回测与验证：怎么知道自己不是在自欺

回测最容易骗人的地方，不是数据不准，而是「你会不自觉地调到好看为止」。这一篇讲三个能让结论站得住的方法，也讲它们各自的局限。

第一步：随机基准

在同样的品种、同样的时间段、同样的持仓时长下，用随机入场跑一遍。如果随机入场的期望收益接近 0，而你的策略明显为正，那至少说明优势不是「市场在涨」。

这一步经常被跳过，但它是所有验证里最便宜、最有信息量的一步。实测里随机入场的期望约在 −0.003 到 +0.033 R 之间，基本可以视为零。

如果你的策略也在零附近，那就不要浪费时间优化参数了 —— 先怀疑逻辑本身。

• 随机入场期望 ≈ 0 是基准线
• 策略必须显著高于基准
• 基准也高 → 说明吃的是市场方向，不是模型

第二步：消融测试

逐个去掉策略里的条件，看收益怎么变。如果去掉某个条件后收益不变甚至更好，那这个条件只是噪音过滤器，不是优势来源。

这一步的结论经常反直觉。实测中，完整的 ICT 2022 模型在每一个测试过的周期上都不是最优，而 FVG 才是优势的主要来源（含 FVG 的组合平均 R 在 0.32–0.60，纯扫除只有 −0.01–0.18）。

消融的价值在于：它把「模型有多完整」这个模糊问题，变成「哪几个条件真的有用」这个具体问题。

第三步：样本外

把数据切成两段：前 70% 用来定参数，后 30% 完全不碰，只用来看结果。如果后 30% 的表现和前 70% 差很多，说明参数被过度拟合了。

更严格的做法是跨品种验证：在黄金上调好的参数，拿到白银或欧元上跑一遍。如果完全不成立，说明参数是对某段特定行情的记忆，不是对市场结构的理解。

还有一种验证叫「参数高原」：好参数应该是一片区域，而不是一个孤立的尖峰。如果只有某个极精确的参数值表现好，那基本可以断定是拟合。

• 前 70% 定参，后 30% 验证
• 跨品种验证参数的普适性
• 要找参数高原，不是参数尖峰

必须承认的局限

回测无法模拟滑点、点差走阔、流动性不足。黄金在新闻时段的真实成交价，可能和回测里「止损触发价」相差很远。

回测也无法反映「执行延迟」。真实系统从信号到下单有几十到几百毫秒，在快速行情里，这个延迟足以让入场价差出一截。

最重要的一条：回测的样本量永远不够。20 年数据看起来很多，但如果策略一年只交易 30 次，那总共只有 600 个样本 —— 统计上仍然很薄。

• 滑点与点差走阔无法回测
• 执行延迟无法回测
• 样本量永远偏少，结论要留余量