2.4 双均线策略回测全程复盘：一条漂亮净值的证伪现场
2.4 双均线策略回测全程复盘：一条漂亮净值的证伪现场
本节摘要：本节是第二章主线案例的现场记录。一个最普通的双均线策略，样本内年化表现惊艳、回撤温顺；随后在参数曲面、扰动测试与滚动前推验证的三重审讯下原形毕露。案例完整走过"背景—操作—结果—解读—变式"五步，所有数字用于演示方法而非暗示任何真实标的的未来表现。
一、案发背景：一句话假设与它的第一版实现
主角是那句流传最广的口诀：短期均线上穿长期均线（金叉）买入，下穿（死叉）卖出。研究者的起手式标准得不能再标准：拉一段十年日频数据，二十日均线对六十日均线，复权收盘价，次日开盘成交，双边成本按千分之一计入。回测跑完，屏幕上出现一条台阶式上行的净值曲线，最大回撤温和，交易次数不到两百笔——每一个单项指标都像在说"这个策略值得加钱"。
策略的状态机实现很干净，这也是复盘能顺利推进的前提：
对应的最小回测代码骨架如下，为教学做了精简：
import numpy as np def dual_ma_backtest(px, fast=20, slow=60, cost=0.001): """双均线回测骨架: 信号次日开盘成交, 成本按比例扣减. px: 收盘价序列; 返回净值序列与交易日志""" pos = 0 equity, log = [1.0], [] fast_ma = np.convolve(px, np.ones(fast) / fast, "valid") slow_ma = np.convolve(px, np.ones(slow) / slow, "valid") fast_ma = fast_ma[-len(slow_ma):] # 对齐两均线起点 prices = px[-len(slow_ma):] for t in range(len(slow_ma) - 1): ret = prices[t + 1] / prices[t] - 1.0 # 用次日价格结算 golden = fast_ma[t] > slow_ma[t] and fast_ma[t - 1] <= slow_ma[t - 1] dead = fast_ma[t] < slow_ma[t] and fast_ma[t - 1] >= slow_ma[t - 1] if golden: pos = 1 elif dead: pos = 0 log.append(("平仓", t)) daily = pos * ret - (abs(pos) * cost if golden or dead else 0.0) equity.append(equity[-1] * (1 + daily)) return np.array(equity), log
二、操作：三道审讯依次上场
第一道，参数曲面。把快线从五扫到四十、慢线从三十扫到二百，共约两千组组合，每组记录夏普比率。结果让研究者心里一紧：表现最好的区域极其狭窄——快线三十、慢线一百七十附近孤峰突起，夏普比周围邻域高出一大截；而被口诀寄予厚望的二十对六十，表现平平。孤峰不是高原，按上一节的判别标准，这已经是黄色警报。
第二道，扰动测试。把最优参数上下各挪一档，夏普立刻腰斩；把快线改成三十一（仅仅加一），成绩明显劣化。逻辑如果真实存在，不该脆弱到经不起参数挪一格。
第三道，滚动前推验证。训练五年、测试一年，窗口逐年前推，得到十段样本外成绩。这才是判决书。
图 2-3：同一条净值曲线的两个视角
三、结果与解读：判决书怎么写
十段滚动考试里，只有三段勉强为正；把十段样本外净值拼接，整条曲线围绕起点震荡走低。与此同时，样本内那条台阶式曲线依然挂在报告第一页——两图对照，就是本次复盘最值得收藏的教学画面。解读分三层：
层一，过拟合成立。孤峰参数 + 扰动脆弱 + 样本外失效，三项证据互相咬合。样本内的优势被判定为"两千次抽奖的最高奖"，而非可复制的能力。这是最常见的一种证伪，也是 2.3 节全部方法论的落地。
层二，但逻辑未必全错。趋势跟踪作为策略族有深厚的经济学根基（第三章 3.1 节）。样本外失效说明"这个参数化的双均线在它没见过的时段没有稳定优势"，不等于"趋势效应不存在"。判决要精确到被证伪的对象：死的是这个具体实现，不是整个族谱。
层三，验证流程自身也要被怀疑。复盘的最后一问是:有没有可能是我的验证流程错杀了它？逐项检查后确认：成交时点对齐、成本计入、样本窗口互不重叠、参数只从训练段产生。流程无罪，判决成立。
四、教训清单与变式
这次复盘留下的教训可以直接抄进任何团队的研发规范：
- 先看参数曲面，再看最优值——孤峰直接终止评审，省得后面浪费感情；
- 利润集中度是必查项——如果收益主要来自两三段行情，先问自己样本外还能不能等到那种行情；
- 样本外成绩拼接图必须出现在报告第一页，与样本内曲线同框；
- 证伪对象要写精确——是"该参数化实现"还是"整个策略族"，措辞决定后续研究的起点；
- 失败案例归档留痕，防止半年后有人用同样的思路再踩一遍。
变式练习留给读者：把快慢均线换成唐奇安通道突破，重跑同一套三道审讯，观察参数高原是否更宽；给双均线加一个波动率目标仓位，看样本外分布的宽度是否收窄；在多个不相关的标的上重复整个流程，检验结论的跨市场一致性。每一步都在加深同一个认知：证伪不是否定研究，证伪本身就是研究。
复盘还有一条容易被忽略的支线：研究者本人的记录习惯。本次案例之所以能在两周内走完全部流程，是因为每一步的中间产物都被留存——参数曲面的原始数据、扰动测试的每组成绩、十段滚动验证的逐段明细。没有这些留痕，"孤峰"就只是一句口头描述，复核者无法判断判定是否可靠；有了留痕，任何同事都可以在半天内重放全部审讯。研究流程的可信度最终落在可复现性上，而可复现性的成本极低：一个规范的目录结构，加上"每跑一次实验就存一次输入与输出"的纪律。这条支线与主线同等重要——方法会过时，留痕的习惯不会。
本节要点回顾
- 漂亮净值只是嫌疑犯不是结论：两千年参数里选出的最好成绩，几乎必然过拟合嫌疑；
- 三道审讯各有分工：参数曲面看连片性，扰动测试看脆弱性，滚动验证看定型后表现；
- 判决对象要精确：被证伪的是具体实现，策略族层面的判断需要更多跨市场证据；
- 流程自检是最后一环：错杀与漏放都源于验证流程自身的漏洞，判决前先自证清白；
- 证伪产出规范：教训清单与失败归档，是团队最便宜的复利。
⚠️ 常见坑：复盘结束后顺手把参数改成"样本外表现最好"的那组——恭喜，你刚刚把测试集用成了训练集，整个流程需要推倒重来。
单个案例的证伪经验如何推广？下一章把四大策略门派放上同一张桌子，先认族谱再谈存活。