如果你最近常刷量化内容，应该已经闻到味儿了：这一周（9月15日—21日），B站、知乎、小红书、微博上，几乎同时在吵同一件事——回测好看，实盘为什么亏钱。
我随便截几个这周的真实标题，你感受一下浓度：
B站《回测过拟合：你的Sharpe可能都是假的》，9月20日发布，519播放、14收藏。哔哩哔哩
B站《回测年化50%上实盘就亏？量化过拟合一次讲透》《回测年化300%，为什么我反而不敢实盘？》，都发在9月21日。
微博认证机构号"交易之家盘立方"发了篇《回测胜率60%，为什么实盘反而不赚钱？》，就发在9月21日。微博
知乎也冒出新问题：《为什么量化策略回测表现好，实盘却可能亏损？》。知乎
小红书上，《策略衰减｜实盘跑不过回测的3个原因》《你的回测结论，可能只靠一只股票》《量化交流会：不要在回测里找安慰》清一色发布于9月21日当天。
我在B站按最新发布搜"量化回测"，一页30条视频全部发布于这一周，其中直接讲"回测过拟合、回测与实盘落差"的有6条，剩下还有十几条在讲回测工具、因子回测和回测提速。一个常青话题在七天里被全网UP主集中开火，从来不是巧合——背后是AI把"生成一条回测漂亮的策略"的成本，打到近乎为零了。
一边是"回测神话"，一边是"回测刺客"
同一周里还有另一批内容在反向狂奔。有人晒基于QMT的XGBoost机器学习回测，标题直接写"年化50%夏普1.78"；也有人晒日内做T策略，号称"回测年化获取超额8%，胜率在80%以上"，拿了836播放、52收藏。 更有意思的是一个叫Quant-AutoResearch的开源项目：让AI自主提假设、构造因子、改策略、跑回测、根据结果继续迭代，宽基实验在24个指数及ETF的候选池里20小时完成488次尝试，测试期最好策略累计收益172.52%、年化31.24%。 这篇笔记拿了241赞、409收藏，是近期量化垂类里最热的笔记之一。哔哩哔哩小红书
注意这个项目自己的口径：测试期2023年初至2026年9月11日、训练期完全不可见、统一按下一交易日收盘成交、买卖各收0.03%费用。工程上已经比绝大多数个人回测严谨了，但作者自己在笔记末尾还是补了一句：历史回测仍存在过拟合和事后选择风险，后续还需要新增数据与模拟交易验证。 这句话就是本周整个讨论簇的题眼。当AI让"提出一个策略"变得极度便宜，"验证一个策略"就成了整条链路里最贵、也最容易被跳过的一环。小红书
Google的狠实验：约9600个AI策略，最后只活2个
这周知乎上流传最广的一篇解读，讲的是一篇题为《Can AI Do Financial Research?》的论文，作者来自Google、Boston College、Columbia University，全文84页。 实验设计很简单：把大语言模型放进一个提前搭好的金融实验室，给它66个会计变量和32个运算符，让它在盈利、估值、投资等8个主题里自己提出选股假设、接受批评、看测试结果、继续修改，6轮运行一共评估了约9656个假设，平均每轮约1600个。知乎
结果有多惨？走完论文设计的"七道门"，最后完全存活的只有2个。 这七道门值得每个自己跑回测的人看一遍，我把它翻译成大白话：知乎
多重检验校正：你一共试了多少次？论文用BY方法控制错误发现率——完全无效的策略如果被测1000次，按5%显著性标准也会随机蹦出几十个"看起来显著"的。这一刀下去，449个候选剩325个。
贝叶斯后验：不是问"假设信号无效，出现这个结果多罕见"，而是反过来问"看到结果之后，信号仍然无效的概率是多少"。要求后验概率低于5%，对应|t|>2.943。
重算显著性门槛：普通t检验默认你没有从上千次尝试里挑最好看的那个——AI恰恰就是这么干的。论文用signed double bootstrap重新校准，这一批数据的门槛是|t|≥2.50，而且论文明确写了：换一批数据、假设数量或相关结构，这个门槛要重新算，不能直接套用。
拆时间窗：历史切成7个固定窗口，候选至少要在4个窗口里方向正确且显著。很多信号"全周期有效"，主要贡献却来自几十年前某段行情；单看2011年以后的窗口，只剩115个显著。
查信号衰减：60个月滚动回归，t值随时间下降的直接淘汰。325个候选里201个稳定、6个增强、118个衰减——超过三分之一的"发现"正在过期。知乎
三套因子模型同时有Alpha：分别在Fama-French五因子、六因子、q-factor模型下都要保留显著Alpha。能赚钱可能只是因为长期偏向价值股、盈利股或动量股，换个名字并没有产生新信息。三套同时通过的只剩103个。
新颖性检验：和209个已发表预测因子比相关性，挑出最相近的10个一起回归，候选自身的条件t值仍需大于1.96。103个进去，11个出来——其中4个的共同样本只有24—28个月。
论文里还有一句写得非常直白的话，大意是：任何一道门没过，都不能用另一道门的强来补。而整篇论文真正想说的，不是"AI不行"，恰恰相反——AI在量化上不是不够聪明，而是太"会考试"了。它把量化交易最难的那件事摊在桌面上：提出想法的成本趋近于零之后，稳健且真正新颖的信号依然极其稀缺。知乎
把七道门降维：个人建模者能直接用的五条自检
论文那套Fama-MacBeth、BY校正，个人玩家大概率用不上也不用硬上。但把它和这周社区里反复出现的翻车案例对着看，可以压缩成五条上手就能查的：
第一，数一数你一共试了多少次。这是最容易被忽略的一条。你在周末调了30组参数、试了20个因子组合，最后挑出来那个"最好的"——那个5%的显著性，是建立在50次尝试里的1次运气之上的。知乎上一条47赞的回答聊的也是这事：那位答主说自己操盘就看几个指标，50和200日均线、动量、成交量，顶多加个VWAP，简单策略在实践中反而经常跑赢复杂AI模型——因为复杂模型的搜索空间大得多，撞上运气的面积也大得多。知乎
第二，你的"样本外"可能根本不是样本外。小红书博主zengbin93这周把它讲得很透：样本内外切了，但"按外样本表现挑策略"这个动作本身，就是一次没有公开的回测——你的注意力反复扫过外样本，它就悄悄变成了半个样本内。 你最看好的那条曲线，大概率在分布的最右尾，上线后回归均值是统计期望，不是黑天鹅。小红书
第三，剔掉极端个股，看结论还在不在。小红书另一篇这周的笔记给了一个具体做法：把全市场按便宜程度分五组，最便宜组和最贵组的收益差就是因子成绩单——但这个差是两个平均数相减，一组里混进一只特别扎眼的，整组均值就被它抬上去了。原话是"把那只剔掉重算，同样的时间、同样的股票，差直接腰斩还多"。 你该看的不是那个数有多大，而是它有多稳。小红书
第四，检查成交价口径。B站有个做了137期的系列，这期专门讲"回测里的成交价，你真的拿得到吗"：信号用什么价算出来，和你实际能在什么价上成交，是两件事；限价单有逆向选择，成交率越低，漏掉的越是涨得最好的那些日子；涨停封板对追涨策略的破坏力，得做"买不进就留现金"的口径修正。 配套的还有复权问题——有笔记专门提醒，很多人直接用行情软件导出的复权价回测，很大概率踩了复权的未来信息陷阱，收益可能是"骗"出来的。哔哩哔哩小红书
第五，问一句：空仓在你系统里是一个合法决策吗？知乎这周有个真实案例：一位博主把2026年6月1日到9月15日自己十几个策略挨个跑回测，全部为负，最差-9.00%，最好的也还有-0.80%。知乎
他没换策略，而是给系统加了一层仓位管理（指数强度分档+情绪温度），337天里有129天完全空仓，曲线反而走出来了。他的结论值得抄下来——亏损不是策略的问题，是仓位选择的问题，他从来没允许自己空仓。 很多人能回测策略，却没法回测"什么时候换策略、什么时候干脆不做"，而这一步恰恰决定你能不能活过逆风期。知乎
"回测越靓丽越值得期待"是站不住脚的
最后说个反直觉的判断标准。策略衰减（实盘跑不过回测）几乎是必然发生的，社区归纳下来是三个机制在叠加：你挑出来的那个本身带赢家偏差；你的信息优势在被双向稀释——研报、因子库、人才流动让类似想法被独立重新发明，你自己的成交留在订单流里被对手盘画像；你一下场就在改变市场，做市商照着你的足迹调报价。小红书
衰减速度可以对照自查：短周期、日内、小容量高换手、只用公开K线财报、成交规律可见的，衰减快；中长周期、多因子复合、大容量低换手、用另类数据或自研事件库、低频拆单的，衰减慢。所以真正决定一个策略前景的，不是历史夏普多高，而是你所在的生态有多拥挤、对手盘有多容易复制你。小红书
不同人群，先查哪条
纯指标党（通达信/MACD这类系统化复盘）：先查第四条成交价口径和第一条参数尝试次数——有UP主直接把前视偏差、过拟合、幸存者偏差、偷价假设称作让策略"原形毕露"的四个美颜滤镜，你们是重灾区。哔哩哔哩
QMT/Python自研党：五条全查，重点放在第二条——你们最容易在"挑策略上线"这一步把样本外用掉。
因子党：重点第三条和第五条，单因子别只看分组收益差，多因子组合记得给"换仓闸门"做回测。
AI党（用LLM生成或迭代策略的）：直接把Google那七道门打印出来贴墙上。AI生成的每一条"显著"，都默认按"考试型选手"处理，直到它在你没碰过的数据上活下来。
上实盘之前，至少把上面五条过一遍；上实盘之后，给自己设一个观察信号——记录策略实盘表现与回测的偏离速度，短周期策略如果3个月内就明显分道扬镳，先怀疑衰减而不是先加仓。以及老规矩：所有回测数据都只代表历史，本文提到的所有策略、项目和数字均为公开内容转述，不构成任何投资建议，股市有风险，入市需谨慎。
这周这个讨论簇能被集中引爆，本质上是因为工具的门槛先塌了：AI把生成策略的成本打到地板上，接下来筛掉九成九假信号的活儿，得你自己干。你手上的策略，实盘多久开始跟回测分道扬镳？评论区聊聊。
