回测最容易骗人的地方，不是指标。
是名单。
你以为自己在问：“这个策略在过去一段时间表现如何？”
但如果标的名单不对，实际问出来的问题可能是：“这个策略在一批事后看起来还不错的标的上表现如何？”
这两个问题差别很大。
实盘交易不是面对一个抽象市场。
系统在每个时刻能交易什么，取决于当时的筛选规则、数据状态、交易所状态、流动性、风控限制，以及程序实际保存下来的 universe。
很多回测会默认跳过这一层。
拿一段历史 K 线，拿当前可交易标的列表，套上策略逻辑，跑出收益曲线。这个流程看起来很自然，因为代码能跑，图也能画出来。
但它隐含了一个很强的假设：今天这份标的列表，也代表过去那个时间点系统能看到的标的。
这个假设通常不成立。
一只标的今天还在列表里，可能是因为它后来活下来了、涨上来了、成交量变好了。一只标的今天不在列表里，可能是因为它后来跌没了、下架了、流动性变差了，或者只是后来不符合筛选条件了。
如果回测时只使用今天的名单，历史就被重新筛选了一遍。
这就是幸存者偏差。
很多人提到幸存者偏差，会下意识认为它一定让回测收益变好。
不一定。
在股票市场里，长期留下来的公司往往更强，剔除退市公司后，回测结果容易变得更好。这是最典型的情况。
但在短线或加密市场里，情况更复杂。
有些后来消失的标的，在当时可能有极强的波动和流动性，正是短线策略最容易赚钱或最容易亏钱的地方。把它们删掉，不一定让收益更好，也可能让风险看起来更低，或者让策略错过当时真正的交易机会。
所以问题不只是“收益有没有被高估”。
更根本的问题是：回测对象已经不是当时那个市场。
只要对象变了，后面的收益、回撤、胜率、交易次数，都只能算在另一个问题上。
这也是为什么我现在更关心 universe 的时间一致性，而不是只关心回测程序能不能跑起来。
听起来最理想的回测，是拥有全市场完整历史数据。
这当然好。
但对一个实盘系统来说，还有一个更具体的问题：线上系统当时到底选择了哪些标的？
全市场历史回答的是“理论上可以交易什么”。
真实 universe 回答的是“我的系统当时实际会看什么”。
这两个答案都重要，但它们不是同一个东西。
如果我想评估一个策略思想在整个市场上的普适性，全市场历史更有用。
如果我想评估一次策略改动对当前系统有没有帮助，真实 universe 更有用。
因为实盘不会在全市场里手动挑最适合的标的。实盘只会按照系统当时的筛选结果运行。
策略改动最终也是作用在这个筛选结果上。
所以对我来说，真实 universe snapshot 的意义不是让回测更华丽，而是让回测问题更诚实。
它把问题从：
“这个策略在历史上表现怎么样？”
改成：
“如果当时系统就是这样运行，这个改动会让结果变好吗？”
后者更窄，但更有用。
做这件事还有一个坑。
你把历史 universe 保存下来了，不代表回测真的用了它。
程序里很容易出现这种情况：
这类错误很隐蔽。
因为结果仍然会正常产出。没有异常，没有崩溃，甚至指标看起来还挺合理。
但你验证的已经不是历史场景。
所以回测需要一个明确的验收点：它必须告诉你本轮 universe 的来源是什么。
不是“我有没有复制历史数据”。
而是“本次计算实际使用的 universe source 是不是历史记录”。
这类检查看起来很琐碎，但它比多跑十个指标更重要。
因为如果样本源错了，指标越多，只是错得越精细。
我现在对回测的要求变得更朴素：
尽量像当时。
不是尽量复杂，也不是尽量全。
当时系统用什么 universe，就用什么 universe。
当时系统按什么时间粒度看数据，就按什么时间粒度。
当时系统有什么风控和仓位限制，就保留这些限制。
当时系统不会知道后面哪只标的会爆发，回测也不应该知道。
这个原则看起来简单，但实际很容易被破坏。
比如一次策略优化里，为了方便调试，你临时扩大了标的池。又比如为了让样本更多，你把 current latest universe 作为 fallback。再比如为了避免空结果，你在历史缺失时自动退回当前配置。
这些 fallback 在普通业务系统里可能是容错。
在回测里，它们可能是污染。
因为交易回测的目标不是“尽量跑出结果”，而是“尽量回答正确的问题”。
如果回答不了，应该明确失败，而不是悄悄换一个问题继续回答。
手工做策略时，很多东西其实在脑子里。
你知道自己当时看的是哪几只票，知道某个机会为什么没做，知道某个标的当时流动性很差。即便复盘不严格，人的记忆也会补上一些上下文。
系统化以后，这些上下文会消失。
程序只认数据。
如果没有把当时的 universe 存下来，过几天再回头看，就只能猜。
工具越自动化，越不能依赖“我大概记得”。
因为自动化系统会把很多微小决策放大：一个筛选条件、一个 fallback、一个默认值，都会影响后面的交易路径。
所以真实 universe snapshot 本质上不是一个回测功能。
它是记忆。
它让系统记住自己当时看见的市场，而不是让今天的你替昨天的系统重新选择一次市场。
回测不是把策略放进历史行情里跑一遍。
更准确地说，回测是在重建一个过去的决策环境。
行情只是环境的一部分。
标的名单也是环境的一部分。
执行约束也是环境的一部分。
如果 universe 错了，回测就不是轻微失真，而是问题本身变了。
所以我现在更愿意先把这类基础问题做扎实：保存当时的 universe，确认回放真的使用它，在结果里暴露 source，而不是只看最后的收益曲线。
收益曲线很直观。
但在它出现之前，先要确认一件更基础的事：
你回测的，到底是不是当时那个市场。
本文创建日期: 2026-06-14
最后更新日期: 2026-06-14