模拟交易条件
回测使用历史数据、已配置的费用和适用的执行假设。数据覆盖、资金费率、滑点及市场冲击都可能显著改变结果。

示例展示 · 非实盘结果
AI 代理负责完善创意、编写代码并评估测试结果。审查结论可能会将策略送回,进入下一轮迭代。
示例权益曲线揭示了过程中的波折。在解读结果之前,请先查看回撤和交易成本。
对比账户权益与已平仓余额。未平仓头寸可能在交易完成前就改变账户权益。
回测使用历史数据、已配置的费用和适用的执行假设。数据覆盖、资金费率、滑点及市场冲击都可能显著改变结果。
查看权益曲线、回撤、收益分布和逐笔交易。同时检查测试时期、样本量和假设。
敏感性分析、滚动优化与留出验证,用于检查所选参数和训练窗口之外的结果变化。
漂亮的图表只是审核的起点。比较交易成本与预期优势,检查样本外表现,并识别结果是否集中于少数交易或时期。
数据时期、交易场所、费用
回测、滚动测试、留出验证
指标、交易记录、审核意见
前向滚动测试在较早的窗口上拟合,并在较晚的窗口上评估。保留的留出集始终置于优化窗口之外。
请查看实际的拆分日期和交易笔数。在多次尝试中反复利用留出集的反馈会削弱其独立性。
策略交易越频繁,其结果就越依赖于执行假设。移动滑点控件,即可看到同一总回报在不同成本下的表现。
示例假设:总回报 12%,累计成交名义金额相当于起始权益的 40 倍,每笔成交名义金额收取 2 个基点的费用。成本 = 换手率 ×(费用 + 滑点);1 个基点 = 0.01%。此为线性示意,不含复利、资金费率和市场冲击。
不能。回测是模拟结果,受数据、假设与选择过程影响。验证有助于发现弱点,但无法消除交易风险。
不是。这些是模拟默认配置。你的交易所等级及产品规则可能不同,解读结果前应先查看假设。
滚动前向测试反复在较早的数据上拟合,并在较晚的窗口上进行评估。留出验证则在这些优化窗口之外预留的一段时期内检验所选参数。请查看实际的日期、交易次数和报告;反复使用留出期的反馈会削弱其独立性。
查看回撤、交易成本、交易次数及其分布、持仓周期以及样本外结果。留意是否过度依赖少数几笔交易或某一个市场时期。仅凭较高的收益并不能说明策略是如何赚到这些收益的,也无法说明过程中经历了怎样的亏损。
一个表现看似出色、但其邻近参数表现很差的设置,可能是脆弱的。敏感性分析展示了结果在所选参数附近的变化情况。在评估某种模式是否具有普遍性而非仅仅是某一次选定结果的巧合时,应将其与滚动前向测试和留出验证的证据结合使用。
不同的标的、数据时期、K线周期、入场和出场规则、手续费或执行假设都可能改变结果。在将某种差异解读为改进之前,请先比较配置和可用数据,以及交易记录。
探索已发布的策略,或打开工作区,使用 AI 代理构建、测试并监控你自己的策略。
Stratmill 是 AI 交易策略平台,不提供财务建议,也不是经纪商。回测和模拟交易结果均为假设性结果。交易存在亏损风险。