首页 / 指标百科 / T+1 与未来函数：回测最容易作弊的地方

T+1 与未来函数：回测最容易作弊的地方

指标百科 · 定义、算法与常见误区

一句话：回测里最隐蔽、也最致命的错误，是用未来的信息做今天的决定。在 A 股，最常见的形态就是「用当日收盘价算出信号，然后假设当日就能按这个价格成交」。

A股的 T+1 制度

当天买入的股票，当天不能卖出，要等到下一个交易日才能卖。这条规则对回测的影响是：你不可能在知道今天收盘价的同时，还按今天的价格完成交易。

真实的时间顺序是：

T 日 15:00 收盘 → 你才知道 T 日的收盘价和全部指标 T+1 日开盘/盘中 → 你才能执行买卖

什么叫未来函数

如果回测代码写成这样，就是作弊：

# 错误写法 for i in days: signal = compute(close[i]) # 用了 i 日收盘价 position[i] = signal # 假设 i 日就按这个信号持仓 return[i] = position[i] * ret[i] # 于是吃到了 i 日的涨跌

问题在于：close[i] 要到 i 日收盘才存在，而 ret[i] 正是从 i−1 日收盘到 i 日收盘的涨跌。你等于用「当天的结果」去决定「当天的仓位」。

正确写法是把信号和收益错开一天：

# 正确写法（T+1 口径） for i in days: signal = compute(close[i-1]) # 用 i−1 日收盘算信号 position[i] = signal # i 日才持有这个仓位 return[i] = position[i] * ret[i]

这个错误能虚增多少

不是理论上的小问题。以本站做过的对照为例：同一套择时规则，

写法	年化收益	说明
错误写法（当日信号当日生效）	50.9%	引入了未来函数
正确写法（T+1 口径）	36.2%	本站公开口径

差了 14.7 个百分点。而且这种错误在净值曲线上看不出来—— 曲线一样平滑漂亮，只是每年凭空多赚十几个点。如果你看到一个回测的年化收益高得离谱，第一个该怀疑的就是这个。

还有哪些隐蔽的未来函数

一、用当日最高/最低价成交

「在最低点买入、最高点卖出」是最经典的作弊。除非你有明确的盘中触发条件，否则成交价只能用开盘价或收盘价。

二、用全样本统计量做标准化

比如用「过去 10 年的平均波动率」去标准化今天的信号——这个平均值里包含了今天之后的数据。正确做法是只用截至今天为止的数据算滚动统计量。

三、成分股用「现在的」名单

用今天沪深300 的成分股去回测十年前，会引入幸存者偏差—— 当年被剔除的差公司不在名单里，等于提前剔除了输家。

四、财报数据用「报告期」而非「公告期」

年报的数据是 12 月 31 日的，但你要到次年 4 月才看得到。如果用报告期对齐，等于提前几个月知道了业绩。

怎么自查有没有未来函数

把收益整体平移一天，看结果变化大不大。如果变化巨大，说明严重依赖当日信息。
把信号随机打乱 1000 次，看真实策略是否显著优于随机。如果优势不明显，可能是过拟合或作弊。
检查每一行代码里用到的数据，是否在那一时点真的可得。这是最笨也最有效的办法。

本站面板上怎么看

本站所有策略的回测结果都按 T+1 口径计算，交易成本按单边 5bp 计提，区间写在面板顶部。这两个假设会明显压低收益数字——但它们是真实可执行的。

一个诚实的 36% 比一个作弊的 50% 有用得多。

常见问题

T+1 制度对策略收益影响有多大？

取决于策略的换手率和信号类型。日内反转类、高频轮动类策略受影响最大；低频择时策略（比如按月调仓）受影响相对小，但仍然存在一天的执行延迟。正确的做法是在回测里如实建模，而不是忽略它。

什么是幸存者偏差？

指回测样本里只包含「活到今天的」标的，而已经退市、被并购、被剔除的标的没算进去，导致结果系统性偏好。用当前的指数成分股回测历史是最常见的踩坑方式。

怎么判断一个回测是不是过拟合了？

几个常用检验：样本外测试（留出一段数据完全不参与调参）、参数敏感性（参数微调后结果是否崩塌）、随机对照（与随机策略比较）、分年度表现（是否只在某几年赚钱）。四条里能过三条以上，才值得进一步研究。