译算法交易策略的成功测一

译 算法交易策略的成功回测之一

介绍

本来来自英文网站 QuantStart 中对于算法交易策略回测描述的一篇文章，原文可以参见脚注。[ Successful Backtesting of Algorithmic Trading Strategies - Part I] 市面上介绍算法交易的文章虽然不算多，但也不少，很多量化爱好者也会在各大论坛对自己的策略进行分享， 一般的流程就是策略描述，策略代码，策略回测表现。但是，就笔者所看到的，很多类似的量化研究还停留 在比较初级的阶段，很多回测中的问题，策略实现者并没有意识到，最后回测出来一条貌似很牛逼的曲线， 就认为他的策略差不多可用了，印钞机哪里这么容易去造成。当然，对于这些热心分享的网友们，笔者表示 由衷感谢，正是从他们无私分享中，笔者也从一个普通菜鸟，渐渐成熟到能够去独立开发一些实盘策略，但 是，对于其中的一些坑坑洼洼，尤其是笔者也踩过了不少的坑，也不想后来人再去走一次这样的弯路，因此， 去对回测中可能遇到的坑进行一些总结和分享，还是挺有必要的。

之前的文章中，笔者曾经提到过一些回测的坑，包括未来函数、偷价等常见的易犯的错误，不过经验与能力 所限，笔者所言，在广度与深度上也没有那么尽如人意。

恰巧，最近在 QuantStart 网站上看到了关于回测的一系列文章，很多论述，哪怕看过几次都值得回味， 因此，笔者这里斗胆，对这篇文章进行翻译与二次加工，以飨读者，希望读者们能够仔细阅读这篇文章，如果 觉得笔者翻译与注解的不行，完全可以去参照英文原文，多次品读与回味。

什么是回测

算法交易和其他投资门类差别很大，相比其他投资方式，在提供了足够丰富的数据后，算法交易可以根据历史 数据，对未来收益有一个更好的估计。通过历史数据去估计未来收益，这样的回程称之为回测 (backtesting).

简单而言，回测就是将你的独特的策略应用到历史金融数据上，得到一系列交易信号，每次交易 (这里的一次 包含买入和卖出) 都会有相应的利润或者损失。将回测时间区间内的收益与损失进行累加，可以得到总盈亏。 这些就是回测的精华部分。当然，实际中还是会有各种问题，所谓 “魔鬼藏在细节中” (devil is always in the details)，后续会提到.

那么，为什么要回测呢，下面是一些关键原因：

1.过滤

策略的研发过程，一般包括建模、研究、回测、模拟、实盘等阶段，