🎯 今日核心问题

  1. 怎么证明你的回测框架没算错?用哪个标的、哪个区间、和什么数字对齐,误差多大算通过?
  2. 框架算出来的收益和官方指数对不上时,问题一定出在数据源吗?最常见的是哪几个偏差来源?

📖 精读提纲

【一】为什么要用"已知答案"做单元测试

回测框架是典型的"错了也不报错"的软件。它不会崩溃、不会抛异常,只会安安静静给你一个漂亮的年化收益——而那个数字可能是错的。所以框架上线前必须做已知答案测试(known-answer test):拿一个结果可独立验证的简单策略,看你的框架能不能复现。

最好的测试标的是沪深300指数买入持有。原因有三:一是它的历史收益率是公开的,中证指数官网、各家基金的年报、ETF 的净值曲线都能查到;二是它没有分红再投资的复杂处理(价格指数 vs 全收益指数要分清,见下文);三是指数本身不会有停牌、退市、成分调整带来的干扰,能把框架的"纯计算"部分单独隔离出来。

判断标准:你的框架算出的区间累计收益,与官方价格的区间涨跌幅误差应小于0.5%。超过1%,一定有bug;超过5%,多半是复权或者价格类型用错了。

【二】价格指数 vs 全收益指数:最容易错的一步

沪深300有两个版本:价格指数(000300)只反映股价变化,成分股分红时指数会"掉"下去;全收益指数(H00300)假设分红全部再投资,长期年化比价格指数高约2个百分点。A股沪深300股息率约2-3%,10年下来两者能差20%以上。

所以对齐的时候必须口径一致:

【三】对不上时的排查顺序:五个常见偏差源

如果误差超标,按这个顺序查,90%的问题在前三步:

① 收益计算方式:是不是用了 sum() 而不是 cumprod()?是不是 shift 方向搞反了(shift(1) vs shift(-1))?

② 首尾日期:取的是不是完全相同的第一天和最后一天?start_date="20200101" 返回的第一行可能是1月2日,你的对照数字如果是按1月1日算的,第一天涨幅就丢了。

③ 复权:指数不需要复权,但如果你测的是股票,用了前复权且数据是旧的(分红后没有重新拉),收益会错。

④ 交易日数:年化用的年数是不是 len(returns)/252?如果用自然日跨度(如 2020-01-01 到 2024-12-31 = 5.0 年)而收益是按交易日连乘的,年化会偏小。

⑤ 数据源错误:前面四条都排除了,才怀疑数据源。这时候用 tushare 或中证官网数据交叉核对。

【四】常见误区

💻 代码示例

import akshare as ak
import pandas as pd
import numpy as np

def load_index(symbol="000300", start="20180101", end="20241231") -> pd.Series:
    d = ak.index_zh_a_hist(symbol=symbol, period="daily",
                           start_date=start, end_date=end)
    d["日期"] = pd.to_datetime(d["日期"])
    return d.set_index("日期")["收盘"].astype(float).sort_index()

def check_buy_and_hold(px: pd.Series, label: str) -> dict:
    """验证:满仓买入持有的净值 == 价格序列本身"""
    r = px.pct_change().dropna()
    nav = (1 + r).cumprod()

    # 独立算法:直接价格比值
    nav_ref = px / px.iloc[0]

    diff = (nav - nav_ref).abs()
    n = len(r)
    cagr = nav.iloc[-1] ** (252 / n) - 1
    cagr_ref = (px.iloc[-1] / px.iloc[0]) ** (252 / n) - 1

    return {
        "标的": label,
        "起始": str(px.index[0].date()),
        "结束": str(px.index[-1].date()),
        "交易日": n,
        "累计收益_框架": round(nav.iloc[-1] - 1, 6),
        "累计收益_直接": round(nav_ref.iloc[-1] - 1, 6),
        "最大逐日偏差": round(float(diff.max()), 10),
        "年化_框架": round(cagr, 6),
        "年化_直接": round(cagr_ref, 6),
        "结论": "PASS" if diff.max() < 1e-9 else "FAIL",
    }

# ---------- 测试 1:沪深300 分段验证 ----------
for s, e, tag in [("20180101", "20181231", "2018熊市"),
                  ("20190101", "20201231", "2019-20牛市"),
                  ("20210101", "20221231", "2021-22下跌"),
                  ("20180101", "20241231", "全区间")]:
    px = load_index("000300", s, e)
    print(check_buy_and_hold(px, f"沪深300 {tag}"))

# ---------- 测试 2:与官方/公开数字核对 ----------
px = load_index("000300", "20190101", "20241231")
total = px.iloc[-1] / px.iloc[0] - 1
print(f"2019-2024 沪深300价格指数累计涨幅: {total:.2%}")
print("去中证指数官网查同一区间涨跌幅,误差应 < 0.1%")

# ---------- 测试 3:多标的回归测试 ----------
def regression_suite():
    cases = [
        ("000300", "index", "沪深300"),
        ("000905", "index", "中证500"),
        ("002472", "stock", "双环传动"),
        ("601111", "stock", "中国国航"),
    ]
    rows = []
    for code, kind, name in cases:
        if kind == "index":
            px = load_index(code, "20200101", "20241231")
        else:
            d = ak.stock_zh_a_hist(symbol=code, period="daily",
                                   start_date="20200101", end_date="20241231",
                                   adjust="hfq")
            d["日期"] = pd.to_datetime(d["日期"])
            px = d.set_index("日期")["收盘"].astype(float)
        rows.append(check_buy_and_hold(px, name))
    return pd.DataFrame(rows)

print(regression_suite().to_string(index=False))

# ---------- 测试 4:故意注入 bug,确认测试能抓到 ----------
def broken_nav(px):
    r = px.pct_change().fillna(0)
    return (1 + r.sum()).cumsum()   # 错误:简单加总

px = load_index("000300", "20180101", "20241231")
bad = broken_nav(px)
good = px / px.iloc[0]
print("注入bug后的最大偏差:", round(float((bad - good).abs().max()), 4),
      "-> 测试能抓到" if (bad - good).abs().max() > 1e-6 else "-> 测试失效,需加强")

✏️ 今日动手

  1. 把上面的验证代码写成 tests/test_backtest.py,用 pytest 或直接 python 跑,四个区间的结论必须全是 PASS。
  2. 去中证指数官网(csindex.com.cn)查沪深300 2019-2024 的区间涨跌幅,和你算出的数字对比,把两个数写进 tests/VALIDATION.md,记录误差。
  3. 确认你能解释每一段的结果:2018年沪深300跌了多少?2021-2022跌了多少?算出最大回撤,看是不是和印象中的"沪深300最大回撤约-45%(2021-2024)"接近。
  4. 跑"故意注入bug"那段,验证你的测试确实能抓到错误。然后再故意把 shift(1) 改成 shift(-1),看策略回测收益怎么变——这两个实验能让你彻底记住前视偏差长什么样。
  5. 给框架打个版本标签(git commit -m "backtest v1 validated")。这个 commit 是你后面所有研究的地基,以后每次改动都要能回到这个已验证的版本。

🔖 明日预告

本周收官。明天把七天的成果串成一条完整链路:跑一条命令,从数据更新到任意标的的净值曲线出图,并沉淀成一个可复用的项目骨架。下周开始真正造因子。