方法论
设计透明，默认严谨
Trading.hk 上的每份报告都遵循相同的透明、可重复方法论。我们公开流程，让你能够自行评估我们研究的质量。
公开透明
每项假设、每个参数、每段测试区间，都会在报告中完整披露，没有任何黑箱。
可复现
相同的输入必然得到相同的结果。我们的回测引擎具有确定性，并受版本控制。
严谨
每一次回测都必须应用四项偏差控制，没有例外，也没有捷径。
方法论章节
选择章节，深入了解各个组成部分的完整细节。
第 1 章
数据来源与覆盖范围
说明我们的数据来自哪里、如何验证、覆盖哪些交易所和资产类别，以及如何处理公司行为。
OHLCV 数据
交易所数据源
质量检查
复权调整
第 2 章
回测引擎
事件驱动架构、交易执行模拟、贴近现实的交易成本、仓位规模模型，以及跨多个标的的投资组合层面模拟。
事件驱动
执行模型
滑点
仓位规模
第 3 章
偏差控制与验证
说明导致大多数散户回测失效的六大偏差来源，以及我们如何逐一消除，并涵盖滚动前进测试与样本外验证。
前视偏差
幸存者偏差
过度拟合
滚动前进测试
第 4 章
绩效指标
本站报告所用全部指标的完整词汇表，包括公式、解读指引、参考阈值，以及各项指标对评估策略的意义。
夏普比率
回撤
CAGR
盈利因子
要点一览
| 项目 | 我们的做法 | 意义所在 |
|---|---|---|
| 历史数据 | 至少 5 年，最长可达 20 年以上 | 覆盖多种市场环境 |
| 引擎类型 | 事件驱动，逐根 K 线处理 | 从根本上消除前视偏差 |
| 交易成本 | 往返 0.1%（香港）、0.05%（美国） | 采用贴近现实且偏保守的假设 |
| 成交假设 | 信号 K 线之后的下一根 K 线开盘价 | 不采用理想化的同一根 K 线成交 |
| 股票池 | 包含已退市股票 | 避免幸存者偏差 |
| 验证方式 | 样本内加样本外保留测试 | 确保结果并非过度拟合历史数据 |
| 报告指标 | 每份报告包含 12 项以上标准化指标 | 评估方式一致，结果可相互比较 |
| 参数优化 | 采用滚动前进优化，而非单一最佳拟合 | 模拟真实的适应性调整过程 |
重要声明
Trading.hk 上发布的所有研究仅供教育和资讯用途，不构成投资建议、推荐或买卖证券的要约。我们的报告并非个性化投资建议——所有订阅者获得的报告内容相同。过往表现和回测结果不能保证未来收益。