策略开发

过滤器挖掘:很多“聪明规则”其实只是对历史做后视镜裁剪

分析过滤器挖掘为何会制造伪稳健策略,帮助研究者识别那些只在历史上好看的过滤条件。

2026-03-309分钟
很多策略一开始只是“还行”,真正让它们在回测里变得惊艳的,往往是后来不断叠加的过滤条件。比如把低波动率环境滤掉、把某个价位区间滤掉、把某种特定状态下的信号滤掉。每加一个条件,历史上的一段亏损就被修剪掉,回测自然越来越平滑。问题在于,这些条件很多并不是来源于先验逻辑,而是来源于对历史亏损片段的回头观察,所以它们更像是在裁剪过去,而不是在理解未来。
过滤器挖掘特别隐蔽,因为它总披着“分析亏损原因、优化规则”的外衣出现。研究者看到某一年在震荡市里亏损,于是加一个 ATR 门槛;看到某个阶段收益不稳定,于是再加一个状态判断。每一步都显得有逻辑,但如果这些逻辑完全是从历史结果反推出来的,那么本质上就是后视镜驾驶。你看到的是历史上那一段市场恰好长成了某种样子,于是据此定义了一个过滤规则,但未来的亏损阶段很可能以另一种形态出现,而你的规则根本认不出来。
  • 过滤条件越多,越要审问它是否来自后视镜
  • 每增加一层规则,都在减少有效样本
  • 真正有价值的过滤器必须具备跨阶段稳定性

更稳的研究和验证方式是什么

更稳的处理方式,是把每一个新增过滤条件都当成一个新的研究假设,而不是当成“顺手修一修曲线”的小修补。条件加入之前,必须回答清楚它在经济含义上想过滤什么风险、它是否能在多个市场阶段保持一致、它是否会让有效样本量骤减。只有当这个条件不仅在历史上“修得漂亮”,而且在不同切分和不同环境里都仍然成立时,它才可能是真正有价值的研究改进。
很多策略不是死于原始逻辑太差,而是死于后续优化太聪明。研究者不断加过滤器,最终得到的不是更懂市场的策略,而是一件只适合历史穿的定制服装。越是看起来聪明的规则,越应该反过来问一句:它到底在过滤未来风险,还是只是在过滤我已经看到的过去亏损。

关键结论

  • 过滤器挖掘会把历史修成好看的假稳健
  • 新增规则前必须先验证其逻辑与样本价值
  • 不是所有能降低回撤的过滤器都值得保留

关联课程

如果你想把这篇文章里的方法系统化学习,可以从这些课程继续深入。

继续阅读

微信:446860105