附录 C：常见误区对照表

量化研究里大多数"看起来很美、实盘就崩"的结果，都源于少数几个反复出现的误区。本附录把全书各章强调过的陷阱汇成一张速查表，便于在动手前、复盘时对照自查。每条都标注了对应章节，便于回溯细节。

数据与回测口径

❌ 常见误区	✅ 正确做法	章节
在 \(T\) 时刻用到 \(T\) 之后才可得的数据（未来函数 / 前视偏差）	严格时间戳对齐；向量化记得 shift(1)，事件驱动天然杜绝	3、4、12
用不复权原始价回测，除权日出现跳空	回测用前复权（adjust="qfq"）	3
只用当前存续的标的回测（幸存者偏差）	维护含退市标的的全集数据库	3
把向量化回测当成能模拟撮合/资金/T+1	需要路径依赖时改用事件驱动回测	4
裸回测得到漂亮高收益	计入佣金、印花税、滑点与换手成本	6、10

市场制度与账户语义

❌ 常见误区	✅ 正确做法	章节
A 股当日买入当日卖出	检查 available_position（T+1 可用持仓）	6
涨跌停封板仍假设能成交	用数据携带 can_buy / can_sell 等标记辅助判定	6
把期货保证金账户当现货账户，开仓即扣全额名义本金	看 equity / used_margin / notional_value 理解杠杆暴露	7
期权只押方向、忽略希腊字母	同时管理 Delta / Gamma / Theta / Vega 暴露	8

优化与验证

❌ 常见误区	✅ 正确做法	章节
直接采用样本内夏普最高的单点参数	寻找"参数平原"，做样本外验证	11
试了很多组参数，挑最好的就上	用 DSR 按尝试次数抬高夏普门槛（多重检验校正）	10、11
只用一条历史路径（单次 walk-forward）下结论	用 CPCV 得到夏普比率的概率分布	11
时间序列直接随机 K-Fold 交叉验证	用 Purged K-Fold + Embargo 防信息泄露	12
固定时间窗口标签忽略期间回撤	用三重屏障法（止盈/止损/时间）打标签	12
样本太短就断言策略有效	参考最小回测长度，低夏普策略需更长样本	11

指标与工程

❌ 常见误区	✅ 正确做法	章节
指标 warmup 未满就发出交易信号	计算后先剔除前部 NaN / 空值区段	16
迁移时不对齐结果就直接切 Rust 后端	先用 backend="python" 对齐基线，再切 rust	16
多输出指标解包顺序记错（如 MACD/BBANDS）	牢记解包顺序，结果不报错但语义会悄悄失真	16
只看全周期静态夏普，忽略局部波动	配合滚动夏普 / 滚动波动率观察稳定性	13

实盘运维

❌ 常见误区	✅ 正确做法	章节
凭"本地请求成功"就推进订单终态	CTP strict 模式下终态以柜台 OnRtnOrder 回报为准	15
把内置 MiniQMT/PTrade 当生产级开箱即用	视为占位骨架；A 股集合竞价/打新等需自定义或增强 broker	15
不经模拟盘直接实盘	先 paper 充分验证，再 broker_live，灰度发布	15
实盘不开前置风控	RMS 前置风控（单笔上限、资金使用率、日内撤单数、策略级止损）是最后防线	15

---

一句话总结：量化里最贵的错误，往往不是模型不够复杂，而是悄悄用了未来信息、忽略了成本、或被多次尝试挑出的"运气"骗了。 对照本表，能避开其中大半。