Skip to content
读懂论文第 7 / 7 节

回测、结论,以及读论文时该问的问题 ​

做完这一节,你读完了整篇论文。你能评价它的回测,知道作者说的下一步是什么,并带走一份以后读同类论文都能用的提问清单。

4.3 回测:怎么设计的 ​

  • 市场和时间:A 股,一年(2025 年 5 月到 2026 年 4 月)
  • 信号:按预测的终点收益给品种排名
  • 组合:只做多,买排名靠前的 N 只
  • 参数怎么定:持仓数 N 和调仓频率在验证期上选好后冻结,不在测试期上调
  • 涨停买不进:会以涨停收盘的买单跳过
  • 成本:买入 12.5 个基点、卖出 22.5 个基点(佣金 2.5、印花税 10、每边滑点 10)

结果 ​

扣除成本后,测试期年化净收益:

粒度年化净收益夏普比率
5 分钟线+65.2%1.70
2 小时线+64.4%2.46

图 4 里 KiT 的净值曲线最终高于同一股票池的等权组合、高于单只股票买入持有的中位数,也跑赢沪深 300 和中证 500。

夏普比率是“每承担一单位波动,换来多少超额收益”。同样的年化收益,2 小时线的夏普更高,说明它的净值曲线更平稳。

回测该怎么看 ​

论文自己在结论里用的词是“理论回测”(theoretical backtests),用来说明预测“有经济意义”。读的时候,可以对照评估与回测那一课里开源回测脚本的规则,问几个问题:

  • 流动性和冲击成本:开源脚本明确不考虑一手 100 股和大单冲击。资金量大了,排名靠前的小票可能买不到那么多。
  • 成本假设:滑点每边 10 个基点在高频调仓(5 分钟线)下是否够?
  • 一年够不够长:这一年的市场环境是否特殊?
  • 股票池:选哪些品种进池子,本身会影响结果。

这些不是说回测有错,而是任何回测都有的边界。论文的主要证据是表 1、表 2 的 RankIC;回测是辅助说明。

第 5 节:结论和下一步 ​

作者总结了三点:流匹配的扩散 Transformer 建模 K 线路径、严格保持 K 线几何的五维表示、按信号性质设计的条件注入。

提出的两个方向:

  1. 更高维的输入:因为不需要离散分词器,KiT 可以直接接入更多维度的数据,论文举的例子是 Level-3 逐笔委托簿和 alpha 因子。
  2. 面向下游任务的微调:作为基础模型,针对具体任务微调是值得探索的方向。你在微调那节已经试过最简单的一种。

一份通用的提问清单 ​

读任何“预测类”论文,都可以问这几个问题。拿 KiT 练一遍:

查一查问题

点一个看看。

你读完了 ​

回头看第一节那张表:三个难点、三个回答,现在每一格你都能说出公式、代码位置和消融数字。

考考你KiT 论文里,证明“五维表示有用”最直接的证据是哪一张表?

检查一下 ​

  • 我能说出回测的设计和两组年化、夏普数字
  • 我能列出至少三个回测没覆盖的现实因素
  • 我用提问清单把 KiT 过了一遍

回到 课程首页,或者去 报错与常见问题。

搞懂AI关于我们怎么写隐私说明联系我们

独立的第三方教程,与文中提到的任何产品及其公司没有隶属或合作关系;产品名称和商标归各自所有者。价格和政策以官方页面为准。