策略表现的时间变化特性
策略表现并非固定属性。一个在某一时期产生强劲回报的交易策略，在另一时期可能产生较弱甚至负回报。这种变化不仅仅是随机噪声；它通常反映了市场条件、参与者行为以及监管框架的变化。根据历史回测，许多量化策略在十年前或更早时期的表现似乎远好于今天。然而，这种表面上的衰减，部分源于回测构建方式的假象，部分则是市场演化的真实结果。早期回测结果看起来有吸引力的一个主要原因是市场环境不同。当活跃的量化对冲基金较少时，对相同异常现象的竞争较少。定价低效持续更久，买卖价差更宽，这意味着做市商需要更高的补偿来提供流动性。如果回测将今天的窄价差和低交易成本应用于旧数据，就会高估当时实际可实现的回报。这是成本假设中的一种前视偏差。此外，历史数据库中的幸存者偏差往往会夸大早期表现。回测追溯得越久，被摘牌的股票就越多，通常是由于破产或收购。如果数据集排除了这些失败的公司，仅做多策略就会显得避开了实际存在的输家。结果，早期年份显示出不切实际的平滑且正面的结果。最后，金融市场会经历状态转变——监管、宏观经济条件或市场结构的变化——这些变化打破了历史关系的连续性。次贷危机、股票价格十进制化以及卖空限制的取消，都是改变资产回报统计特性的事件示例。由于金融时间序列是非平稳的，不能假设旧数据遵循与当前数据相同的过程。这挑战了“更多历史数据总能带来更可靠回测”这一常见信念。
回测膨胀：交易成本与市场竞争
交易成本是回测中关键但常被过度简化的组成部分。过去，买卖价差远宽于今天，尤其是在十进制化和电子交易普及之前。频繁交易的策略在早期几十年会承担高得多的成本。当回测在长期历史中使用单一的现代成本模型时，实际上赋予了策略在早期不切实际的优势。由此产生的表现曲线可能显示平滑上升趋势，随后近期下降，导致分析师得出结论认为策略已经衰减。实际上，部分下降只是对过于乐观成本假设的修正。市场竞争也起作用。当很少有量化基金采用某一特定策略时，相关的阿尔法——未被市场暴露解释的超额回报——可能持续存在。随着更多资本进入同一策略，机会往往会缩小。这通常被称为阿尔法衰减。更多参与者的存在可以使价差收紧、流动性改善，并更快消除定价异常。因此，即使交易成本被正确建模，早期回报仍可能高于现在可实现的水平。这不是数据假象，而是机会集的真实变化。然而，将竞争效应与有偏成本假设的效应分开是困难的。两个因素都倾向于夸大早期回测回报。一个常见错误是假设历史成本结构与当前相似。实际上，市场冲击、滑点和费用已发生巨大变化。例如，在电子订单匹配广泛使用之前，执行大额订单需要与专家或做市商协商，通常成本显著。忽略这些摩擦的回测将产生误导性结果。因此，在评估策略的历史表现时，必须使用与时期相适应的交易成本模型。如果不可能，分析师至少应承认早期结果可能被高估。关键要点是，若不根据市场微观结构和竞争的演变进行调整，早期回测回报不能直接与近期回报相比较。
幸存者偏差及其在早期数据中的放大
幸存者偏差是指当数据集仅包含存活至今的证券时引入的误差。破产、被摘牌或被收购的公司被排除在外。这种偏差对长期回测尤其成问题，因为追溯得越久，缺失的公司数量就越多。在回测的早期年份，原始股票池中更大比例已经消失。如果这些缺失的公司主要是输家，仅做多策略就会显得比实际表现更好。考虑一个简单的仅做多策略，买入广泛横截面的股票。在有幸存者偏差的数据库中，该策略从不持有后来归零的股票。它只持有最终成功或至少存活的股票。结果，回测避免了破产和严重下跌的全部影响。这夸大了回报，尤其是在更多失败已被从数据集中移除的早期时期。这种扭曲在不同时间并不均匀；对更旧的数据更大。因此，将早期表现与近期表现进行比较是误导性的。策略表现的表观下降可能部分反映了近期数据中幸存者偏差的减少，因为消失的公司较少。需要注意的是，偏差的方向取决于策略。对于仅做多策略，幸存者偏差倾向于高估回报。对于仅做空策略，它可能低估回报，因为缺失的破产本应是有利可图的空头。对于市场中性或多空策略，净效应取决于相对权重和缺失公司的性质。尽管如此，一般原则成立：回测追溯得越久，幸存者偏差扭曲结果的可能性就越大。为减轻这种偏差，分析师应使用包含已摘牌证券及其历史价格的点时数据库。这些数据库更昂贵且更难构建，但它们提供了当时实际可投资内容的更准确图景。没有此类数据，任何关于策略历史表现——尤其是早期年份——的结论都应谨慎对待。使用有幸存者偏差的数据集，然后得出结论认为策略随时间衰减的常见做法，可能仅仅是数据假象。
金融市场中的状态转变与结构性断点
状态转变，也称为结构性断点，发生在金融时间序列的潜在统计特性发生变化时。这可能是由于监管变化、宏观经济冲击或技术创新而突然发生。研究笔记强调了三个例子：股票采用十进制定价、卖空限制的取消以及次贷市场的崩溃。这些事件都改变了市场的运作方式以及资产价格之间的关系。例如，十进制化——从分数定价过渡到十进制定价——降低了最小报价单位。这导致买卖价差收窄，并改变了某些做市和短期交易策略的盈利能力。在十进制化前数据上估计的模型可能假设一定的价差和价格聚集水平。当应用于十进制化后数据时，它可能失败，因为市场微观结构已发生根本变化。同样，卖空限制的取消，例如美国的上涨规则，影响了交易者表达负面观点的能力。依赖卖空的策略变得更加可行，价格发现的动态也发生了变化。像次贷危机这样的宏观经济事件也可能导致状态转变。在危机期间，资产类别之间的相关性飙升，流动性枯竭，波动性达到极端水平。一个在危机前数据上校准的策略可能假设了正常的市场条件。当危机来袭时，策略的风险状况发生了巨大变化。即使在危机之后，市场也不一定回到其先前的统计行为。央行政策、新法规以及投资者行为的变化创造了新的状态。其含义是，早期金融数据不能简单地与近期数据合并用于估计单一模型。如果发生了状态转变，旧数据可能无关紧要，甚至对预测未来表现有害。统计检验可以帮助识别结构性断点，但它们并非万无一失。经济推理也是必要的。分析师必须问，产生历史数据的条件是否仍然存在。如果不存在，该时期的回测结果应被折价。忽视状态转变是一个常见陷阱，会导致对在昔日有效的策略过度自信。
