ETHUSDT 1H：表现最佳的RSI设置能否经受样本外检验？

每一次回测都会产生一个赢家。你测试一组设置，按平均收益率排序表格，总有一行名列前茅。令人不安的问题是，这一行到底说明了什么：你是发现了市场的真实行为，还是只是找到了恰好拟合了所测试样本中噪声的那个设置？

今天我们用一个针对ETHUSDT的具体实验来回答这个问题。我们采用了一个非常简单的RSI回落规则，在数据的前半部分尝试了25种变体，按照大多数人会采用的方式挑选出赢家，然后检查这个同样的赢家在之后的数据上表现如何。上方图表显示了小时K线，下方是RSI(14)窗格，蓝点标出了触发条件最严格版本的触发位置。

回测陷阱的衡量方法：过拟合与样本外检验

过拟合是指一条规则被过度调校以紧密贴合某一段历史，以至于它描述的是那段历史而不是市场本身。这不是编程错误，也不会自行显露出来。你尝试的设置越多，其中某个设置纯粹因为运气而看起来极为出色的可能性就越大，尤其是当其背后的交易数量较少时。

标准的防范方法是样本外分割。你在某个日期将数据切开，只在较早的部分（样本内）上进行优化，然后在不再触碰的较后部分（样本外）上评估所选设置。常见的分割比例是60%样本内、40%样本外，这也是我们在此采用的方式。原理上的判读很简单：如果设置在分割后仍保持大致相同的特征，结果就经得起检验；如果它崩溃了，那么之前的数字大体上只是在拟合。

两个辅助衡量指标有帮助。第一个是样本内赢家在样本外表格中的排名——真正的优势应该仍然接近顶部，而不是被埋没在中间。第二个是每一半数据中盈利设置所占的比例。如果一组设置中有四分之三在分割前有效，而分割后几乎没有一个有效，那么这组设置描述的是过去的某种市场状态，而不是持久的模式。交易成本同样重要，因为一条在扣除手续费之前只是勉强获胜的规则，一旦你为往返交易计入成本，它就不再获胜了。

测试方法

我们使用了币安USDⓈ-M永续合约ETHUSDT在1H时间框架上的K线，时间跨度为2020年9月至2026年10月，共53,933根K线，所有时间戳均为UTC。该规则刻意保持简单：当RSI(14)向下穿越X时，在收盘价买入，持有H根K线后卖出。我们在网格中测试了25种设置，X分别为20、25、30、35、40，H分别为6、12、24、48、96根K线，并对每次往返交易收取0.1%的成本。

每个事件的结果都是从信号K线的收盘价测量到H根K线之后的收盘价，因此持有24根K线恰好对应一天的小时K线。只有当RSI从阈值上方穿越向下时才计入一次穿越，这起到了自然冷却的作用：长时间处于阈值以下只会产生一次事件，而不是每根K线都产生一次。分割日期为2024-05-11，此前的所有数据视为样本内，自该日期起的所有数据视为样本外。

作为基准，我们通常会与任意K线之后的平均变动进行比较；而在这里更有用的参照是每一半数据中全部25种设置的中位数，因为问题不在于某条规则是否能战胜抛硬币式的随机结果，而在于所选规则是否能在其自身的同类设置中保持优势。这些数字是基于历史价格计算得出的，并非实际交易。除规则中说明的0.1%往返交易成本外，未计入任何额外的手续费或滑点，实际成交情况会有所不同。

结果

样本内（2024-05-11之前）与样本外（自2024-05-11起）对比，扣除0.1%往返交易成本后的平均每笔交易

	设置	样本内交易次数	样本内平均每笔交易	样本内胜率	样本外交易次数	样本外平均每笔交易	样本外胜率
样本内表现最佳的设置	RSI < 20，持有4天	48	+1.17%	50.0%	38	-0.32%	50.0%
样本外表现最佳的设置（事后回看）	RSI < 35，持有4天	209	+1.03%	56.5%	144	+0.15%	53.5%
所有设置的中位数	25个设置		+0.15%			-0.24%

基于历史价格计算；并非实际交易。未计入手续费及滑点。

样本内优化器选出的设置是RSI < 20，持有4天：这是网格中最深的阈值，也是持有时间最长的设置之一，在48次样本内事件中平均每笔交易+1.17%。如果你在2024年5月进行了这项研究，这就是你当时会记录下来的那一行。

分割之后，同一个设置在38次事件中平均每笔交易变为-0.32%，在样本外表格中排名第14位（共25个设置）——处于网格的中间位置，而非顶部。两个阶段的胜率均保持在50.0%，这是一个有用的细节：该规则并没有突然开始更频繁地亏损，只是赢家的收益规模不再足以覆盖输家的亏损和成本。

整个网格的数据更为直白。样本内，25个设置中有76.0%产生了正的平均每笔交易收益。样本外，这一比例仅为8.0%。中位数设置从+0.15%变为-0.24%。当一条规则的几乎每种变体在一个时期内都有效，而在下一个时期几乎没有一种有效时，诚实的结论是：起作用的是第一个时期，而不是这条规则本身。

表格的第三行是事后回看检验。样本外表现最佳的设置RSI < 35、持有4天，在样本内同样表现强劲，209笔交易平均+1.03%，但在样本外的144笔交易中平均仅为+0.15%，胜率从56.5%降至53.5%。即便是事后能找到的最佳答案，在计入往返交易成本后也显得单薄。

失效所在

这里没有一个可以指出的单一戏剧性日期，这正是其中的教训所在。失效并非某一笔灾难性的交易，而是一种缓慢、分散的侵蚀。所选设置在2024-05-11之后仍然赢得了一半的交易，却最终落入负值，这正是一种优势存在于波动幅度而非方向上的特征。

最深的阈值也是最脆弱的那个。RSI < 20在数年的小时数据中仅产生了48次样本内事件，因此少数几次异常强劲的反弹就足以将平均值推高到+1.17%，并把这一行推上网格的顶端。如此小的样本无法区分真实的不对称性与一次幸运的序列。阈值更宽松、拥有209次样本内交易的设置，在两个阶段之间的变化要小得多——虽然样本外表现依然较弱，但并未反转符号。事件数量越少，结果看起来越醒目，但也越不可靠。

如何在你的图表上解读

在上方图表中，蓝点标出了近期小时K线窗口内RSI(14)严格向下穿越20的位置，指标窗格位于K线下方。请注意这些标记有多么罕见。如果你正在围绕一个如此有选择性的触发条件构建规则，首先要检查的是该回测实际基于多少事件构建，而不是平均值看起来有多好。

如果你使用优化方法，建议在查看任何结果之前先保留一部分数据，并通过设置在未触碰的那一半数据中的排名来评判它，而不是通过其样本内平均值。像本例中这样，在分割之后跌至网格中间位置的设置，应被视为尚未得到确认。查看相邻设置同样有帮助：如果20表现出色而25却不然，那么这个曲面就是尖锐突兀的，所做的选择很可能只是噪声。最后，从一开始就计入成本。0.1%的往返成本虽小，但恰恰是在此区分中位数设置与持平表现的那条分界线。

Pullwave指标的处理方式

Pullwave是一款仅限邀请使用的TradingView指标，遵循基于价格和成交量的固定规则，不含任何主观判断。它在图表上标出做多和做空入场点、加仓、部分平仓和全部平仓，并可以在标记出现时发送提醒。其规则并未公开，它不会预测未来，也会出现亏损交易。

上方图表中的金色箭头是Pullwave在同一批K线上的标记，取自pullwave.net上的公开记录。将它们与本文测试技术的蓝点进行比较。像本文这样的单一条件触发规则本身是嘈杂的；一套完整的规则还必须回答何时加仓、何时部分获利了结以及何时离场等问题。任何订单均由用户自行下达；该指标仅绘制标记并发送提醒。

关键要点

• 在ETHUSDT 1H上，样本内表现最佳的设置（RSI < 20，持有4天）在2024-05-11之前平均+1.17%，之后为-0.32%，在样本外排名第14位（共25个）。
• 盈利设置的占比从样本内的76.0%降至样本外的8.0%，中位数设置从+0.15%变为-0.24%。
• 小样本会产生最醒目的结果：获胜的那一行依赖于48笔交易，而阈值更宽松、拥有209笔交易的设置则稳定得多。
• 如果你进行优化，建议提前预留未触碰的数据，并根据设置的样本外排名来评判，而不是根据其样本内平均值。
• 从第一次测试起就计入成本；0.1%的往返成本足以决定本文中好几行的结果。

---

图表中的金色箭头是TradingView用Pullwave指标生成的标记。了解Pullwave指标在pullwave.net上的工作方式。