回测与绩效评估 on 云栖

回测框架设计：事件驱动与向量化

Mon, 01 Jan 0001 00:00:00 +0000

回测引擎是量化的「时光机」，而时光机的诚实度决定了你看到的历史是否可信。本篇讲两类引擎的架构取舍与五个核心模块的设计要点——无论用开源框架（见框架概览）还是自建，都需要理解这些内部机制。

两种范式：向量化 vs 事件驱动

向量化回测：整列运算——信号矩阵 × 收益矩阵 = 净值。1000 组参数秒级完成。它的隐含假设极其简化：下一 bar 收盘价成交、无资金约束冲突、无盘中状态。适合：因子海选、参数扫描、快速迭代（VectorBT 的定位，见框架概览）。

事件驱动回测：按时间逐事件推进——每个 bar/tick 依次经过「数据 → 信号 → 组合 → 订单 → 撮合 → 账户」的状态机。慢 2–3 个数量级，但可以诚实建模：信号在 T 日收盘后生成、T+1 开盘下单、部分成交、停牌冻结、现金不足拒单。适合：策略的最终验证与实盘前置仿真。

正确的分工是两级流水：向量化做「快而糙」的探索（初筛 200 组参数），事件驱动做入围者的「慢而诚实」的终审。只用向量化做最终结论是最常见的自欺；只用事件驱动做探索则是算力的无底洞。

回测引擎的五个核心模块

① 数据层：统一接口与 PIT 门禁

数据层对上提供唯一接口 get(code, field, dt)——语义必须是「dt 时刻可知的最新值」（PIT 语义，见数据清洗）。设计要点：行情（复权口径）、财务（公告日对齐）、股票池（动态成分）三类数据分表管理；引擎不信任任何「顺手处理过」的数据——复权与对齐的显式配置在引擎层强制声明（A 股细节见A 股数据特有问题）。

② 信号层：与执行的时间协议

信号层最容易藏前视偏差。时间协议要写成铁律：T 日收盘后可得的数据 → T+1 的委托价成交（或 T 日收盘价成交但信号只用 T-1 及以前数据，全引擎统一一种并单元测试锁定）。信号层输出的是「目标组合」（每个标的的目标权重），而非「买卖指令」——把「想持有什么」与「怎么从当前仓位变过去」解耦，换手计算与执行优化才有清晰的输入（见执行算法）。

③ 组合层：约束与优化的落点

目标组合 → 受约束的目标组合：预算约束、行业/风格暴露上限、单票上下限、换手上限、禁交易名单（停牌、涨停买/跌停卖）。这层是约束优化的实现处；个人简版可只做「等权 TopN + 缓冲带」，但禁交易名单的处理不能省——停牌股进不了也出不去，是 A 股回测与实盘差异的稳定来源。

④ 撮合层：模拟成交的诚实原则

撮合模型从糙到诚的阶梯：

下一 bar 收盘价成交（向量化默认）：最乐观，只有粗筛资格；
下一 bar 开盘价成交 + 成本函数：日频策略的务实下限——成本 = 佣金 + 印花税 + half-spread + 冲击模型（σ×√(Q/ADV)，见交易成本分解）；
穿越原则的限价撮合：限价单只有当 bar 内价格穿越挂价才成交（日内高频必须）；
订单簿撮合（tick 级 + L2 深度）：排队位置、部分成交、撤单——微观结构研究的形态（见订单簿）。

不可成交状态的显式建模（A 股三件套）：跌停封死的卖单不成交（顺延）、涨停封死的买单不成交、停牌冻结。这三条是 A 股回测可信度的试金石——框架默认没处理的，自己写进撮合层。

⑤ 账户层：现金流与净值会计

现金、持仓、成本、保证金（有杠杆时）的账本。两个易错点：分红送转的账户处理（现金分红进现金、送转改股数与成本价——不能靠复权价隐含，见A 股数据）；日终净值 = 现金 + Σ持仓 × 收盘价，净值曲线的每一点都要能从账本重算（审计性）。杠杆/期货场景要加：保证金占用、追保线、强平逻辑（见杠杆与保证金）。

引擎的可信度验证

自建引擎（或评估框架）的验收测试：

回归测试：同一数据集 + 同一策略，引擎任何改动前后净值曲线必须逐点一致（引擎本身的 CI，见DevOps ）；
解析解对照：构造有精确答案的场景（恒定权重持有指数、固定利率现金）验证账户会计无误；
偏差注入测试：故意在信号里加一行「未来函数」，引擎应产生不同结果——如果结果不变，说明你的前视防线形同虚设；
成本敏感性：成本参数从 0 扫到 3 倍，净值应平滑单调变化——跳变说明撮合层有结构性错误。

关联阅读：本篇的对立面回测偏差大全 ——引擎设计就是为了消灭它们；框架选型量化常用开源框架；引擎产出物的正确读法绩效指标。

回测偏差大全：五大自欺与防线

Mon, 01 Jan 0001 00:00:00 +0000

每一个回测偏差都是一种「自欺」：它让你的策略在你看到的世界里完美运行。本篇按危害与出现频率列出五大偏差，每个都给出机理、定量影响的量级感、以及可落地的防线——最后合成一张自检清单（模板化版本见回测报告模板）。

偏差一：前视偏差（Look-ahead Bias）

机理：决策用到了决策时点不可能知道的信息。三种形态（数据/参数/流程，见数据清洗）。

量级感：数据前视（财报用报告期对齐）对基本面因子的 IC 平均虚增 30%–80%——不是「略有高估」，是直接改写结论；用当日收盘价决策并成交的日频策略，年化收益虚增可达 10–20 个点（高频场景里「同步成交」等于永动机）。

防线：统一时间协议（T 信号 → T+1 成交）并写进引擎铁律（见回测框架设计）；PIT 数据接口；「前视注入测试」（故意加未来函数，结果必须改变）。

偏差二：幸存者偏差（Survivorship Bias）

机理：股票池只含「活到今天」的标的。退市股（往往跌得最惨）、长期 ST、被吸收合并者全部缺席。

量级感：对全市场策略影响中等（A 股早年退市少，2020 年后剧增）；对小市值与低价股策略影响致命——不含退市股的小市值回测年化可虚增 5–10 个点，因为它恰好是「专买将死之股」的策略形态（见数据清洗的定量讨论）。基金研究的同款：只统计现存基金高估行业均值 1–2 个点/年。

防线：动态「当时在市」股票池；退市股数据完整性作为数据商采购的验收项；自查方法——取一只知名退市股查历史数据可得性。

偏差三：过拟合与数据窥探（Overfitting & Data Snooping）

机理：参数与规则被调到「恰好适应历史噪声」。广义地包含：参数精修、规则挖掘（试了 30 个止损规则挑最好的）、样本选择（回测区间从策略表现好的年份开始）、以及研究流程层面的 p-hacking（见Alpha 研究流程）。

量级感：经验法则——样本外绩效普遍衰减 30%–50%；7+ 个自由参数的策略在 10 年日频数据上几乎必然「回测出夏普 2」（白噪声也能）。数据窥探的隐蔽形态：「先看到 2019–2021 芯片大涨，再写一个『芯片动量策略』的回测」——假设从数据里来又回到同一批数据验证。

防线：样本外分层与封存（训练/验证/测试三区，见Walk-Forward ）；Walk-Forward 滚动验证；参数邻域平坦性检查（好策略的绩效面对参数是「高原」不是「尖峰」）；尝试次数记账与多重检验校正（见统计推断）；以及最朴素的自由度预算——每 10 年数据最多容纳 2–3 个待估参数。

偏差四：交易成本低估

机理：成本模型残缺——只算佣金印花税、漏 half-spread、无冲击成本、或用「固定单边 0.1%」一刀切。

量级感：日频高换手策略，真实成本常在年化 5%–15% 区间——「不扣成本夏普 2.5、扣完成本夏普 0.3」的案例遍地都是。A 股的费用清单：佣金（万 1–万 3 双边）+ 印花税（卖出 0.05%）+ 过户费 + half-spread（流动性差的票 5–20bp）+ 冲击（资金越大越大，见交易成本分解）。

防线：分项成本模型（而不是一个总百分比）；冲击成本随成交量非线性（大单必须走执行算法，见执行算法）；成本 ×2 的压力测试作为上线门槛；以及把成本当作策略设计的输入——衰减快的信号在成本面前自动出局，这是好事。

偏差五：流动性忽略

机理：假设任何数量都能以收盘价成交。具体形态：小盘股策略按收盘价全额成交（现实中成交额的 10% 已是极限）；回测里的「开盘瞬间换仓 200 只股票」；停牌/涨跌停照常成交。

量级感：对中大盘策略影响小（这就是很多回测「看起来没毛病」的原因）；对小盘、高换手、大资金场景是决定性的——容量估算的本质就是流动性的另一面（见因子检验的容量三层次）。

防线：成交额参与率上限（单票单日 ≤ ADV 的 5%–10%）；不可成交状态显式建模（跌停/停牌，见回测框架设计）；实盘前用仿真盘校准「回测成交价 vs 实际成交价」的差距（TCA 的回测对照，见TCA ）。

自检清单（回测报告必附）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


□ 时间协议：信号数据时点 vs 成交时点，逐字段可追溯
□ 股票池：含退市/ST，按「当时在市」动态构建
□ 成本模型：佣金/印花税/价差/冲击 分项，参数有出处
□ 不可成交：停牌、涨跌停的处理有显式代码路径
□ 样本划分：训练/验证/测试三区，测试区封存
□ 参数自由度：参数个数 vs 样本量比，邻域敏感性已做
□ 尝试次数：本策略共迭代 N 版，最终版之外的尝试已记录
□ 成本压力：成本×2 后夏普仍 > 1（或明确说明衰减）
□ 容量声明：本回测结论有效的资金规模上限
□ 基准对照：与合理基准同口径对比（见[基准选择](/quant/benchmark-selection/)）

一张冷静的对照表：偏差被清除后，「回测年化 30%」通常变成「回测年化 15% + 实盘预期 8%–10%」。这不是悲观，这是把预期校准到可实现区间——量化老兵与新手回测同一策略，老兵的数字永远更低，也永远更真。

关联阅读：偏差的工程对策回测框架设计；统计层的过拟合理论多重检验；上线前的最后一关样本内外与 Walk-Forward 。

绩效指标：收益、风险与归因

Mon, 01 Jan 0001 00:00:00 +0000

绩效指标的价值不在「算出来」，而在口径可比：同一个「夏普 1.5」，日频算与月频算、含不含成本、基准取谁，能差出一倍。本篇按「收益 → 风险 → 风险调整 → 归因」四层给出口径约定（与术语表一致）与判读要点。

收益层：三种口径各有用处

累计收益：(1+r₁)(1+r₂)…(1+rₙ) − 1，直观但跨期不可比；
年化收益：累计^(252/n) − 1（几何年化）。永远用几何年化（算术年化高估复利效果）；样本短于 1 年时年化数字意义有限（外推噪声）——报告必须附样本区间；
超额收益：相对基准的差。两种口径要分清：简单超额 = 组合收益 − 基准收益（算术差）；几何超额 = 组合/基准 − 1（复利比）。差异在波动大时显著（年化 20% vs 15% 的简单超额是 5%，几何超额约 4.3%），产品宣传常用对自己有利的那个——自己算时统一口径（见基准选择）。

风险层：波动的三个视角

年化波动率：日收益标准差 ×√252。补充两个更诚实的变体：下行波动率（只算低于目标/零以下的部分——Sortino 的分子）与滚动波动率曲线（60 日窗口，看波动稳定还是忽大忽小）；
最大回撤（MDD）：净值从峰到谷的最大跌幅，配回撤持续时间（水下时间）与修复时间。判读要点：MDD 必须与样本区间绑定（10 年样本的 MDD 才有含金量，2 年样本的 MDD 只是运气）；回撤的形状（缓慢阴跌 vs 一次性跳空）决定其成因是策略失效还是市场事件（见事后风控）；
VaR / CVaR：在险价值与条件在险价值——尾部风险的标准语言，方法论见风险度量。绩效报告里 CVaR 优于 VaR（它回答「坏起来平均多坏」而不是「坏起来至少多坏」）。

风险调整层：三个比率的三种性格

夏普比率（Sharpe）：年化超额收益 / 年化波动。第一默认指标，但三个坑：①日频收益算夏普要 ×√252 年化且要确认无大幅自相关（自相关让 √t 法则失真，夏普被高估）；②正偏策略（趋势跟踪）与负偏策略（卖波动率）同夏普风险完全不同——夏普必须与偏度/尾部指标同看；③统计显著性 t ≈ Sharpe×√年数，2 年样本的夏普 1.5 与 10 年样本的夏普 1.5 完全不同等级的证据（见假设检验）。

Sortino：分母换成下行波动。适合「收益分布不对称」的策略（趋势、期权买方）——上行波动是利润不是风险，不该被惩罚。

Calmar：年化收益 / 最大回撤。直接回答「赚 1 单位要忍受多深的坑」——对以回撤为风控红线的资金（多数私募产品的预警平仓线）是最相关的比率。判读时注意 MDD 的样本依赖性（一次危机的 Calmar 与十年平静期的 Calmar 不可比）。

一张选用指南：通用比较用 Sharpe；不对称收益用 Sortino；回撤敏感资金用 Calmar；所有比率都应同时给出滚动版本（36 个月滚动夏普）——静态数字隐藏 regime，滚动曲线暴露它。

归因层：钱是「哪来的」

Brinson 归因（相对基准的选股/配置分解）

把组合超额分解为配置效应（超配的行业本身涨得好）与选股效应（行业内选的个股跑赢行业基准）+ 交互项。适用：行业偏离明显的组合（行业轮动、灵活配置）。判读示例：超额 8% = 配置 +5%（赌对了行业）+ 选股 +3%——配置超额的可持续性远低于选股超额（行业赌对有运气成分），年报归因里配置贡献占大头的组合，次年衰减风险高。

因子归因（回归法）

把组合收益对风格因子组回归：r_p = α + β₁·市场 + β₂·价值 + β₃·动量 + … + ε。它回答两个 Brinson 答不了的问题：

α 还剩多少：剥掉全部已知风格暴露后的残差收益——这是「真 alpha」的估计，也是私募尽调的核心数字（见量化私募生态）；
隐性暴露显形：自称「市场中性」的产品回归出 β=0.4、自称「多因子」的产品动量暴露极高——因子归因是揭穿风格漂移（style drift）的显微镜。工程要点：因子组要覆盖主流风格 + 检验残差的自相关；暴露的滚动估计（36 个月窗口）比全样本估计更能抓漂移。

与交易层的链接：成本归因

超额的实现链条 = 信号贡献 − 交易成本 − 执行差额。把 TCA（见TCA ）的结果接进归因：「因子理论超额 15% − 成本 6% − 执行差额 2% = 实现超额 7%」——每一层都能追责。个人策略的常见发现：成本归因显示「换手最频繁的 20% 交易贡献了全部成本却只贡献 10% 收益」，直接指导降换手。

报告纪律

绩效表的最低标配：样本区间、调仓频率、成本口径、基准及其口径、全样本 + 分年度表、净值（对数轴）+ 回撤（水下图）+ 滚动夏普三图同页。没有区间与口径的任何绩效数字，一律视为营销材料（模板见回测报告模板）。

关联阅读：指标的计算引擎回测框架设计；风险指标的深化风险度量；归因结果进入决策的通道事后风控。

样本内外、Walk-Forward 与 Bootstrap 检验

Mon, 01 Jan 0001 00:00:00 +0000

样本外验证是量化研究的「临床实验」：样本内绩效只是假设，样本外才是证据。本篇讲三道闸门的正确姿势——多数「样本外失效」的悲剧不是因为方法，而是因为纪律被变通（偷偷看了测试集、反复开箱）。

闸门一：样本划分与封存

三分法：训练区（~60%，探索与拟合）→ 验证区（~20%，参数选择与模型比较）→ 测试区（~20%，全程封存，只开一次箱）。

三条容易被变通的纪律，逐条较真：

测试区只能开一次箱：开箱 → 不满意 → 回去改 → 再开箱——第二次开箱时它已是训练集的一部分（你基于它的表现做了决策）。正确流程：每次「开箱失败」都必须追加新数据（等市场走完新的一年）形成新的测试区，而不是重用旧的；
任何决策不得引用测试区：包括「要不要继续这个研究方向」的判断——看过测试区绩效后再决定改什么，信息就已泄漏；
划分按时间不按随机：金融数据时序相关，随机划分等于让模型「看到未来」（ML 场景的 purged CV，见机器学习策略）。

封存的仪式感是必要的：测试区数据加密、承诺书、或至少一个「只跑一次」的脚本——防的不是别人，是三个月后想偷看回测的自己。

闸门二：Walk-Forward 滚动验证

Walk-Forward（WF）模拟真实的研究节奏：用历史训练 → 立即样本外检验 → 时间前滚重复。

两种形态：

锚定式（anchored）：训练区从起点扩张（1–5 年训练 → 检验第 6 年 → 1–6 年训练 → 检验第 7 年…）。样本利用充分，适合数据量小、结构稳定的策略；
滚动式（rolling）：固定长度窗口整体前移（始终用最近 5 年训练检验下一年）。强制适应结构漂移，适合 regime 变化快的策略。

绩效只统计全部样本外段的拼接曲线——这就是「如果当时真的按这个流程操作会得到的净值」。三个判读要点：

**WF 的样本外衰减比（WF 绩效/全样本绩效）**是过拟合的直接体温计：> 0.7 健康，< 0.5 说明样本内数字主要是过拟合的产物；
参数稳定性：每段 WF 选出的最优参数应大体连续（如动量窗口 18→20→17→22 天）；参数逐段漂移巨大 = 策略在「追逐噪声」；
WF 也有代价：它默认「历史最优参数在下一段仍最优」，压缩了参数搜索空间的表达力——WF 绩效是策略绩效的保守估计，实盘常在 WF 与全样本绩效之间。

与 WF 互补的还有样本外多起点检验：把「起点」放在不同年份重复整个研究流程（2010 起步、2014 起步、2018 起步各做一遍）——若只有特定起点能得出好策略，结论就是起点选择偏差。

闸门三：蒙特卡洛与 Bootstrap

前两道闸门回答「参数与流程诚实吗」，第三道回答「这条净值曲线本身可靠吗」——它是蒙特卡洛方法在回测层的应用：

净值 Bootstrap：对日收益序列重抽样生成 10000 条合成净值 → 绩效指标的分布（年化收益的 5% 分位、MDD 的 95% 分位）。判读：不只看点估计，看分布的左尾你是否承受得起（分块 bootstrap 保留自相关与波动聚集，见蒙特卡洛）；
置换检验：把信号随机打乱重跑回测 N 次 → 「随机策略」的绩效分布 → 你的真实策略绩效须落在分布的高分位之外（95%+）——它直接检验「这个策略比瞎蒙好吗」，绕开收益分布的一切假设（与实验设计的置换检验同源）；
White’s Reality Check / SPA 检验：对「尝试过 N 个变体后挑出的最优」做数据挖掘偏差校正——学术界的标准答案，工程上简化为：把 N 次尝试的样本外绩效全列出来，看最优者是否仍显著优于「N 次中随机挑一个」的分布。

三道闸门的合成读法：WF 显示样本外衰减比 0.8（流程诚实）+ Bootstrap 左尾可承受（曲线可靠）+ 置换检验 99 分位（优于瞎蒙）——三个独立维度的证据同时成立，才值得把真钱放进去。任何一道不成立，回到研究流程。

常见的「伪样本外」

伪样本外形态	为什么是伪的	正确做法
「样本外」跑完不满意，改了参数重跑	第二次跑已在决策中使用它	每次重跑都推进测试区起点
用全样本选出「好年份」展示样本外	区间选择本身用了全样本信息	区间先于任何回测固定
模拟盘跑 2 周「样本外通过」	样本量远不足以区分运气（t ≈ 0.3）	预注册最小样本期（如 20 个交易日，见实验设计）
把测试区绩效写进论文再「验证」一次	验证集已被污染	测试集一次性使用，新验证需新数据

关联阅读：统计根基多重检验与 FDR ；bootstrap 的采样细节蒙特卡洛；上线后的样本外延续仿真盘与灰度。

基准选择与可比性

Mon, 01 Jan 0001 00:00:00 +0000

「我的策略年化 25%」——这句话在基准明确之前没有意义。2019 年买什么都能 25%；同一个策略 2022 年的 25% 是史诗级。基准的功能不是谦虚，而是把收益拆成「承担风险的部分」与「创造价值的部分」——基准选错，归因与评价全部失真。

基准的三个功能，各对应一个选择标准

评价功能（你比谁强）：基准应与策略的可投资域一致——全市场多因子策略 vs 沪深 300 不公平（策略能买 1000 的小盘股，指数只有 300 只大盘），合理基准是中证全指或中证 800；行业轮动策略的基准是「等权持有全部行业的组合」而非大盘指数。判据一句话：基准是「不作为」的替代方案——如果你不研究，随手按市值买该域，会得到什么。
对冲功能（你比谁好对冲）：如果策略用股指期货对冲，基准是期货对应的指数（超额 = 现货组合 − 期货指数 − 基差成本）；中性产品对客户而言的合理比较对象是「绝对收益类资产」（固收+、银行理财），不是股票指数——对冲掉的风险不应再参与评价。
风格锚功能（你的风格代理）：Smart Beta 指数（红利低波、中证 500 质量）是检验风格因子的免费基准——你的价值因子跑不赢红利低波指数，先别发论文（见因子投资概论）。

全收益口径：每年白送的 2%

价格指数（如沪深 300 指数）不含成分股分红；全收益指数（沪深 300 全收益，H00300）含分红再投资。A 股股息率长期约 2%/年，粗略算一笔账：

1
2
3
4


策略 2023 年收益 +11%，同期沪深 300 价格指数 +8%，全收益指数 +9.7%
用价格指数当基准：超额 = 3.0%
用全收益当基准：超额 = 1.3% ← 真实的选股贡献
差掉的 1.7% = 你「只是没有漏掉分红」而已

十年复利下来，这个口径差能凭空造出 20% 的「累计超额」。这是个人回测最常见的系统性美化。守则：股票策略一律用全收益指数或自行加上分红再投资；债券策略同理（用财富/全收益口径的债券指数）。

风格错配的三种失真

市值错配：小盘策略 vs 大盘基准——2015、2021 年（小盘强）策略显得天才，2017、2024 年初（大盘强/小盘崩）显得蠢笨。真相是策略始终满仓小市值 β，波动主要来自风格择时而非选股。修正：报告中并排「未中性超额」与「市值中性超额」（见因子构建的中性化）。
行业错配：重仓某行业的策略 vs 全市场基准——超额的一半可能是「行业赌对了」。Brinson 归因把这部分拆出来（见绩效指标）。
风格因子错配：自称多因子的组合实际是高动量暴露——基准没错，是组合的隐性风格在动。因子归因的暴露表是揭穿它的工具。

实践建议：基准矩阵。评价一个策略时给出一行三列：

1
2
3


 市场基准超额 风格基准超额 绝对收益 / MDD
小市值+质量+低波组合 +8.2% +3.1% +12.4% / -15.2%
（示例） （vs 中证全指） （vs 500质量成长） ← 策略性格一目了然

第一列大、第二列小 → 真选股 alpha；第一列大、第二列也大 → 主要是风格择时，顺风年份别骄傲。

可比性的其他口径

费前 vs 费后：回测一律费前注明；对比产品时统一到费后（管理费 + 托管费 + 申赎费/业绩报酬）——2%+20% 与 1%+10% 的净值曲线不可直接比；
换手与容量同口径：比较两个策略的夏普时附上换手与容量——夏普 2、容量 5000 万的策略与夏普 1.2、容量 50 亿的策略不可比（见因子检验）；
区间对齐：与基准比较必须同起点同终点；「策略近 3 年 vs 基准近 5 年」是最常见的报告魔术；
超额的统计显著性：这是最常被跳过的一步，给一个完整算例——

1
2
3
4
5
6
7
8


某指增：年化超额 12%，跟踪误差 8%，实盘 4 年
t = 超额/TE × √年数 = 12/8 × √4 = 3.0 → 显著（> 2），四年业绩够硬

某中性产品：年化超额 3%，波动 2%（TE 口径），实盘 3 年
t = 3/2 × √3 = 2.60 → 也显著——低波产品的超额「更难赚」但也「更可信」

反面：年化超额 3%、TE 8%、4 年
t = 3/8 × √4 = 0.75 → 与运气无法区分，不构成付费理由

没有显著性的超额不构成付费理由，这是尽调量化私募的第一算术（见业绩评价与尽调）。

关联阅读：指数与 ETF 的工具箱权益类；对冲工具与基差衍生品；基准之上的产品化指数增强。

回测报告模板与解读

Mon, 01 Jan 0001 00:00:00 +0000

回测报告是策略的「出生证明 + 体检报告」：它既是给自己三个月后复盘的锚，也是团队评审与对外展示的载体。本篇给一个经过实战检验的十区块结构（关键区块附填写示例），以及一份「读别人报告」的鉴别对照表。

报告的十个区块

① 摘要（半页）

策略一句话定位（市场/频率/收益来源）、核心绩效三数字（年化/夏普/MDD，含区间与口径）、结论与建议（上线/继续研究/放弃）。先写结论再写过程——读者的注意力结构如此。

填写示例（合格版摘要）：

月频基本面多因子多头策略（全市场剔金融、双边成本 0.30%），2014-01 ~ 2025-12 实现年化 14.2%（基准全收益 7.1%，超额 7.1%，IR 1.22），最大回撤 -17.3%。样本外（2023–2025）超额 5.2%，WF 衰减比 0.73。建议：以 20% 资金灰度上线，容量上限 3 亿。

对比不合格版：「本策略年化收益 25%，夏普 2.1，看好后市表现。」——三无产品（无区间、无成本、无基准）。

② 策略逻辑（经济学）

信号的盈利机制：赚谁的钱（风险补偿/行为偏差/结构套利，见策略类型全谱）、为什么此前未被套利干净、预期失效的触发条件。这一节写不清楚的策略，绩效再好也不该上线——无法解释收益来源就无法归因失效。反例：「动量效应存在」不是逻辑；「散户处置效应使上涨供给过早释放、信息扩散需要 2–4 周完成」才是。

③ 数据与样本

数据源与版本、区间、股票池定义（含退市/ST 处理）、成本模型明细（佣金/印花税/价差/冲击的参数与出处）。对应回测偏差自检清单的前四项，逐条勾选。合格要点：成本参数有出处（「佣金万 2.5，来自券商确认单」），而不是「按行业惯例」。

④ 策略规格

信号定义（公式级）、组合构造规则（TopN/加权/约束）、调仓频率与缓冲带、参数表（每个参数给出基准值与敏感性结论）。参数自由度审计：参数个数 vs 样本量——10 年月频数据（120 个截面）容纳 2–3 个待估参数是上限。

⑤ 核心绩效（三图 + 两表）

三图：净值（对数轴 + 基准）、回撤水下曲线、36 个月滚动夏普。两表：全样本 + 分年度绩效表（收益/超额/波动/夏普/MDD/换手）；分市值域或分板块的子样本表。分年度表的价值：超额集中在 2015（小盘疯牛）与 2019（普涨反弹）的策略，是「β 假装 α」的显影液。

⑥ 稳健性检验

参数邻域敏感性（热力图/折线）、成本压力（×1/×2/×3）、子样本（分年度/分市场状态）、口径变换（标准化方式/中性化开关）。每一项给「通过/存疑/不通过」的明确结论——「大致可以」不是结论。

⑦ 样本外验证

三区划分与封存说明、Walk-Forward 衰减比、Bootstrap 左尾、置换检验分位（方法见Walk-Forward ）。本区块缺失的报告不具备上线讨论资格。

⑧ 容量与执行

容量三层估算、预期成本随规模的曲线、执行方式（见执行算法）、涨跌停/停牌对可执行性的影响（A 股必答）。填写示例：「多头组 ADV 合计 41 亿/日，5% 参与率 → 单日承接 2 亿；年换手 12 倍 → 建议规模 ≤ 3 亿；冲击成本在 3 亿规模时 8bp/次。」

⑨ 风险与失效预案

已知风险清单（风格暴露、拥挤度、制度依赖）、监控指标与阈值（滚动 IC、超额回撤线，见因子库的监控三线）、失效时的降仓/下线协议——含执行人与时限（「黄灯出现后 2 个交易日内减半，由值班研究员执行」）。

⑩ 结论与后续

上线建议与条件（如「先以 10% 资金灰度」）、待办（数据改进、执行优化）、归档位置（代码分支、数据快照、本报告编号）。

解读别人的报告：鉴别对照表

报告话术	该问的问题	危险信号
「年化收益 45%」	区间？成本口径？基准？	无区间无成本的单一数字
「回测期 2019–2021」	为什么从这个起点？	起点 = 策略最舒服的行情起点
「样本外验证通过」	样本外开了几次箱？怎么划分的？	样本外即「最近一年」（可能已用于调参）
「夏普 2.5」	年数？自相关校正？偏度？	短样本高夏普无显著性（t≈SR×√年）
「多因子模型」	因子相关性？中性化前后 IC？	因子列表长但全是同源风格
「最大回撤仅 8%」	样本覆盖了哪些危机？	样本期没含任何压力年
「实盘已运行」	实盘 vs 回测的偏差归因？	只有实盘净值没有对照分析
「策略容量大」	冲击成本随规模的曲线？	容量 = 口头承诺

三条解读心法：先看区块⑦⑨（样本外与失效预案）——写不好这两块的报告，前面的漂亮数字都是待证词；所有数字找「区间+口径」双注脚；用区块②的逻辑自洽性做最终裁决——绩效可以被做出来，经济逻辑做不出来。

关联阅读：配套的因子检验报告模板与研究 checklist ；报告之后的旅程策略上线流程。