博客

我们在同一个参数扫描任务上对八个回测引擎进行了基准测试——15万根K线、80个HMA交叉组合、交易笔数严格锁定在2707笔。两个最受欢迎的事件驱动框架的速度居然比手写的 pandas 循环还慢，而一个向量化/编译型引擎完成同样的工作快了约13000倍。这是一篇关于主流库从未被设计用来摊销的逐K线开销的研究。

Deflated Sharpe Ratio 给获胜策略定价；PBO 给挑出它的那次搜索定价。组合对称交叉验证（Combinatorially Symmetric Cross-Validation）在一个 1000x200 的表现矩阵上跑 C(16,8) = 12,870 次训练/测试切分，问的是：样本内赢家会不会落入样本外的后一半？几乎每个人都会看错的地方——PBO 的零假设值是 0.5，不是 1。在 200 个零优势策略上，最佳样本内年化夏普比率 1.98 在样本外坍缩到 0.06，PBO = 0.476：如同抛硬币，彻底过拟合。植入一个真实优势（年化夏普比率 2.38），PBO 降到 0.001，样本内的 3.73 在样本外仍保住 2.34。在纯随机游走上跑移动平均线网格，同样没有任何样本外的技巧——60 个矩阵平均 PBO 0.463，在统计上和零假设无法区分——而在其中一个具有代表性的矩阵上，这场海市蜃楼十分鲜明：最佳样本内夏普比率 2.33 坍缩到样本外中位数 -0.22，PBO 0.573，63% 的概率会亏钱。

我们把一个 numba 回测内核逐行移植到 Rust，并以四种方式跨进程边界调用它，用等价性校验确认到最后一笔交易都完全一致的 PnL。把整条 1.2 MB 的价格序列通过 Unix socket 传输一次，成本约 2 毫秒——约占整个任务耗时的 0.1%。对同一份数据做 JSON 编码，成本是原始字节的 1348 倍；健谈式的逐组合调用把数据重复传输了 80 次；逐 bar 调用模式会在一个 2.0 秒的任务上白白付出 2.1 秒的纯 IPC 开销。边界本身很便宜，税出在你如何跨越它。

参数搜索是一台制造运气的机器。在纯噪声上——1,000 个真实优势为零的策略——最佳年化夏普比率平均达到 1.63，朴素显著性检验 100% 的时候都会宣布发现。我们构建受控的真实基准，证明 Deflated Sharpe Ratio、Harvey-Liu 折价法与 White's Reality Check 能够恢复诚实：假发现率从 1.000 降到 0.001-0.057，噪声上限之上的真实优势仍以接近 1 的功效被保留——还有一个真实的陷阱（相关网格），在那里原始 DSR 会过度折损，其结论必须放在一整条有效试验数估计的区间上通读，而不是只看一个数字。

要搜索'最好'的策略，你必须先定义什么是'最好'——而那个标量，会悄悄替你选出赢家。在带有已知优势的合成数据上（600 个种子，T=2000，80 个候选阈值），朴素的逐笔（per-trade）夏普比率会加冕一张彩票：它在 56% 的种子上选出曝光率低于 5% 的赢家，在 57% 的种子上发生退化——在最极端的那个种子上，8 笔交易的样本内夏普比率高达 21.09，样本外却崩塌到 0.13。诚实的修复几乎平淡无奇：在整条时间线上测量，它从不退化（样本外 1.71）。交易笔数（conf_k）收缩与曝光率下限可以给逐笔指标打补丁，但即便完全修复，它们也只能追平整条时间线夏普比率（1.70 对 1.71）——永远无法超过它。古德哈特定律，在回测里，配上受控的真实基准。

一项对细微前视泄漏如何悄然抬高回测表现的受控研究。在完全没有真实优势的情况下，同 K 线成交从纯噪声中制造出 +14.8 的年化夏普比率；提前一根 K 线窥视指标则制造出 +4.8。本文给出完整分类、实测量级，以及在它耗费你真金白银之前如何检测每一种泄漏。

对同一个 80 组合参数扫描的五种实现，全部验证产出完全相同的 PnL：pandas 的 rolling.apply 耗时 69.9 秒，numpy 3.1 秒，numba 2.0 秒，并行 numba 0.23 秒——在一台 Apple M2 Max 上、硬件零改动，实测提速 298 倍，即便相对一个称职的向量化基准也仍快约 13 倍。每一级阶梯到底带来了什么、为什么 GPU 不是那块缺失的拼图，以及海量参数搜索中真正的瓶颈藏在哪里。