股票量化回测最隐蔽的坑：今天看到的股票池，过去并不存在

股票量化中有一个非常隐蔽的问题。

你的代码没有报错。

交易逻辑也没有偷看未来价格。

回测结果甚至非常稳定。

但它仍然可能从数据源头就已经高估了策略。

这个问题叫幸存者偏差。

一、今天看到的公司，是已经活下来的公司

假设今天有1000家上市公司。

你拿这1000家公司去回测十年前的策略。

问题是：

十年前真实市场里并不只有今天这1000家公司。

还有一些公司已经：

退市；

破产；

被并购；

长期停牌；

被指数淘汰。

如果这些失败样本从历史数据中消失，相当于你提前知道了“哪些公司最终活到了今天”。

二、为什么它会让策略变漂亮

想象一个选股策略专门买基本面较弱、估值较低的公司。

真正历史中，其中一部分公司可能最终退市。

但如果数据集只留下今天仍然存活的公司，那些最差的结果就被自动删除了。

策略看起来会比当时真正能够实现的结果更好。

三、指数成分股也会产生同样的问题

例如研究历史指数策略。

如果直接使用今天的指数成分股回测过去十年，也可能出现偏差。

因为十年前指数里的成分公司与今天并不完全相同。

正确做法应该使用历史每个时点真实存在的成分列表。

四、点时数据非常重要

量化研究应尽量使用 point-in-time 数据。

也就是：

在历史某一天，只让策略看到当时真正可以获得的信息。

不能使用后来才修订的数据。

不能使用后来才公布的财务信息。

不能用今天的股票池倒推过去。

五、为什么这类错误最危险

因为它不会让程序崩溃。

相反，它通常会让结果更加漂亮。

而越漂亮的结果，人越容易相信它。

这也是为什么一个合格的量化系统，必须先做数据审计，再讨论策略收益。

结论

股票量化的第一步，不是寻找神奇指标。

而是确认：

历史股票池是不是历史真实股票池；

退市证券是否存在；

财务数据是什么时候公开的；

复权和公司行为是否正确；

交易成本是否真实。

如果这些基础不成立，后面再复杂的模型也可能建立在错误数据上。