回测回答的是：在给定数据和执行假设下，这些规则过去会发生什么。它并不证明未来可盈利，结果质量取决于数据、模拟器和研究纪律。
冻结研究问题
在运行之前记录假设、资产范围、决策频率、参数范围、评价指标和否定条件。保留所有试验，而不仅保存最好的一条净值曲线。
只使用当时可知的信息
使用当时已经上市、能够交易的资产，考虑退市和缺失数据。财务、链上或成分信息必须按实际发布时间对齐。
在蜡烛收盘后产生的信号不能按同一根蜡烛此前的最佳价格成交。标准化、参数估计和筛选也必须限制在训练窗口内。
建模完整成本
纳入双边手续费、资金费、价差、滑点、借贷成本、最小订单、数量取整与拒单。挂单触及价格不保证你的订单轮到成交。
按多个成本和延迟情景重复评估。若略微提高费用或降低成交率就使策略失效，其实际优势可能过于脆弱。
模拟器匹配策略
低换手收盘策略可能适合较粗粒度的数据；依赖盘中顺序、止损或做市排队的策略则需要更细的事件模型。
同一根 OHLC 蜡烛同时触及止盈和止损时，无法仅靠四个价格知道顺序。应采用保守假设或更细数据，并披露限制。
向前验证
时间序列不应随意随机打乱。按时间划分训练、验证和最终保留集，或使用滚动向前验证，模拟每次只看到过去数据的研究流程。
反复查看并调整保留集，会让它变成训练数据。最终评估应对应冻结后的规则。
查看分布与研究次数
同时报告样本量、扣费期望值、利润因子（总盈利除以总亏损绝对值）、回撤、恢复时间、换手与资金占用。单一夏普比率或胜率不能完整描述尾部风险。
尝试的想法越多，偶然找到漂亮结果的概率越高。记录搜索范围，对参数稳定性、市场阶段与不同资产进行压力检查。
实盘之前的门槛
通过样本外与成本压力测试后，还需要检查实时数据一致性、账户权限、执行状态和保护机制。纸面交易无法完全模拟真实滑点或平台故障。
明确版本、可接受偏差、停机条件与复查流程。回测报告是证据的一部分，不是授权程序自动承担真实资金风险。
学完后应能做到
- 消除未来数据、幸存者与选择偏差。
- 计入费用、资金费和执行限制。
- 在纸面交易前检查样本外期望值与回撤。