阿尔法会死——这不是理论，是我的账户

我盯着屏幕上的两条资金曲线，中间的落差让我胃疼。

一条漂亮得不像话：平滑上行，回撤不到 8%，月度收益稳定，夏普比率超过 2.1。那是我的回测——ES（迷你标普 500 期货）三年的日线数据，4 小时周期 EMA 交叉的趋势策略，配合 ATR 仓位管理。看起来像印钞机。

另一条是我的实盘。同样的策略，我跑了整整四周。第一周小赚 4200 美元，我觉得被验证了。第二周市场变震荡，假信号增多。第三周连续止损。第四周我关掉策略。总盈亏：-8900 美元。自尊也被揍了一顿。

这是一个失败故事，更重要的是它解释了一个事实：为什么九成「回测很美」的策略会在实盘里死掉——不是运气差，也不是操纵，而是更底层的原因：阿尔法有保质期，而我当时完全不知道。

策略设定：为什么看起来那么好

具体一点说我在交易什么。

规则很直白：4 小时图上，当 9 周期 EMA 上穿 21 周期 EMA，且 MACD 在零轴上方，做多；亏损超过 1.5 倍 ATR 止损，或盈利达到 2.5 倍 ATR 止盈——先到先执行。平均持仓约 16 小时。在 2020–2023 回测里，结果是：

共 847 笔交易
胜率 58.2%
平均盈利约 186 美元，平均亏损约 -124 美元
月均收益约 3.8%（年化约 45.6%）
最大回撤 7.9%
盈利因子 2.3

看到这种数字，你不会想「这会不会失败」，你会想「我什么时候发财」。

让我觉得可信的有三点：

跨行情都「好看」。 我覆盖了 2020 年 3 月疫情暴跌、2021 年夏季震荡、2023 年趋势牛市——曲线都「扛得住」。这种一致性很诱人，因为它暗示你找到了「真东西」，而不是单一行情的偶然。

回撤「刚刚好」。 8% 最大回撤既不至于假到像过拟合，又让你觉得睡得着觉。

逻辑听起来朴素合理。 趋势跟随不是黑箱秘密，在商品与外汇里存在了几十年。「买强卖弱」在人类市场里反复出现。我以为自己押注的是原则，而不是微小统计噪音。

最后这一点，恰恰是我的盲区。

实盘崩塌：四周现实课

2024 年 4 月 15 日，我接入券商账户，本金 5 万美元，按每笔 1% 风险算仓位，每次约 2 张微型 ES。

第一周： 三笔盈利，+4200 美元。兴奋是真的：回测有效，我快要证明自己了。

第二周： 标普进入整理，EMA 交叉频繁给出假信号。七笔里三盈四亏，净 -1100 美元。我告诉自己这是正常波动——回测里也有连亏。

第三周： 市场继续横盘。每当 9 EMA 看似要穿过 21 EMA，价格就回落。止损、止损、止损。八笔里七笔亏，3200 美元蒸发，账户掉到约 49100 美元，怀疑开始蔓延。

第四周： 周一早上我跑完最新一根 K 线的逻辑，突然看清问题，于是停掉策略。

总损失：-8900 美元（约 -17.8% 本金）。一个回测里年化 45% 的故事，在四周里变成了年化视角下极其难看的亏损。数学上很羞辱人。

更狠的一击来自我早该做的事：把回测权益曲线与实盘成交叠在一起。回测假设在信号价「完美成交」；实盘里我被稳定地滑点——单笔合约 2–5 美元听起来不多，但积少成多。回测里我把滑点设成往返固定 5 美元；实盘里平均往返约 12–15 美元，因为：

我常在开盘后 30 分钟这种高波动时段交易
我的挂单规模会推动微型 ES 的微观结构
买卖价差比我模型里假设的更宽

佣金也被我低估：我按单边 3 美元估，实际券商收 4.5 美元。听起来琐碎，但在 847 笔回测规模上，累积误差就是真金白银。

但最大的杀手不是滑点或佣金，而是更「存在主义」的东西。

对照时刻：落差是怎么被看见的

当我把两条曲线叠在一起，放大到实盘成交发生的那些日期，结论很清楚：市场已经不再像回测里那样表现。

回测里，每当 4 小时出现 9/21 交叉，我平均能拿到约 186「点」量级的盈利（文中 pip 为叙述单位，与具体合约 tick 换算依品种而定）；那四周实盘里，平均盈利只有约 64——低了约 66%。

我以为自己发现的规律，已经不在工作了。

每个交易者迟早要面对这一刻，大多数人选择逃避。我不得不问：为什么？

答案不复杂，但需要一点智力上的谦卑才能接受。

三个根因：为什么「完美回测」会死

1. 过拟合：参数对准的是噪音，不是信号

9 和 21 这两个周期，是我在历史数据上扫参扫出来的「最优」。为什么不是 8 和 22？因为在 2020–2023 样本上，它们回报最好。

我没做的是：样本外验证——没有用完全独立的持有期检验，也没先看 2018–2019 是否仍然成立。

事后尸检时结果很难看：这组「魔法参数」在 2018–2019 会明显跑输，大约差 40%。它们过拟合的是 2020–2023 这段「趋势特别清晰、波动结构特别配合趋势策略」的行情，而不是人性或结构的永恒规律。

对你意味着什么： 若回测没有「从未参与优化的独立测试区间」，你其实不知道手里是什么。很多人停在「样本内好看」，跳过验证——优化集上赢的参数，往往是实盘里最糟的那一组。

2. 真实成本：不只是滑点，还有结构变迁

我读过交易成本论文，也在回测里加了「现实」滑点。但知道和在账户里感受到是两回事。

回测假设：往返滑点 5 美元，单边佣金 3 美元。
实盘：往返滑点 12–15 美元，单边佣金 4.5 美元，非活跃时段价差更宽。

当单笔期望从「186 点量级」掉到「64 点量级」，再扣掉固定摩擦，边缘会迅速消失。

更隐蔽的是市场结构：2024 年微型 ES 的散户参与度与历史段不同，微观结构变了——点差可能更「紧」，但价格跳动速度与成交质量已与 2020–2023 的训练分布不同。

对你意味着什么： 不要假设历史滑点与成本假设永久成立；结构会变。给回测成本加安全边际——我现在的粗标准是：比你直觉估计再高至少 50%。

3. 模式已死：拥挤与套利

最难接受的事实：当我上线时，这套东西很可能早就被市场「发现」了。

4 小时 EMA 交叉做 ES？既不独家也不神秘。任何人花十小时学平台都能写。成千上万的人在跑变体——边缘被摊薄，做市商也会针对这类流调整报价。回测里像 186 的东西，在实盘里变成 64，往往就是拥挤把汁榨干了。

学术上也有旁证：Blitz、Hanauer、Vidojevic、Vlinder（2022）对多年量化因子表现的跟踪显示，大量因子在公开发表后的 3–5 年内出现显著衰减——不是归零，而是幅度常缩水 50–70%。一旦概念扩散，资金涌入，边缘就被吃掉。

我的策略没写论文，但原理是公开的。2024 年我撞上的是已经被套利过一轮的市场。

对你意味着什么： 若阿尔法建立在众所周知模式（均线、动量、均值回归）上，默认边缘已被砍半且在衰减。真正「独家」的边缘往往难找、难执行或难规模化——好懂的模式，通常也好套利。

反直觉结论：阿尔法不是资产，是消耗品

这件事扭转了我的世界观。

我曾把策略当资产：做出来、上线、一直赚钱，最好有「圣杯」适用所有行情。失败后我才承认这是幼稚模型。

阿尔法不是长期资产，是消耗品，有生命周期：

发现期（数周）： 看到规律，回测很美，你觉得自己是第一个。
拥挤期（数月）： 别人独立发现或复制，成交量上升，边缘收缩。
衰减期（半年到两年）： 模式广为人知，做市与散户都在用，边缘继续磨损。
死亡期（两年以上）： 可能不再盈利，甚至因拥挤与适应而转负，需要放弃。

这发生在好交易员身上，也发生在大型量化机构身上——他们不会把 1992 年的单一策略原封不动跑到现在，而是持续上新、持续退休、持续研究。

对你意味着什么： 别再找「一个策略打天下」。按 12–18 个月 的生命周期来规划，并准备替换。问题往往不是你错了，而是你若对了，别人两年内也会跟上来。

转变：用「策略库存」来管理

亏损之后我没有退出市场，而是换了管理范式。

从「单策略押注」变成策略库存：

同时维护多条策略（我现在跑 6 条活跃策略）
每条有预期寿命（12–18 个月）
监控衰减——用「衰减比」（近期表现相对回测预期）
当衰减超过阈值（例如连续两个月低于回测预期的 50%），启动替代研究
在旧策略彻底死掉之前就部署替代品

这需要心理切换：从「我的策略」的骄傲，变成「策略 3 在衰减，该研究下一步」的职业疏离。

举例： 策略 1（15 分钟 EMA 反转）已跑 14 个月，约为回测预期的 75%，尚健康；策略 2（VIX 波动率均值回归）11 个月，约 62%，有衰减但仍可交易；策略 3（现货网格）8 个月，约 95%，较新；策略 4–6 在微型实盘验证中。

这样我不依赖单一路径；新策略至少纸交易或微型实盘四周再放大。月度收益更稳，因为一条衰减时另一条可能补上。

心智模型：策略库存，不是圣杯

我必须接受：没有完美策略，只有不同衰减曲线与不同寿命预期的策略。趋势里漂亮的系统在震荡里会死；吃波动爆发的系统在平静期会难受。你能做的是构建组合，让它们在时间与机制上错开衰减。

这是专业机构的日常：多策略、每年淘汰相当比例、持续研究、预期衰减并预案。

我却想用一条策略和 5 万美元复制他们——当然会失败。

现在我刻意追求「反脆弱」：

单策略不超过总资金约 20%
预期每条都会衰减
持续研究替代方案
上线前积极纸交易 / 微型验证

这不能消灭亏损，但能让亏损可预期、可管理——策略不会因为「意外」而崩塌，因为我在监控；也不会因为「背叛感」而失控，因为我本就预期衰减。

这对你意味着什么

若你做出一条「完美」回测，坦白说——大多数人都能做出好看的曲线。难的不是回测，而是承认：回测是愿景，不是预言。

我会建议：

1. 内置衰减预期： 第一年按回测回报的 70% 规划，第二年 50%。超预期是惊喜，不及预期也不该震惊。

2. 样本外测试： 优化与验证必须分离，至少留出约 30% 历史数据给「从未碰过参数」的检验。

3. 真实摩擦缓冲： 把回测成本乘以 2。你以为滑点 5，就按 10 建模——宁可被盈利惊喜，也不要被成本杀死。

4. 规划替换而非永恒： 什么会弄坏这条策略？你怎么知道它坏了？替代研究的时间表是什么？答不上来就不该上大资金。

5. 小仓起步、实时监控衰减： 至少四周纸交易；上线后每周对比「实盘 vs 回测预期」。衰减加速就要准备转向。

阿尔法会死，不一定因为你做错了，而是因为你做对了——别人也做对了。越早接受这一点，越能做出能活下去的系统。

我四周亏了 8900 美元和不少自尊，但换来了现在让我还能盈利的心智模型——这可能是交过最值的一笔学费。

你的经历呢？有没有回测很美、实盘很痛的故事？测试与生产之间的裂缝，才是真正的交易教育。欢迎在评论里分享——模式往往会重复。