回測是什麼？量化研究最重要的第一道檢驗

只要開始接觸量化交易，就一定會碰到一個核心流程：回測（Backtesting）。

很多人會把回測理解成「看看策略以前有沒有賺錢」，這樣說不算錯，但其實太淺了。

回測更重要的目的，是檢查你的投資想法，是否在歷史資料中具有一定的邏輯、穩定性與可執行性。

回測到底在做什麼？

你可以把回測理解成一個模擬過程：

假設你在過去某段時間，按照一套固定規則投資
每次都依照當時可取得的資料做決策
最後觀察這套規則的歷史表現

也就是說，回測不是為了證明自己一定會賺，而是為了先過濾掉明顯站不住腳的策略。

一個基本回測通常包含哪些元素？

1. 標的池

你要先定義研究範圍，例如：

某市場全部股票
特定產業股票
流動性達標的股票池

2. 訊號規則

例如：

動能排名前 20%
本益比最低的一組
某財務品質條件達標

3. 組合建構方式

你要決定：

持有幾檔
怎麼分配權重
何時調整部位

4. 成本與限制

回測不能只看理想情況，還要納入：

手續費
滑價
換手率
流動性限制

為什麼回測很重要？

因為量化研究最怕的是：

策略只在腦中成立
規則寫出來後完全沒有優勢
看起來有效，但只是偶然

回測雖然不能保證未來，但它至少能提供第一層檢驗，幫助你判斷一個想法是否值得繼續研究。

回測最常見的陷阱

1. 前視偏誤

也就是在歷史模擬時，不小心用了當時其實還不知道的資訊。

例如用未公布的財報數據做決策，回測結果就會被高估。

2. 倖存者偏誤

如果你的資料只保留現在還存在的股票，而忽略過去下市或消失的公司，結果通常會失真。

3. 過度擬合

你可能不斷調整參數，直到回測曲線變得很好看，但那不一定代表策略真的有效，可能只是把歷史雜訊學進去了。

4. 忽略交易成本

很多策略在理論上有效，但一扣掉交易成本和滑價，優勢就消失了。

如何看待漂亮的回測曲線？

回測好看不代表策略一定可靠。

比起只看總報酬，更值得看的通常是：

是否跨期間穩定
是否跨市場仍有一致性
最大回撤是否可接受
Sharpe、換手率、容量是否合理
是否有明確經濟邏輯支撐

一條太完美、太平滑的曲線，有時反而值得更小心。

回測之後，還不算結束

真正成熟的量化流程，回測只是第一步。

後面通常還會接：

樣本外測試
穩健性檢查
敏感度分析
模擬交易
真實資金驗證

這些步驟的目的，是避免你只是在歷史資料中找到一個偶然漂亮的結果。

小結

回測的價值，不是讓人沉迷於歷史報酬，而是幫助研究者建立一套更嚴謹的驗證流程。

對量化交易來說，一個好的問題通常不是：

這個策略回測賺了多少？

而是：

這個結果是否可信？
是否有邏輯？
是否能落地執行？
是否經得起更多檢驗？

當你用這種角度看回測，它才會真正變成量化研究最重要的第一道檢驗。