能力子页 · 回测与审计

tick-stock-panel 回测可信度审计：先问十个问题

一个策略回测数字好看，不等于它在未来管用。本页不展示任何收益数字，而是把 tick-stock-panel 对到底做了哪些约束、哪些口径需要你自己确认写清楚，并给一份能直接照着跑的审计清单。

看因子平台与挖掘看 enriched 口径

本页回答：结果能不能信 / 哪些假设没被覆盖依据：官方 docs/features.md、docs/mining.md、docs/strategy-iteration.md本站未实机跑回测：不展示任何收益数字

时间对齐

成本假设

股票池偏差

样本外验证

导出复测

tick-stock-panel 回测可信度审计清单示意（依据官方 docs/features.md 与 docs/mining.md 整理的 schematic，非官方回测报告）。本站未实机跑过任何回测，下图不包含任何收益、夏普或胜率数字。

Backtest modes

tick-stock-panel 有哪几种回测模式？各自适合问什么问题？

选对模式比调参数更重要：用个股回测去验证一个全市场策略，得到的结论会有系统性偏差。

回测模式	适合问题	官方口径
个股回测	这只标的在某个策略下表现如何	单标的 + 一个策略，看净值与交易明细
策略组合	一个策略扫全市场后按组合约束持仓会怎样	策略先扫全市场，再按最大持仓数、敞口控制与等权或自定义仓位组合
自由信号组合	多个自定义信号加自定义权重混合	多个信号 + 权重，适合做信号层面的组合实验
分钟策略回测	盘中触发条件在历史上会不会真的成立	逐交易日回放信号，以分钟收盘价入场，输出分钟级成交明细

选模式时最常见的一个错：拿个股回测去验证一个全市场策略。个股回测只回答「这只标的在这个策略下怎么样」，它无法告诉你「这个策略扫全市场能不能选出好标的」——后者才是选股策略真正的问题。如果你的策略是从一个大池子里挑标的，就应该用策略组合模式，并把最大持仓数与敞口约束设成你真实能承受的水平。

四种模式共用同一套真实约束：T+1、手续费、滑点、止损与最大持仓天数（官方名单）。这意味着你不会在个股模式下看到一个完美曲线、切到组合模式后却全崩掉，因为约束本身没变。但你仍然需要分别检查：组合模式多了一层仓位与敞口约束，分钟模式多了一层时间级差异，这两层都会影响结果。

Real constraints

tick-stock-panel 在回测里到底考虑了哪些真实约束？

下表每一行都是官方列出的约束，并说明它为什么会影响你对结果的信任度。

约束	官方行为	为什么它影响可信度
T+1	信号日与成交日错开，当日信号不能当日成交	这是 A 股制度约束，也是回测里最常被无意触发的未来函数
手续费	按交易额计提	不计成本的策略变成成本后经常直接转负，尤其是高频策略
滑点	按配置模拟成交价偏离	滑点对高换手策略的侵蚀可能远大于手续费
止损	可配置止损条件	止损会改变交易分布，让尾部风险变形
最大持仓天数	到期强制平仓	避免策略靠少数几笔超长持仓把整体收益拉上去
组合约束	最大持仓数、敞口控制、等权或自定义仓位	仓位规则一变，同一个信号集的结果就变，所以必须记录参数

Metrics

tick-stock-panel 的回测输出哪些指标？怎么看？

指标名字大家都熟，但每个都有它的误区。下表把它们和“看的时候注意什么”放在一起。

输出	官方口径	看的时候注意什么
净值曲线	策略期间的累计表现	关注回撤形状而不只是终值；长期横盘也是信息
夏普	风险调整后的收益表现	它对收益分布形状敏感，小样本下容易被极端值拉高
最大回撤	历史最大回撤幅度	它是已发生的事实，不是上限；它是「下界」的一个参考
胜率	盈利交易占比	胜率高不等于赚钱，必须与盈亏比一起看
盈亏比	平均盈利单与平均亏损单的比值（官方用颜色区分高低）	它与胜率是一对：低胜率 + 高盈亏比与高胜率 + 低盈亏比都可能成立
蒙卡回撤	按成交顺序重抽样估计回撤分布，给中位与 95% 边界	它回答的是「换一个执行顺序会怎么样」，这比单一最大回撤更接近风险感知
SSE 流式进度	回测过程流式输出，切页可重连	回测在 spawn worker 子进程运行、有持久 run ID，所以刷新不会丢任务

Factor attribution

tick-stock-panel 的因子归因能告诉我什么？有什么限制？

这是本项目最实用的一个分析工具，但它有明确的适用范围。

因子归因是这个项目最实用、也最容易被误用的一个功能。它的做法是：对比盈利单与亏损单在入场信号日的因子均值，给出胜单均值、败单均值、差值与样本数。数据来自入场候选快照，零额外计算。

但它有两个硬边界，必须知道：第一，它只覆盖 meta.scoring 非空的策略（内置策略与自定义 polars 策略）；第二，矩阵单因子排名类策略暂不产出归因（官方明确说明）。所以当你发现某个策略的归因栏是空的，先判断它属不属于这一类，而不是先怀疑功能坏了。

归因结果怎么读：它回答的是「这笔交易为什么赚或亏」，而不是「下一笔该不该买」。如果发现高位信号对应的败单占比明显偏高，那是一个可以去验证的假设（比如加一个位置过滤条件重跑），而不是一个可以直接下结论的结论。

Minute replay

tick-stock-panel 的分钟回测怎么避免未来函数？

分钟级回测最容易出现“用了未来一分钟”的问题，下面是官方在入场价与粒度上的具体取舍。

关键点	官方口径	为什么这样设计
分钟级回放	逐交易日回放信号	而不是先把所有分钟数据载入内存再一次性计算
入场价格	以分钟收盘价入场	避免用分钟内最优价造成不可实现的收益
明细粒度	输出分钟级成交明细	你可以看到具体到分钟的入场时点而不是只有日级汇总
约束一致性	与日线回测同用一套 T+1 / 费用约束	两类回测的结果可以直接放在一起比较
信号回放工具	另有独立的分钟信号回放接口	可以在配监控之前先验证信号会不会真的触发

Export and rerun

tick-stock-panel 的回测结果怎么导出与复现？

能不能复现，是区分“真结果”和“巧合”的最直接手段。

导出 CSV，一次四段

概要、净值曲线、交易明细与分标的统计。四段分开好处是你能把交易明细拿到其他工具里做自己的分析。

保存候选

保存时存的是完整参数与指标快照，而不只是一个名字。

回测页一键载入复测

「候选方案」里点一键载入，会回填全部参数。这是判断「结果能不能复现」最直接的手段。

复测时先确认三件事

版本是否相同、本地数据是否变过、股票池是否一致。这三件任何一件变了，结果都不应该一模一样。

记录复现信息

官方在策略迭代文档里强调过证据包与台账：每轮留下改了什么、为什么改、结果如何。对回测而言同样适用。

把“能复现”当成结论的前提

一个跑不出第二遍的结果，即使数字再好也不该该拿去做决定。

Audit checklist

TSP 回测结果到底可不可信？十问审计清单

下表把每个审计问题对到项目的具体能力或明确边界，方便你逐条确认而不是凭感觉。

审计问题	tick-stock-panel 的对应能力 / 边界	本站提醒
信号日与成交日错开吗？	有——T+1 是官方列出的真实约束之一	这是最容易被无意触发的未来函数，先看这一条
有没有计算手续费与滑点？	有——两项都在真实约束名单里	分别做一次「计入 / 不计入」的对比，看感应强度
涨跌停与停牌怎么处理？	涨停信号与连板数是 enriched 的一部分	涨跌停制度下“买不到”的情形难以在纯数值回测里完全复现，需要人工判断
是否使用复权数据？	前复权，且指标与回测共用同一份	请确认你自己导入的数据不是已复权的，否则会双重处理
股票池有悬殊偏差吗？	股票池口径由你的数据源决定，官方未承诺历史成分	用当前仍在交易的股票去回测更早时期，会系统性高估，这是策略以外的偏差
做了参数敏感性吗？	本身不自动扫参数；但因子搜索与策略迭代提供了正式方法	在正式流程下不要用手改参数、看结果、再改参数的方式做敏感性
做了样本外验证吗？	挖掘流程内置嵌套 walk-forward 与 purge；策略迭代提供留出集纪律	普通回测模式本身不强制样本外验证，需要你自己切区间
收益是不是靠少数几笔？	可用交易明细与分标的统计自己算	官方在挖掘发布门槛里把「样本外交易数 ≥ 60」写成硬条件，就是为了防这一点
结果能导出复现吗？	能——CSV 四段 + 候选方案一键载入	复现失败时先排查数据与版本，而不是先改策略

这十个问题里，有三个是系统帮不了你的：涨跌停与停牌的可成交性、股票池的历史成分偏差、以及普通回测模式下的样本外强制性。它们都不是缺陷，而是这类工具与制度现实之间的真实距离。把它们记在心里，比多调一个参数更能提高你对结果的判断力。

Failure modes

TSP 回测有哪些典型失败模式？

下表列出七种最常见的失败模式、它们看起来像什么，以及到底在哪一步崩掉。认得出来，比会调参数更重要。

失败模式	典型症状	它在哪一步崩掉
样本内优秀、样本外失效	回测曲线很漂亮，换一段区间就不行	过拟合：参数在同一段历史上被反复调到最优
计入成本后直接转负	不计费用时收益可观，加上费用后变负	交易频率高，成本占据了大部分优势
参数轻微变化、收益大幅变化	把均线周期从 20 改到 22，结果完全不同	缺乏参数敏感性检查：真正健壮的策略应该在一个区间内都成立
换数据源后信号不一致	同一天、同一策略，两个溕选出不同标的	复权方式、成交额口径或股票池不同，而不是策略逻辑不同
胜率很高但盈亏比很差	大多数交易小赚，少数几笔大亏	只看胜率不看盈亏比；官方把两者放在同一屏就是为了防这个
结果靠少数几笔	删掉最赚的三笔后策略变负	样本量不足。官方挖掘门槛要求样本外交易数 ≥ 60，就是这个原因
回测很好但实盘买不进去	涨停买不到、滑点远大于假设	这是纯数值回测难以完全复现的部分，需要人工判断

这七种失败模式里，只有最后一种不能靠调参数解决。前六种都能通过换区间、加成本、做敏感性、统一口径来暴露或修正；最后一种（涨停买不到、滑点远大于假设）是建模能力的边界，只能靠你在实盘中观察并在未来版本里把假设调得更保守。对一个研究工具而言，把边界写出来比把结果包装得更好看更重要，因为前者能让你提前放弃一个注定不成的方向。

Set the contract

跑正式回测前，应该先把哪些口径定下来？

下面五个口径是本站归纳的「先定规矩」清单：它们不改策略逻辑，但决定你看到的结果有没有意义。

跑一次可信的回测，先把这五个口径定下来

第一个口径 · 区间划分

至少切三段：调参用的段、验证用的段、你完全没碰过的段。第三段最重要，它是你唯一能用来评估“未来表现”的东西。

第二个口径 · 成本假设

先把手续费与滑点设成一个不保守也不离谱的值，然后再分别跑一遍极低与极高。结果在三者之间都站得住，才叫健壮。

第三个口径 · 股票池

确认你用的是不是当前仍在交易的股票。如果是，你的回测里天然不包含那些已经退市的标的，结果会系统性偏好。

第四个口径 · 复权与字段单位

确认你导入的数据没有二次复权，且单位与系统一致。官方用 pct_unit 强制要求源头声明单位，就是为了防这一类错。

第五个口径 · 结果导出与标记

每次跑完都导出 CSV 并记下参数。否则一周后你就不知道那条好看的曲线到底是哪组参数跑出来的。

FAQ

tick-stock-panel 回测与可信度常见问题

以下答案基于官方仓库与文档的核验结果；涉及版本、数据源口径与许可条款的内容一律以官方仓库与官方文档为准。

tick-stock-panel 的回测引擎到底是什么？

这里要说一个官方资料自己就不完全一致的地方：README 的技术栈里写的是「自研仓位模拟引擎（T+1 / 费用 / 滑点 / 分钟回放）+ vectorbt（部分路径）」，而 docs/features.md 写的是「基于 vectorbt」。本站不替你选一个说法，因为两种表述都在官方仓库里。对你而言真正重要的是约束本身：不管底层是谁，T+1、费用、滑点与持仓天数都在。你验证口径的方法也不变：看交易明细里买入日是不是晚于信号日、成本是不是真的扣了。

不计手续费和滑点，结果会差很多吗？

取决于你的交易频率，但在高换手策略上差异往往是决定性的。官方把手续费与滑点都列进了真实约束清单，就是为了避免你在「不计成本」的假设下做决定。建议你自己做一次对照：同一个策略、同一段区间，分别在计入与不计入成本两种设定下跑一遍，看差距有多大。这比看任何三方结论都有说服力，因为参数是你自己的。判断标准很简单：如果一个策略在合理成本下就不成立，那它本身就不适合作为你的候选，不需要纠结到底该用多少滑点。

因子归因为什么有时候是空的？

因为它只覆盖 meta.scoring 非空的策略（内置策略与自定义 polars 策略），而矩阵单因子排名类策略暂不产出归因——这是官方明确说明的边界。它的数据来自入场候选快照，零额外计算，所以不会影响回测耗时。碰到空的归因栏，先判断策略类型，再判断功能是否异常。

分钟回测会不会有未来函数？

官方在入场价与回放方式上做了选择：逐交易日回放信号、以分钟收盘价入场、输出分钟级成交明细，且与日线回测共用同一套 T+1 与费用约束。收盘价入场是一个保守选择：它避免了「用分钟内最优价成交」这种在实盘中难以保证的假设。

怎么判断一个回测结果是不是只靠少数几笔？

用交易明细与分标的统计自己算：看前几笔盈利占总盈利的比重，以及删掉最赚的几笔后结果是不是还成立。官方在挖掘的发布门槛里把「样本外交易数 ≥ 60」写成了硬条件，就是为了防止这种情况被当成可用策略发布出去。你在普通回测模式下也应该自己设一个最低交易数心里线。一个简单做法：把交易明细按盈利降序排，删掉前 10%，看剩下来的结果还能不能站住。站不住就说明优势集中在少数几笔上。

回测结果能导出吗？怎么复现？

能，而且官方把复现做成了一个动作：结果可导出 CSV 四段（概要 / 净值曲线 / 交易明细 / 分标的统计），也可保存候选（存完整参数与指标快照），回测页的「候选方案」可一键载入并回填全部参数。复现失败时，顺序应该是先排数据（复权与股票池）、再排版本，最后才怀疑策略。把每次回测的参数与导出文件放在同一个目录，下次就能直接对比而不用猜，也能避免重复劳动。