一句话结论：四轮针对性实验全部通过——这套七年半 +505%、年化 28.7% 的 ETF 动量轮动策略，没有过拟合，也没有未来函数。但过程远比结论精彩：第一刀下去，我自己先抓到了一个真问题。
---
事情是这样的。我手里有一套打磨定稿的 ETF 动量轮动策略（加权对数回归动量打分 × R² 过滤，每日 14:30 调仓取前二持有，走弱期切防御）。全窗 2019-2026 年 6 月回测：+505.0% / 年化 28.7% / 最大回撤 20.4% / 夏普 1.21。
然后我把代码给了一位做审查的朋友，他回了四条意见：
说实话，看完我后背有点凉。尤其是第 2 条，因为他说的那个不对称，是我自己在代码里亲手写下的。
我的纪律是：凡是能用实验回答的，绝不用嘴回答。
做了一个消融变体：卖出侧加上和买入完全同款的分钟级容量限制（按当时 5 分钟分钟量能的 25% × 0.9 封顶），其余代码一个字不动，同台架同成本（万 0.5 佣金 + 2.5bps 滑点）全窗重跑：
意见②成立：不对称处理确实抬高了回测收益，幅度 -26.8pp。 但把数字拆开看：折合年化只差 0.8 个点、夏普差 0.03，且差异集中在趋势大年——说它"人为造假"是冤枉，说它"让回测偏乐观"是事实。修复版我已存档，后续口径一律按对称版汇报。
这里有个更深的教训：回测里的每一个"为了方便"的不对称，最后都会变成别人质疑你时的呈堂证供。
第 3 条意见的验证最直接：把 14:30 执行时的取价从当根 bar（closes[-1]）改成前一根 bar（closes[-2]），如果策略真在偷那 59 秒的未来信息，收益结构应该会系统性崩掉。
结果：+488.9% vs +505.0%，差 -16.1pp（相对 -3.2%），夏普 1.18 vs 1.21，回撤纹丝不动。摊到七年半，年化差 0.5 个点——这是分钟级价格的正常抖动量级，不是未来函数套利的特征。真偷未来信息的策略，取价基础挪一根 bar 会当场现形。
这是最狠的一刀。策略池 112 只 ETF，我用 6 个固定种子分别随机删掉 15%（17 只）和 20%（22 只）——如果收益是靠某几只"幸运标的"撑起来的（幸存者偏差），删到它们就会当场崩塌。
六个种子全部正收益：+369% ~ +534%。最狠的是删 20% 的 s6，+533.7% 反超基线；最弱的 s2 也有 +369.2%。没有任何一个随机子池崩塌——收益不依赖特定标的。
如实说两点：收益对池构成有中等敏感度（均值 -13pp，机会集缩小的正常代价）；个别种子回撤放大到 34%，值得留意。
过拟合策略的典型指纹是"参数尖峰"——默认参数是天选之子，邻居全死。我把三个核心参数各做两个邻居扰动（LOOKBACK 25→20/30，R² 阈值 0.4→0.3/0.5，调仓 14:30→14:00/14:45）：
六个邻居全部同量级正收益（-15.5% ~ +7.3%），LOOKBACK=20 甚至 +541.7% 反超基线。这是教科书式的参数高原，不是尖峰。
终审最后一关。参数一个不动，直接切窗：2019-2023 作为样本内参照，2024 年到 2026 年 6 月作为纯样本外。
过拟合策略的特征是"样本内光鲜、样本外现形"，这套策略恰好倒过来——没见过的数据上反而大幅跑赢。这是反过拟合最有力的单条证据。
但我必须把另一面也写清楚：收益高度集中在 2024 后的 ETF 趋势大年，这是行情风格（regime）依赖，不是过拟合——可前向预期如果按 86% 年化线性外推，那就真是在骗自己了。
审查意见①（K=2 假分散：可能同时持有两只近同质 ETF）还有个延伸动作。我借用了聚宽五福 V3 的"运行时相关性守卫"（持仓间 60 日相关 ≥0.8 就顺延下一名），做了第七个消融：
守卫在七年半里实际触发了 327 次顺延（301 个交易日，占比约 17%）——代价是 +430.9% vs +505.0%，-74pp，回撤毫无改善。被顺延的不是"黄金对黄金"，而是沪深300 对创业板（corr 0.89）这类主流宽基高相关对。
动量策略的收益引擎，本来就是"强者同族聚集"。强行拆掉同族，等于拆引擎。守卫否决，定稿一行不动。
| 实验 | 判定 |
|---|---|
| 买卖不对称消融 | 意见②成立，-26.8pp，修复版已存档 |
| 灰区取价实验 | 无未来函数套利特征 |
| 池子扰动 ×6 | 无幸存者偏差，不依赖特定标的 |
| 参数细网格 | 高原非尖峰 |
| 样本外切分 | 样本外大幅走强，反过拟合形态 |
| 相关性守卫消融 | 否决，定稿维持原样 |
"这套策略有没有过拟合和未来函数"——到此数值收口：没有。
---
可能有读者会问：16 个全窗分钟级回测，每个都要跑 112 只 ETF 七年半的 1 分钟数据，你怎么几天就弄完了？
全部实验都是在我自己的量化研究平台上完成的：全品种全频率（日线/5分钟/1分钟）本地数据、按 A 股真实规则撮合的回测引擎（涨跌停/T+1/流动性上限/真实成本分档）、以及一条"想法→回测→终审→对账→交付实盘代码"的全自动流水线。文里每个变体从改代码到出指标，就是一次提交的事。
这个平台最近刚开放公测，新用户 1 元就能体验一次完整的 AI 全自动策略研究（同样规格的分钟级回测+四约束终审+交付 Ptrade/QMT 实盘代码）：https://autoquant.com.cn 。你有任何策略想法——哪怕是"我觉得某个策略是过拟合"——都可以扔给它验一验。毕竟，能被实验验证的质疑才是好质疑，能被数据接住的策略才值得上实盘。
*（风险提示：本文仅为量化研究方法交流，不构成任何投资建议。历史回测业绩不代表未来表现。）*