本课内容
- 如何回测 AI 策略
- 样本外测试证明什么
重点回顾
- 1好的回测避免前视偏差
- 2在模型从未训练过的数据上测试
- 3真实的手续费和滑点使结果诚实
课程摘要
对 AI 策略做回测，是在检验这套规则在历史数据上是否奏效。
思维模型
用浅显语言理解 AI 策略的回测
对 AI 策略做回测，是在检验这套规则在历史数据上是否奏效。挑战在于让测试够贴近真实情况，才有实际意义。.
- 如何回测 AI 策略
- 样本外测试证明什么
核心机制
如何理解 AI 策略回测
训练数据、验证数据与样本外数据必须分开。.
成本、价差、滑点、资金费率与延迟都需要纳入仿真。.
前进式测试（walk-forward testing）有助于揭露模型究竟是在适应，还是过拟合。.
- 好的回测避免前视偏差
- 在模型从未训练过的数据上测试
- 真实的手续费和滑点使结果诚实
实例
一个具体的 AI 策略回测 案例
一个根据 2021 年牛市数据训练出来的策略，可能看起来相当出色，直到在流动性不同的横盘或空头时期被测试。.
请牢记决策规则：只有在策略以真实成本通过样本外测试之后，才进行仿真交易或正式上线。.
常见误区
AI 策略回测 的常见陷阱
使用未来数据、只挑选表现好的资产，或不断调参直到走势图变得平滑，都会制造出虚假的优势。.
风险提示
在 AI 策略回测 周围保持安全
数据延迟、交易所停机、部分成交，以及回测从未捕捉到的市场状态变化，都可能让实盘运行失败。.
- 把训练期与测试期分开。
- 纳入所有交易成本。
- 在投入实盘资金前先进行前进式或仿真测试。
实践练习
将 AI 策略回测 付诸实践
- 把训练期与测试期分开。
- 纳入所有交易成本。
- 在投入实盘资金前先进行前进式或仿真测试。
复习
关键术语
- 牛市
- 价格持续上涨、市场情绪乐观的时期。
- 流动性
- 资产在不大幅影响价格的情况下被买入或卖出的容易程度。
- 滑点
- 预期价格与实际成交价格之间的差异，在低流动性或快速波动的市场中常见。
- 延迟
- 操作与其效果之间的时间差——在快速交易中至关重要。
- 机器学习
- 从数据中学习规律的算法，而非被明确编程。
参考来源
编辑参考资料
这些参考资料是验证本课所涉机制、风险核查与产品背景的基础。
nist.gov/publications/artificial-intelligence-risk-management-frameworkNIST AI 风险管理框架（AI RMF 1.0）提供 AI 系统可信度评估框架，包括鲁棒性、可解释性与偏差检测，适用于金融 AI 风险分析。owasp.org/www-project-top-10-for-large-language-model-applicationsOWASP 大语言模型应用 Top 10列举 LLM 应用的十大安全风险，包括提示词注入、幻觉输出及不安全的工具调用。developers.gaiaex.comGaiaEx 文档GaiaEx API 官方参考，涵盖身份认证、订单提交、账户管理及现货、永续合约端点。developers.gaiaex.com/securityGaiaEx 安全与自托管说明 MPC 钱包架构、EIP-712 签名流程及 GaiaEx 非托管模式下用户的自主控制原则。
继续之前
你能做到以下这些吗？
- 把训练期与测试期分开。
- 纳入所有交易成本。
- 在投入实盘资金前先进行前进式或仿真测试。
相关学习内容
继续阅读
检查点
完成本课
通过检测以保存进度，然后依次继续本轨道的学习。
知识检测
1 / 2确认完成本课
答对所有题目方可完成本课。
稳健的回测避免……