数据与 方法论
这一页公开我们所有数字的产生方式。你不必相信我们的结论，但应该能按同样口径复现我们的过程。
回测区间与样本
| 项目 | 设定 |
|---|---|
| 回测区间 | 2023-01-01 至 2025-12-31 |
| 行情周期 | 1 小时 K 线为主，部分策略用 4 小时 |
| 标的范围 | 主流市值前 20 的永续合约与现货 |
| 数据来源 | 交易所公开 K 线（OHLCV），已去重并补齐时间戳 |
| 时区 | 全部统一为 UTC |
区间覆盖了一轮完整的下跌、盘整与上涨周期。只在单边上涨区间回测出的漂亮数字没有意义，这是我们坚持跨周期的原因。
成交价规则（最关键的一条）
信号在第 t 根 K 线收盘后确认，成交发生在第 t+1 根 K 线的开盘价。
很多回测用当根收盘价既做信号来源又做成交价，等于假设你能在收盘那一瞬间成交 —— 这是最常见的未来函数，会显著虚高收益。我们的引擎在结构上禁止这种写法。
如果一份回测报告不说明成交价规则，那份报告的收益数字无法评估。这是我们建议你审视任何策略的第一个问题。
成本模型
高频策略对成本极度敏感：日均 10 笔、单边 0.05% 的策略，一年交易成本可达本金的数倍。任何不含成本的回测都不能作为决策依据。
| 成本项 | 设定 | 说明 |
|---|---|---|
| 手续费 | 单边 0.05% | 开仓与平仓各计一次 |
| 滑点 | 按标的波动率估算 | 流动性差的标的取更高值 |
| 资金费率 | 合约策略计入 | 按历史实际费率结算 |
| 延迟 | 保守假设 | 不假设优于 t+1 开盘价的成交 |
过拟合处理
- Walk-Forward 滚动前推 —— 用训练窗调参、测试窗验证，滚动前移，只统计样本外表现
- 参数平原检验 —— 好参数应是一片高原而非孤立针尖，邻域敏感度过高即视为过拟合
- 参数数量约束 —— 参数越多越容易拟合噪声，优先选择结构简单的策略
- 交易次数门槛 —— 样本内交易次数过少的结果不具统计意义
我们公开的指标均为样本外结果。样本内数字通常更漂亮，但对你没有参考价值。
我们无法消除的局限
- 幸存者偏差 —— 回测标的是今天仍然存在的币种，已归零的样本天然缺失
- 流动性假设 —— 大额资金的真实滑点高于模型估算
- 制度变化 —— 交易规则、费率与市场结构会变，历史不必然重演
- 实盘偏差 —— 实盘表现通常低于回测，这是常态而非异常
以上局限无法通过更精细的建模消除。这正是我们反复强调先用小额资金测量实盘与回测偏差的原因。历史回测数据不构成收益承诺。
示例数据说明
站内行情面板、信号列表与排行榜为示例数据，用于展示页面结构与方法，不是实时行情，也不是真实用户数据。接入实时数据后会显著标注数据时间与来源。
风险提示：量化交易同样存在亏损风险。本站所有策略、信号、收益数据均为历史回测数据，不构成收益承诺，也不构成投资建议。加密货币波动剧烈，请先用小资金验证，并遵守所在地法律法规。