你自己再跑一遍"听起来正确、却几乎无法执行的原因。

十、AI 合流：造假第一次实现工业化

大模型能批量吐出"看起来很专业"的代码、研报腔的文案、像模像样的净值图，再从中海选出最亮眼的幸存者——它天然自带"叙事合法性"。AI 幻觉喂给回测幻觉，再包装成叙事幻觉，注水内容的产量会指数级上升。 这才是这个时代真正的新变量。

收篇给出系统性防范：一个严肃的回测审查，不应从"这个策略有没有 bug"开始，而应从"它的优势在独立证据出现之前，默认是假的"开始。所有结论仅供研究参考，不构成任何投资建议。

收篇 · 怎么办——默认为假，系统证伪

一个严肃的回测审查，不应从"这个策略有没有 bug"开始，而应从**"它的优势在独立证据出现之前，默认是假的"**开始。

十一、五层证伪审查（技术层）

• 第一层 代码静态审计：查 avoid_future_data 是否开启、财务是否用公告日、ST 是否用 get_extras、成分股是否传历史日期；但静态审计抓不住同 bar，需动态探针（如把当日收盘价置 NaN，看信号是否仍产生）。
• 第二层 前视偏差审计：用"含退市股的全历史宇宙"重跑，与"当前存活股宇宙"对比；追问轮动池标的在回测起点是否已存在。
• 第三层 过拟合检验：PBO 度量"挑峰挑出了多少"，Walk-Forward 看"参数在滚动样本外是否稳定"，去通胀夏普（DSR）看"试了 N 次后夏普是否仍显著"。
• 第四层 执行层压力测试：把零滑点改成比例滑点看衰减曲线；在 100 万至 5000 万多档资金重跑画"规模—收益"曲线；显式建模封板废单路径。
• 第五层 逻辑完整性审查：追问"它真的是它声称的那个策略吗"——声称市场中性的确认它两端都有暴露，声称均值回归的确认平仓对应回归到均值。

十二、三道不可妥协的关口

• 数据关口：一切数据以"回测时点是否已公开可得"为唯一准入；财务用公告日、ST 用 get_extras、成分股用历史参数；平台给不出历史时点语义的概念归属，就放弃概念筛选。
• 统计关口：PBO + WFA + 去通胀夏普，三者缺一不可。
• 执行关口：容量测试、滑点压力测试、A 股制度约束（融券券源有限、T+1、涨跌停）。统计干净但执行不可行的，在当前制度下就不是可实盘策略。

十三、叙事证伪六问（前置闸门）

面对叙事与激励层，追问本身常常无效——他不为说服你，而为表演给下一个接盘者看。所以先问六句，把力气精准留给真正值得跑的策略：

1. 它展示的曲线，和我能拿到的代码，是同一份吗？
2. 有没有人真的完整跑通过？跑通的日志、成交明细在哪里？
3. 给我看的是全部周期，还是只挑了最好的一段？熊市那半年呢？
4. 它是逻辑驱动设计出来的，还是批量海选出来的幸存者？
5. 分享它的人，和我的利益一致吗？有没有变现诉求？
6. 如果大家都知道它有水分，那真正拿它做实盘的还剩多少人？

十四、壹信量化的四条验证铁律

这不是口号，是我们每一天的工作准则与交付底线：

1. 只信独立复现的结果，不信任何二手结论。 任何策略、社区帖、"大神推荐"，进入流程第一步永远是原样复现；带完整日志、可回溯的跑通记录才算证据。
2. 同窗对照、逐臂归因，给每一个缺陷标价。 不输出"好像有问题"的模糊判断，只给可量化结论：在指定区间、指定规模下，某缺陷贡献了多少百分点的虚假收益。
3. 宁可交付一条难看的真曲线，绝不输出一条漂亮的假曲线。 用户来这里是想知道真实的风险与收益边界，而不是看一条赏心悦目的假图。
4. 所有交付均可复核、可回溯、可复现。 每份报告附完整参数、数据口径与运行日志，用户可用自己的环境原样重跑。

十五、我们是谁：选股之后的那道验证器

你的工具链里，有选股的、有看盘的、有交易的，唯独缺一个环节，帮你检验"选出来的逻辑本身有没有陷阱"。壹信量化（IntoQuant）补的正是这一环——不是替代你现有的工具，而是在"选"和"买"之间加一道质检。 四不原则：不荐股、不给买卖点、不托管账户、不代客理财。 别人在卖"让你相信的筹码"，我们只提供"让你证伪的工具"。

结语：诚实，是这条赛道最贵的护城河

回测幻觉让你以为策略很强；叙事幻觉让你根本不去怀疑它强不强；而激励幻觉最狠——它让整个市场心照不宣地一起装睡。在击鼓传花的市场里，最稀缺的不是"年化翻倍的策略"，而是一个还敢说"我没跑通"的人。

回测不是证据，是待证伪的假设；叙事不是证据，是待证伪的广告。在击鼓传花的游戏里，唯一的证据，是你自己亲手跑出来的那一份。

附：作弊点 · 基本特征 · 防范要点总表

前面逐层拆过的作弊点，收拢成一张可对照、可执行的检查表。作弊沿三层递进加深：偷信息（数据与技术层）→ 偷印象（执行与叙事层）→ 偷信任（激励与生态层）。技术工具能查前两层，第三层只能靠"默认存疑 + 独立复现"来防。

阅读提示：下列表格较宽，在手机等窄屏上可在表格区域内 ← 左右滑动 → 查看完整列。

偷信息 · 数据与技术层

#	作弊点	基本特征（表现 / 识别信号）	防范要点
1	同 bar 信号与成交 SAME_BAR	09:30 用"当天收盘价"算信号、按"当天开盘价"成交；同时用到一根 K 线两端决策时点不可得的信息；avoid_future_data 拦不住	动态探针：把当日收盘价置 NaN，看信号是否仍产生
2	直接读取未来日期 FUTURE_RET	get_price(..., end_date=今天+N)；用未来区间收益反推当前选择（含"未来收益造标签训练模型"）	静态审计未来调用；标签只用 T-1 前可得数据
3	财务"报告期—披露期"错位	statDate='2023Q1'＝1 月 1 日就知 3 月底才结束、4 月才披露的数据	一律用公告日而非报告期作截面时钟
4	股票名称里的"未来 ST"	名称字段返回当前名称，2023 才 ST 的票在 2019 截面已显示 ST，"提前"过滤掉	用 get_extras('is_st', end_date=T-1) 取按日历史
5	幸存者偏差	写死静态股票池 / get_all_securities() 不传历史日期；价值筛选最易选中退市股	用"含退市股的全历史宇宙"重跑，与存活宇宙对比
6	指数成分股时点错配	事后选涨幅最大的标的作轮动池＝用未来赢家构造过去宇宙	追问池内标的回测起点是否已存在
7	回测起点刻意选择	起点牛市底、终点牛市顶，"年化 40%、回撤 8%"只是区间产物	跨多段牛熊窗口重跑，检查起点敏感性
8	参数挑峰	核心参数落在凸型敏感性曲线峰顶、两侧迅速衰减	算 PBO；看参数是否孤立尖峰
9	条件空间膨胀	从 2 条件膨胀到数百旋钮，"恰好有效"成统计必然；伪条件（volume_pulse=False 恒真）	精简旋钮、警惕"为复杂而复杂"；记录尝试次数
10	PBO 缺席	从没算过"样本内最优在样本外跌破中位数的概率"	必算 PBO（CSCV 框架把尝试次数纳入）
11	辛普森悖论	单变量"有效"的买入方向，多因子联合环境里完全逆转	联合环境验证，不迷信单变量结论

偷印象 · 执行与叙事层

#	作弊点	基本特征（表现 / 识别信号）	防范要点
12	零滑点与流动性幻觉	set_slippage(FixedSlippage(0))；固定/比例滑点混用（2 元股 0.02 元固定滑点＝1%）	改比例滑点（如 0.003）看收益衰减曲线
13	涨跌停过滤器时序错位	09:30 用 09:31 分钟线收盘价与 high_limit 比较再下单；未建模封板废单	显式建模委托—封板—废单路径
14	冲击成本与容量缺席	小微盘、10% 单票、每日调仓却没做容量测试；100 万 40%→5000 万只剩 5%	100 万—5000 万多档重跑，画"规模—收益"曲线
15	"配对交易"只做多版本	只买不空，赚的是单边市场 beta 而非价差回归；标题却叫"配对交易"	确认多空两端都有暴露，核对名实一致
16	无回归平仓的 zscore	−2 买、+1 卖、从不回归到 0 平仓；100% 胜率是"小赚多、大亏少"偏态副产品	检查平仓是否对应"回归到均值"
17	伪风控模块	get_industry 恒返回 default、min_weight 不执行、risk_check 只写日志；比没风控更危险	逻辑完整性审查：风控是否真生效
18	Alpha 来源结构性消亡	小市值因子 2017—2023 有效，2024 微盘踩踏后交易结构根本改变	回测区间须覆盖该 Alpha 完整生命周期
19	宣传口径与交付物分离	首页曲线是精修版，能克隆的是删减 Lite 版；文末一句"分享的是简化版"	核对"展示的曲线"与"给你的代码"是否同一份
20	未经验证的二手转发	"我帮你们筛选好了、直接能用"，转发者一次完整回测都没跑过	只信带日志、可回溯的跑通记录
21	选择性展示	只贴牛市区间、只放最优参数、只展示净值不标最大回撤	要求全周期、全参数、含回撤口径
22	批量海选后的幸存者	批量生成上百个、挑最好看的发布＝策略级多重检验	追问是逻辑驱动设计还是海选产物
23	用热度代替有效性	高赞/大 V/专栏光环＝传播力，不是可复现性	忽略热度，独立复现是唯一标准

偷信任 · 激励与生态层

#	作弊点	基本特征（表现 / 识别信号）	防范要点
24	清醒的转卖者	作者明知假，克隆不为实盘，而为骗下批人/赚积分/换曝光	把内容分发层默认视为敌对环境
25	击鼓传花 / 激励错位	"分享只为积分""求回粉"；假而吸睛系统性跑赢真而平庸，劣币驱逐良币	不采信任何二手结论
26	策略庞氏	A→B→C 层层转卖"下一个人的相信"，无人打算真交易	追问分享者与我的利益是否一致
27	验证的代价	造假成本趋零、证伪成本高到个人无力承担，两线交叉散户必输	依赖独立第三方验证器，而非自证
28	AI 合流工业化	大模型批量生成"看着专业"的代码/文案/净值图再海选，注水产量指数级上升	对"叙事合法性"保持默认存疑

防范体系总纲

层次	工具	要点
五层证伪审查	静态审计→前视审计→过拟合检验→执行压力测试→逻辑完整性审查	逐层穷举优势来源，逐一要求独立证据
三道不可妥协关口	数据（Point-in-Time）/ 统计（PBO+WFA+去通胀夏普）/ 执行（容量+滑点+A 股制度约束）	数据关口失守后续无法修复
叙事证伪六问	曲线与代码同一份？有人真跑通？全部还是精选？设计还是海选？利益是否一致？实盘还剩多少？	前置闸门，把力气留给值得跑的策略
四条验证铁律	只信独立复现 / 同窗对照逐臂归因给缺陷标价 / 宁交付难看真曲线 / 可复核可回溯可复现	默认为假，独立验证

一句话收口：作弊从"算错"（偷信息）→"讲得好听"（偷印象）→"明知假也传"（偷信任）层层加深；回测不是证据，是待证伪的假设——唯一的证据，是你自己亲手跑出来的那一份。