，“别小看这些成本，高频交易下，每年能吃掉10%-20%的收益。

    我建议回测时，把手续费设为实际的1.5倍，提前预留安全边际。

    ” “那该怎么正确回测？”老李翻开笔记本，认真记录。

     “记住三个原则。

    ”林深竖起三根手指，“第一，数据样本要足够大，至少覆盖一个完整的牛熊周期；第二，参数调整范围要合理，每次变动不超过10%；第三，回测结束后，必须做样本外测试。

    ” 他展示了自己的测试流程：用2010-2017年数据优化系统，再用2018-2020年数据验证。

    “如果样本外测试的结果与回测相差超过15%，就说明系统存在问题，必须重新调整。

    ” 二、压力测试：让系统经历“生死考验” “回测通过了，只能算及格。

    ”林深切换到另一张PPT，上面是2015年股灾时的K线图，“真正的考验是压力测试——模拟极端行情，看系统能否活下来。

    ” 情景一：黑天鹅事件 他输入指令，屏幕上的曲线瞬间暴跌：“假设你的系统在2020年疫情爆发时运行，短短一个月大盘跌了15%，你的仓位、止损、资金曲线会如何变化？如果最大回撤超过30%，说明系统抗风险能力不足。

    ” 情景二：流动性危机 “很多人忽略了这点。

    ”林深调出某只小盘股的交易数据，“当市场恐慌时，有些股票会出现无量跌停，你的止损根本无法成交。

    我建议用流动性指标筛选标的，日均成交额低于5000万的股票，直接排除。

    ” 情景三：参数失效 “市场是动态变化的。

    ”林深展示了一个趋势跟踪系统在震荡市的表现，“2016-2017年的慢牛行情中，这个系统年化收益50%，但到了2018年的震荡市，直接亏损28%。

    所以要设置系统有效性检测机制，比如当连续10笔交易胜率低于40%时，自动暂停交易。

    ” 老张突然举手：“这些极端情况太难模拟了，有没有简单的方法？” “有！”林深打开一个Excel表格，“用蒙特卡洛模拟。

    它能随机生成数千种市场情景，计算系统的平均收益、最大回撤等指标。

    这里有个关键参数——夏普比率，数值越高，说明系统在同等风险下的收益越好。

    ” 三、实战测试：从实验室到战场 “所有测试的最终目的，都是为了实战。

    ”林深合上电脑，语