第168章 回测数据优秀，实盘小试牛刀 (2 / 8)

        回测结果（汇总）：

        1. 收益率对比：

        ? 单纯持有策略：模拟期间，A股股价从15元跌至13.5元，区间跌幅10%；B股从10.5元跌至9元，区间跌幅约14.3%。单纯持有这两只股票，账户对应部分市值为亏损。

        ? 网格交易策略：在同样的股价变动下，由于在下跌过程中不断买入（成本摊低），并在反弹中卖出获利，A股网格部分实现了约3.8%的正收益（年化约5.7%），B股网格部分实现了约5.2%的正收益（年化约7.8%）。整体显著跑赢了单纯持有。

        2. 成本降低效果：通过网格交易，A股的持仓成本（综合底仓和网格仓）从初始的15元降低至约14.2元；B股持仓成本从10.5元降低至约9.8元。在股价下跌的背景下，有效降低了亏损幅度。

        3. 资金效率与周转：模拟期间，A股网格资金共完成了约15次完整的“买入-卖出”循环，B股完成了约18次循环。资金处于较为活跃的状态，捕捉了区间内的大部分波动。

        4. 最大回撤与风险：由于是震荡下跌市，网格策略在股价单边下跌阶段，也会因不断买入而出现浮亏，最大回撤与单纯持有接近，但在随后的反弹中能更快修复。其最大优势体现在震荡阶段。

        “看，数据很清楚，”“降龙十八掌”有些兴奋，“在设定的震荡区间内，这个模型能有效降低持仓成本，甚至在股价微跌或走平的情况下创造正收益。它完美地利用了市场的无效波动。”

        群里反应不一。量化爱好者表示赞赏，认为逻辑清晰，回测数据有说服力。但更多老成持重的成员提出了质疑。

        质疑一：过拟合与参数优化陷阱

        “回测漂亮，不代表实盘能行。”老金直言不讳，“你这两个股票区间、格子大小（5%）、初始区间，是不是根据过去两年的行情‘优化’出来的？如果换一个波动特征不同的时期，或者换一只股票，这参数还能有效吗？这就是典型的‘过度优化’，看着历史数据调参数，让曲线漂亮，但可能对未来无效。”

  The content is not finished, continue reading on the next page