蒙特卡洛回测：从历史拟合转向未来稳健 核心观点 将蒙特卡洛回测纳入量化策略的研发流程，是从追求"历史拟合优度"转向追求"未 来稳健性"的思想转变。该方法能帮助投资人超越对单一历史路径的过度优化，转而 在一个由概率构成的可能性空间中检验策略的有效性和稳健性。 ❑ 避免单一历史路径过度拟合 传统回测仅基于已发生的市场路径，容易导致策略过度适应该特定路径，而在样 本外表现大幅衰减。蒙特卡洛回测通过生成大量随机路径，将评估场景从单一历 史扩展至多种可能未来，从而更全面地检验策略的稳健性。 ❑ MC 回测方法各有适用边界 本文介绍了三类主要的价格模拟方法。非参数蒙特卡洛模拟：包括收益率联合重 排与分块 Bootstrap，非参方法依赖历史数据本身，保持截面相关性但可能破坏时 间序列结构。残差 Bootstrap：基于因子模型分离系统性风险与特质性风险，适 用于分析 Alpha，但依赖模型解释力。几何布朗运动模拟：假设收益率服从正态 分布，能精确复现波动率与相关性，但无法捕捉尾部风险与跳跃。不同方法各有 优劣，需根据策略目标和资产特性进行选择。 ❑ A 股风格轮动 MC 回测实证 对 A 股的大盘、中小盘、红利、成长风格 ...