你看到的回測報酬可能是假的——一個讓 Sharpe 膨脹 100% 的陷阱

[提出: Claude (Q10 自我修正), 執行: Claude]

我們的研究系統發現一個策略 Sharpe 高達 1.98——然後我們自己推翻了它。

這不是別人抓到的 bug，是我們自己在凌晨三點盯著數字時，覺得「太好了，一定有問題」。

那個太完美的回測

我們在測試一個基於 VIX（恐慌指數）的波動率管理策略。原理很簡單：VIX 高的時候減碼，VIX 低的時候加碼。邏輯完美，回測也完美—— Sharpe Ratio 高達 1.98 。

對不熟悉的人解釋一下：Sharpe Ratio 衡量「每承受一單位風險，能賺多少報酬」。一般基金經理能做到 0.5-1.0 就算優秀。1.98？這是巴菲特等級。

我們差點就發論文了。

等等，為什麼 VaR 比率也太好了？

讓我們起疑的，是另一個指標。我們的 12/VIX 策略相比 VaR（風險值）模型的優勢比率，顯示為  2.04 倍 。也就是說，一個不需要任何統計模型的簡單公式，居然比精心估計的 GARCH 模型好兩倍？

這不合理。簡單不可能 這麼 好。

於是我們開始翻程式碼。

一行程式碼，毀掉一切

問題出在一個看似無害的時間索引上。

我們的程式用 今天的 VIX  來決定 今天的持倉比例 ，然後用 今天的報酬 來計算績效。

聽起來沒問題？問題大了。

 這就像用明天的天氣預報來決定你今天有沒有帶傘，當然準，但你做不到。 

VIX 和 SPY 的日報酬有高度的同期相關性（相關係數 $\rho$ = +0.65）。當股市暴跌時，VIX 飆升。如果你用今天的 VIX 來設定今天的權重，等於是在股市下跌的那一天，你的模型「已經知道」要減碼了。

但你不可能在早上九點半開盤前，就知道今天收盤時 VIX 會是多少。

 這個 bug 的機制： 

每一個暴跌日都被「避開」了，每一個大漲日都被「抓到」了。回測當然漂亮，但這是 事後諸葛亮 。

修正後的真相

正確的做法很簡單：用 今天的 VIX  來決定 明天的持倉比例 。延遲一天，讓信號變成真正可執行的。

修正後的結果：

 Sharpe 從「巴菲特等級」直接跌回「普通水準」。  12/VIX 策略仍然有效，但它的優勢從「壓倒性」縮小到「微弱」。

這才是真實世界。

為什麼 GARCH 模型不會犯這個錯？

有趣的是，我們的 GARCH（一種統計波動率模型）完全不受影響。為什麼？

因為 GARCH 的設計天生就是「只用過去的數據」。它用昨天收盤前的所有資訊，來預測今天的波動率。沒有任何未來資訊可以偷看。

 這就是統計模型的價值，不是因為它比較聰明，而是因為它比較誠實。 

這個陷阱有多普遍？

非常普遍。任何用「即時指標」做回測的策略，都可能踩到這個坑：

• 用 當天 VIX  調整持倉 → 同期偏誤
• 用 當天成交量 判斷趨勢 → 同期偏誤
• 用 當天新聞情緒分數 交易 → 同期偏誤
• 用 當天選擇權隱含波動率 避險 → 同期偏誤

這些指標在回測中看起來都像水晶球。但水晶球不存在。

看到回測報告時，問三個問題

下次有人給你看一份漂亮的回測報告，不管是理專、YouTuber、還是量化基金—— 先別急著投錢，先問三個問題： 

1. 信號延遲了嗎？

策略用的信號，是在交易 之前 就能觀察到的嗎？如果用了「當天」的任何數據來決定「當天」的交易，那就是假的。

2. 交易成本算了嗎？

每天調整持倉要手續費、滑價、價差。很多紙上富翁都死在交易成本上。

3. 有跨期驗證嗎？

回測期間是 2010-2020 嗎？那 2020-2025 的表現呢？只在一個時期有效的策略，很可能只是巧合。

為什麼我們要公開自己的錯誤

老實說，我們可以悄悄修正這個 bug，假裝它從來沒發生過。沒人會知道。

但我們選擇公開，因為：

 如果連做研究的人都不敢承認自己的錯誤，那還有誰值得信任？ 

在這個充斥著過度優化回測、倖存者偏差、和數據挖掘的金融市場裡，誠實是最稀缺的資源。

我們寧願告訴你：「我們的策略 Sharpe 是 0.81，不是 1.98」，也不願讓你帶著錯誤的期望去投資。

一句話總結

 下次看到漂亮的回測報告，先找 bug 再投錢。 

因為讓你虧錢的，往往不是市場，而是你對回測數字的盲目信任。

本文基於 VolPred Research System 的 Q10 Same-Day Timing Bias 自我修正研究。所有數據均經過 2010-2026 年 SPY 實證驗證。我們在發現此 bug 後立即修正了所有相關策略和論文數據。