加入更多市场后，你的回测 Sharpe 可能更高

在策略搜索中加入更多市场，可能让最佳回测看起来更出色，却让证据变得更薄弱。加入交易标的后 Sharpe 上升，常被视为分散投资的效果；但如果你是在这些标的中搜索赢家，那么碰巧选中好运结果的机会也随之增加。

无论是让 agent 提出数百个信号，还是由研究员手动测试少数几个，这一区别都很重要。搜索空间包括每个市场、时间周期、特征和参数组合，只要它们的结果影响了最终选择，就属于搜索空间。“我们只上线了一套策略”并不能说明有多少候选策略参与过筛选。

为什么更大的市场范围会抬高最佳 Sharpe？

设想在 40 个互不相关的市场上测试同一个策略模板。为简单起见，假设每个市场的真实 Sharpe 都是 0，每个估算 Sharpe 的标准误差都是 0.5。各项估算会在 0 附近上下波动。不过，挑出其中最高的一项，它通常会是正数，原因只是你挑了一个最大值。

粗略按正态分布近似，40 个相互独立的噪声估算值中的最大值，预期会落在高于 0 约 1.3 个标准误差的位置：在这个例子中，Sharpe 大约为 0.65。具体数值取决于相关性、样本长度和收益分布。关键在于，即使没有任何策略具备优势，筛选也会带来乐观偏差。

市场并非彼此独立的抛硬币。BTC 和 ETH 往往同涨同跌；两个股票指数也可能承担大部分相同的风险。这会减少有效的独立试验次数，但不会让问题消失。而且，相关市场在费用、资金费、流动性以及信号有效的时段上仍可能有所不同。

测试更多市场算多重检验吗？

如果你用测试结果决定保留什么，那就算。假如最初的假设是“这条规则能捕捉主流永续合约中的资金费效应”，那么跨市场考察就是检验该假设的一部分。如果你测试了 50 个市场，找出表现最好的那个，然后再根据它的表现来构造假设，那么市场范围的选择就成了优化过程的一部分。

事先选定测试范围和看到结果后再选范围，两者有一个实用的区别。固定的市场篮子可以揭示某个想法在既定范围内是否稳健。不断扩大篮子，直到某个标的跑出亮眼的权益曲线，则是一种搜索流程。两种研究方式都可以成立，但回答的是不同的问题。

如何测试优势能否迁移到新市场？

打开留出集之前，先冻结研究选择。这包括信号定义、参数、市场范围规则、再平衡计划和执行假设。然后在未影响这些选择的市场上评估原封不动的策略。

例如，假设一条加密货币动量规则是在 BTC 和 ETH 永续合约上用截至 2023 年的数据开发出来的。你可以预留一组其他流动性较好的永续合约，并用仅依赖测试期开始前可用信息的规则选定这些合约，再让它们完全不参与调参。将冻结后的规则应用于这些合约在 2024 年和 2025 年的数据。纳入各交易场所的实际费率档位、资金费支付、合约规格，以及有依据的冲击成本假设；如果迁移测试不计入市场特定的交易成本，就可能把成本差异误判成信号失效，也可能掩盖真正的失效。

报告留出市场的收益分布，而不只是合并 Sharpe。合并后的投资组合可能掩盖几乎全部收益都来自一个市场的事实。列出每个市场的净收益、交易次数、回撤，以及最大贡献市场占总 P&L 的比例。如果这条规则只在一个合约上有效，就称之为合约特定结果。

时间切分也要严谨。某个市场可能从未参与过搜索，但它的数据时期仍可能与推动开发期表现的同一市场环境重叠。跨市场留出检验规则能否迁移到不同交易工具；后续时期留出检验规则能否迁移到不同时间段。这是两项独立测试，其中一项结果出色，不能替代另一项。

如果策略确实应该覆盖更多市场呢？

那就纳入这些市场，但要先定义纳入方式。按固定信号交易每个符合条件市场的投资组合规则，与让历史表现最佳的市场胜出的竞赛并不相同。市场资格应在不查看未来表现的前提下确定，例如采用某个时点的流动性门槛和最低历史数据要求。市场成员变化也需要时间戳，否则当前的“高流动性市场”名单可能会把今天仍存续的市场悄悄带进旧回测。

批评者指出，市场范围过窄会造就脆弱的策略，而广泛测试是很有价值的稳健性检查；他们说得有道理。解决办法不是避免测试市场，而是把用于发现想法的市场与用于挑战冻结想法的市场区分开，并把发现过程也计入证据。

更大的市场范围能帮助策略经受住实验室之外的考验，也能让一个走运的回测在实验室的筛选竞赛中胜出。搜索日志和留出集能告诉你，你的 Sharpe 支持的是哪一种解释。