上线之前，如何回测一个 AI 交易智能体

一个你用一句大白话提示词搭出来的智能体，在它正确复述你的策略那一刻，感觉就像已经通过了测试。其实并没有。复述是理解，回测才是证据。在任何智能体碰到真实资金之前，你想知道的是：它那套确切的规则，在过去多年的真实市场历史里会有怎样的表现。要把一个 AI 交易智能体回测好，你需要三样东西：钉得足够紧、紧到可以重放的规则；恶劣到值得一测的测试区间；以及像批评者而非粉丝一样解读报告的纪律。本文覆盖这三点，外加一个 LLM 驱动策略独有的失败模式。

把规则钉到机器能够重放的程度

回测会拿你的逻辑对着历史数据一根一根 K 线地重放。这只有在你的智能体所做的每一个决策，都能由那一刻已经存在的数据算出来时才成立。“当日线 RSI(14) 收盘跌破 30 且价格在 200 日均线之上时买入”可以完美重放。“当新闻反应显得过头时买入”则不行，因为“显得”不在任何一根 K 线里。

所以第一项工作，是把智能体复述出来的条件变成一份完整的规格说明。一个好用的检验：一张装着历史价格和你的规则的电子表格，能否决定每一次入场、每一次出场、每一个仓位大小，而不留下任何需要临场判断的地方？如果某条规则需要解读，回测引擎总会以某种方式去解读它，而它的解读会在你未同意的情况下变成你的策略。

也要盯住那些安静的参数。滑点和费用假设、订单类型（市价单会成交；限价单有时不会），以及股票在盘后时段收到信号时会发生什么。如果你对这类引擎的一般运作还不熟悉，我们的回测软件指南讲了基础，本文只专注于智能体有何不同之处。而如果你还没为自己的策略定义好入场、出场、仓位大小和失效条件，先把那一步做完；那是创建 AI 交易智能体的第二步。

如何让 AI 交易智能体穿越各种市场行情做回测

一个只在近期历史上测过的策略，是一场“近期会延续下去”的赌注。修正的办法很明确：挑选能压出不同失败模式的测试窗口，并要求智能体在其中大多数里活下来。过去十年里的四种行情就覆盖了很大范围：

时期	那是什么	它压出什么
2018	磨人的熊市（加密下跌约 80%、股市第四季度急挫）	出场纪律、定投的忍痛能力、千刀万剐式的耗损
2020 年 2—3 月	垂直崩盘，随后 V 形反弹	止损在跳空行情和滑点下的表现，你是重新入场还是被吓住
2021	持续的融涨行情	做空和均值回归规则是否在与趋势对抗、过早止盈
2022	加息周期的回撤，股票与加密同步下跌	相关性假设、趋势过滤、回撤上限

让智能体的规则分别穿过每一个窗口，而不是只看一个长长的平均值。一条抄底规则可以在 2020 和 2021 大放异彩，再在 2022 把一切悉数吐回去；单一的汇总数字会把这段故事藏起来。你并不是要求它在四种行情里全都盈利。你要求的是提前知道：哪一种行情会伤到你的智能体，以及它的失效规则会不会在损失累积成灾之前触发。

这正是工具在实操上见真章的地方：在 Obside 上，回测引擎在几分钟内重放数年历史数据，滑点假设已内建其中，于是测四个窗口不过是午饭前跑完的四次运行，而不是一个周末的工程。无论你用哪个引擎，原则不变：看行情，别看平均。

像对手一样解读报告

一份回测报告，是你自己的希望写下的一份销售说辞。逐一解读每个数字，看清它能告诉你什么、又不能告诉你什么。

Sharpe 比率衡量每单位波动率带来的回报。对大多数散户策略来说，大致 0.5 到 1.5 之间是诚实区间；回测里高于 3 的 Sharpe，更多时候是一个 bug、一处偏差或一次过拟合，而不是一项发现。

最大回撤是从峰到谷最深的那一次亏损。把它对照你真正能坐得住的幅度，然后假定实盘会更糟，因为历史上的最坏情况是地板，不是天花板。

胜率单独看毫无意义。90% 的胜率配上小额盈利和罕见的灾难性亏损，描述的是一个在压路机前捡钢镚的策略；欣赏它之前，先把它和平均盈亏比放在一起看。

成交笔数是你的样本量。低于约 30 笔，你手里的是一则轶事。低于 10 笔，你手里的是一个故事。

**在场时间（Exposure）**告诉你资金在市场里待了多久才赚到这份回报，那是权益曲线不显示的风险。

然后跑一次压力变体：把滑点和费用假设翻倍，重跑一遍。交易频繁、或交易薄流动性资产的策略，可能在这一次测试里眼看着优势蒸发。如果小幅的参数改动（RSI 30 对比 32、止损 4% 对比 5%）就让结果崩塌，你八成正盯着一次曲线拟合；那一整类失败在我们的回测过拟合指南里被逐一剖开。

LLM 的警告：当模型早已知道结局

智能体策略引入了一个经典交易机器人从未有过的失败模式。如果一个大语言模型在回测循环内部做决策（挑选资产、把握入场时机、权衡新闻），它的训练数据里可能就包含着你正拿来测试的那段历史。模型不是在预测 2021，而是在回忆 2021。

这并非假设。针对基于 LLM 的投资策略的研究发现，回测被记忆和前视（lookahead）所夸大：训练数据与测试窗口重叠的模型，能回忆起代码、日期和价格走势，而表现在样本外常常退化（“Can LLM-based Financial Investing Strategies Outperform the Market?”，arXiv:2505.07078, 2025）。一项后续的记忆受控基准显示，当被记住的市场历史被恰当地剔除后，LLM 交易智能体表面上的技巧会急剧下降（arXiv:2605.28359, 2026）。一篇该领域的综述在众多研究中标出同一模式：测试窗口过短、标的池过小、以及前视风险（arXiv:2408.06361, 2024）。

两道实用的防线。第一，如果由 LLM 来决定交易，只信任其训练截止之后的测试窗口，这通常给你留下的是数月而非数年的数据。第二，对多数散户用途更好：干脆把 LLM 排除在重放循环之外。让它把你的策略一次性翻译成确定性规则，然后用经典方式回测这些规则。Obside 正是这样搭建的：副驾解读你的语言，但回测拿固定条件对着历史 K 线重放，于是循环里没有一个能记住答案的模型。

毕业标准：一次通过的回测长什么样

在往下走之前，先写清“通过”意味着什么，然后冷冷地拿报告去对照。一个合理的门槛：

• 在四种行情里至少熬过三种，也就是即便某种行情里不盈利，亏损也守在失效规则之内。
• 最大回撤等于或低于你在跑测试之前声明可以承受的数字。
• 整个测试里至少 30 笔成交，多到足以说明点问题。
• 在把成本假设翻倍之后仍为正。
• 相邻的参数取值给出相近的结果，是一片高原，而不是一座孤零零的魔术尖峰。
• 你能用大白话讲清它最糟的那段连亏：是什么市场状况造成的，以及为什么这套策略依然成立。

差在一个标准上，你手里的是一个待重新设计的目标。差在三个上，你要找的是另一套策略。而全部通过，仍不是上线的许可：回测测不出你的意图在实盘数据上的翻译、执行时机，或你自己看着真实回撤时的行为。那正是下一阶段要做的，而同一份智能体定义应当原封不动地挪过去；理由和检查清单都在我们的让 AI 智能体做纸面交易指南里。

从这里往哪走

回测一个智能体，与其说是为了找到漂亮的数字，不如说是为了廉价地买到信息：哪种行情会击穿你的规则、你最糟的一个月长什么样、成本会不会吃掉优势。这些发现在回测里一分钱不花，在实盘里却是真金白银。把规则钉住，跑那四种行情，像对手一样读报告，并让任何 LLM 都离重放循环远远的。当你想要一个能在几分钟内重放数年、把滑点内建进去、并一步就把同一个智能体升级到纸面交易的引擎时，就在 Obside 上跑你的下一次回测。

仅供教育参考，不构成投资建议。交易存在风险，可能导致本金损失。