股票策略回测容易在数据、时序和评估三个环节产生偏差。检查偏差比追求一组漂亮指标更重要，因为收益曲线只能描述给定数据与模型下的历史结果。
数据：复权、缺失与样本选择
核对股票代码、复权、历史区间和缺失数据。前复权历史序列可能随后续公司行为变化，应保留数据检查日期。只测试目前仍在市场中的股票，也可能遗漏历史上退出样本的对象。
不要只选记忆中走势最漂亮的标的或区间。如果研究目标是某类条件，说明样本是如何选出来的，哪些对象没有数据，以及这会怎样限制结论。
时序：什么时候知道，什么时候成交
区分信号计算、订单生成与模型成交。使用当天收盘信息，却把执行安排到此前能拿到的价格，会混入未来信息。多周期请求还要检查高周期数据何时可用。
在观潮 Plus 的回测中，先核对一筆交易的时间与价格，再扩大测试范围。OHLC 撮合是近似路径，涨跌停、停牌与 T+1 等真实约束仍需要明确建模。
成本：从零成本走到敏感性
记录手续费、滑点、交易单位和仓位假设。成本变化后，比较交易次数、收益分布和回撤，而不只是一个最终数字。对高频规则，细小的单笔成本也可能累积成很大的差异。
评估：不要重复使用测试集
优化参数后，冻结规则到未参与调参的区间；如果看完测试结果再修改规则，这段数据就不能继续被称为独立测试。查看多段市况与邻近参数，而不是只记录最佳组合。
观潮提供参数优化、Walk-Forward 等研究工具，但工具不会自动消除所有偏差。结果报告应列出未知项与未覆盖规则。
本文仅供研究方法参考，不构成投资建议。