量化回测中，哪些“默认假设”最容易被忽略？
由bq5l7qg6创建，最终由bq5l7qg6 被浏览 3 用户
很多量化研究，失败并不是因为策略“想错了”，而是因为一些被默认接受的前提，其实并不成立。
回测框架往往给人一种安全感：数据已经准备好，撮合规则也写好了，回测结果能直接画成一条漂亮的收益曲线。可一旦把视角从“策略逻辑”挪到“这些结果是如何被算出来的”，就会发现，回测里藏着不少未经确认的假设。
这些假设并不显眼，甚至从不写在策略代码里，但它们会悄悄决定回测是否可信。
成交，真的像你想象中那样发生了吗？
很多回测的第一步，就是“在某个价格下单，并立刻成交”。
这一步在代码里极其自然，甚至是默认行为： 只要触发条件满足，订单就被认为已经在当前 bar 的价格成交了。
问题在于，这里隐含了几个没有被明说的前提。
比如： 这个价格在当时是否真的可成交？ 你的下单规模是否会影响成交？ 策略触发的那一刻，市场上是否存在足够的对手盘？
在日线级别的研究中，这种假设看起来问题不大；但一旦策略开始依赖更细的时序关系，成交假设就会变得非常“锋利”。 你会发现，回测里那些看似合理的进出场点，在真实行情中根本没有出现过“可交易的瞬间”。
更微妙的是，很多策略并不是被“逻辑”打败的，而是被这种过于顺滑的成交过程放大了收益。 等到实盘再去补滑点、补撮合规则，策略往往已经面目全非。
数据是连续的，但市场不是
回测数据通常是整齐的。
时间戳是规则的，K 线是一根接一根的，看起来市场始终在“持续运行”。 但真正的交易环境，从来不是这样。
交易所会停盘，品种会换月，流动性会在某些时段突然变薄；有些价格跳动，并不是连续演化，而是直接“跳过去了”。
在回测中，如果默认数据是连续的，就等于默认： 策略可以在任意一个 bar 之间自由切换状态，信号永远不会“错过”。
这在很多趋势策略里不容易被察觉，但在依赖精细入场时机的策略中，影响非常大。 你可能在回测中捕捉到了一个极佳的入场点，但真实市场中，那根 K 线根本不存在你想要的成交路径。
更现实的一点是： 当数据出现缺口时，回测系统往往会“自动帮你补上逻辑”，而不是提醒你这里发生过中断。
于是，一个本应被视为异常的行情区间，被平滑地纳入了策略收益之中。
价格是“已知的”，但在当时并不可得
回测中最容易被忽略的，反而是价格本身。
我们在写策略时，习惯直接使用 close、high、low，甚至是 bar 内的极值来判断条件。这在事后看是完全合理的，但在当下，却未必成立。
一个典型的问题是： 你在策略里用到的那个价格，是在信号产生时就已经知道的吗？
例如，使用整根 K 线的最高价来判断突破，在回测里毫无问题；但在真实交易中，这个价格只有在 K 线走完之后才被确认。 如果回测系统默认“你可以在 bar 内任何时刻使用这些信息”，那策略的反应速度，其实已经被提前了一步。
这种提前，在统计结果上往往表现得并不夸张，却足以让一个边际优势策略，看起来稳定盈利。
很多人直到对接实盘，才意识到： 不是策略突然失效，而是回测阶段使用了当时根本不可得的信息。
回测结果的“可信度”，来自这些细节
这些假设本身并不是错误的。
问题在于，它们经常是在没有被明确意识到的情况下，被整个研究过程默认接受了。 当策略表现很好时，很少有人会反过来追问： “如果这些前提稍微不成立，结果还会一样吗？”
在量化研究中，策略逻辑只是表层。 真正决定回测是否有研究价值的，是你是否清楚： 结果建立在什么样的假设之上。
当你开始主动检查这些“默认前提”，回测曲线可能会变得不那么好看，但它也会变得更诚实。