核心定位
Backtest Expert 是一套面向量化交易开发者的系统性回测方法论，其核心理念与主流回测工具形成鲜明对比：不求历史最优收益，而求策略在最严苛假设下的生存能力。
核心用法
技能采用六阶段工作流：
1. 假设陈述——用一句话明确定义交易边界，无法清晰表述则停止
2. 零主观规则编码——入场、出场、仓位、筛选条件必须完全量化，禁止任何主观判断
3. 初始回测——覆盖5-10年以上多周期数据，计入真实成本
4. 压力测试（核心，占80%时间）——参数敏感性测试（±50%变动）、执行摩擦倍增（1.5-2倍滑点）、分年度与分行情稳健性验证
5. 样本外验证——滚动前向分析，警惕样本外收益低于样本内50%的情形
6. 部署决策——仅当策略通过全部悲观假设测试后方可实盘
显著优点
- 反脆弱设计哲学：主动添加摩擦（更高佣金、更差滑点、最差成交），幸存策略往往实盘超预期
- 参数高原识别：寻找性能稳定区间而非单点最优，有效对抗曲线拟合
- 偏见系统化防范：明确警示幸存者偏差、前视偏差、过优化等经典陷阱
- 时间分配指导：20%创意生成+80%破坏性测试，纠正开发者常见时间错配
潜在局限
- 适用域限制：专为系统化/量化策略设计，依赖主观判断（盘感、宏观解读）的 discretionary 交易者可能无法直接套用
- 数据门槛：要求高质量历史数据与回测平台，对数据源特性（插值方法、低流动性处理）需深度理解
- 样本量刚性：统计显著性要求高，小容量策略（如事件驱动）可能难以达到30-200笔交易的最低门槛
- 无代码工具缺失：仅提供方法论框架，需配合 Python/R/专业平台实施
适合人群
- 正在开发或验证量化策略的独立交易者、PM、研究员
- 遭遇「回测很美、实盘很惨」困境需诊断根本原因的用户
- 希望建立机构级回测纪律的个人或小型团队
- 对过拟合、前视偏差等概念有认知但缺乏实操框架的学习者
常规风险
- 方法论误用：若用户未严格执行「悲观假设」，可能产生虚假安全感
- 平台差异：不同回测引擎的撮合逻辑、除权除息处理差异可导致结果漂移
- 市场制度变迁：历史压力测试无法涵盖交易规则突变（如涨跌停改革、熔断机制）
- 过度保守陷阱：极端悲观假设可能过滤掉有效边缘策略，需平衡稳健性与敏感性