一个策略声称"跑赢了 BTC",这个结论本身可能成立,但比较方法是否公平,取决于几个容易被省略的条件。最常见的失真来源有三个:没有扣除策略的交易成本、用策略的"精挑细选后表现"对比 BTC 的"无脑持有"、以及样本期恰好落在某个策略有利的行情里。如果一份比较没有交代这三点,它更像是在描述某段历史,而不是在证明策略有持续优势。
成本口径:策略交易越频繁,不公平越明显
BTC 买入持有(Buy & Hold)的交易成本极低:买一次,可能几年不卖,滑点和手续费只发生一两次。而大多数主动策略会反复进出场,每一笔交易都产生手续费、滑点,合约策略还可能涉及资金费率。CoinPaprika 的一项回测实验给出了一个可复算的例子:一个策略在扣除成本前的优势是 +0.23 个百分点,加上 1% 的往返成本后,优势变成 -0.77 个百分点,方向直接翻转。该实验同时指出,将执行时间推迟一根 K 线(从"理想成交"改为"下一根开盘成交")就消耗了 0.295 个百分点,接近策略优势的三分之一。
一份公平的比较需要把策略的每一笔交易成本都计入净收益,再用同一个净收益口径去对比 BTC 的持有收益。如果 BTC 一侧只算价格涨幅,策略一侧却用"毛收益"或"扣除部分成本后的收益",比较的就不是同一个东西。学术回测中常见的静态成本假设(比如固定 0.1% 滑点加 0.1% 手续费)在震荡剧烈或流动性不足的时段会低估真实成本,但这已经是相对诚实的做法;更常见的问题是策略介绍里根本不提成本。
基准的选择:跑赢"什么 BTC"才算数
"跑赢 BTC"需要明确是哪个时间段的 BTC。如果策略的回测期恰好覆盖 2017–2021 这样的加密牛市,那么 BTC 本身的 30 天无条件收益是 17.92%;而 2022–2026 同期只有 2.40%,相差约 7.5 倍。一个在 2017–2021 数据上"跑赢 BTC"的策略,可能只是在那段行情里参与了上涨,换到 2022 年之后就不一定。CoinPaprika 对 88 组 RSI 参数配置的测试显示,其中 78 组在调参期内是盈利的,但只有 2 组在扣除了基准收益(即"什么都不做也能赚到的部分")之后仍然有正优势。这说明"盈利"和"跑赢基准"之间有很大的差距。
公平的做法是:策略和 BTC 使用完全相同的起止日期,并且报告策略相对于 BTC 同期收益的超额部分,而不是只报策略的绝对收益。如果策略的回测期跨越了多个牛熊阶段,还应该分段展示每个阶段的结果,而不是只给一个全周期的合计数字。
样本外验证:没有被"看过的"数据才算证据
策略的参数是在历史数据上调出来的。调参过程本身就会让策略"适应"那段历史,包括其中的噪音。一份策略声称跑赢 BTC,如果它只在调参所用的同一段数据上展示结果,这个结果的说服力有限。CoinPaprika 的总结很直接:经过仔细测试,大多数结果是负面的,常见的失败模式不是"优势衰减了",而是"优势从来就不存在,只是被上涨的市场掩盖了"。
更严格的检验是样本外测试:在策略开发过程中从未接触过的数据上运行同一套规则,看它是否仍然有超额收益。一份策略如果只展示了样本内结果,或者样本外测试的窗口很短(比如几个月),就不足以支撑"跑赢 BTC"的结论。短窗口的样本外结果可能只是运气,尤其是在加密市场波动剧烈的背景下。
幸存者偏差:只比"活下来的"是不完整的
如果策略涉及多个币种或多种参数配置,比较时只展示表现好的那些,就存在幸存者偏差。CoinPaprika 的数据显示,在其追踪的 61,463 个币种中,78.6% 已经不再活跃。一个策略如果只在一个包含"至今仍然存活"的币种池子里回测,它的表现会被高估,因为那些归零的币种没有被纳入交易成本、滑点和失败交易的模拟。BTC 作为基准不存在这个问题,它一直存在且流动性充足;策略一侧如果涉及小币种,就需要说明币种池的选取是否排除了已退市或归零的标的。
一个可以自己核对的清单
拿到一份"策略跑赢 BTC"的比较时,按顺序查这几项:策略的净收益是否扣除了每笔交易的手续费和滑点;BTC 和策略是否用了完全相同的起止日期;策略参数是否在展示结果的数据上调过;如果有样本外测试,窗口有多长;策略涉及的币种池是否包含已经消失的标的。五项中有任何一项没有交代,结论的可靠性就打折扣。如果策略的优势在计入成本后只剩不到一个百分点,或者只存在于某一段特定行情里,那么"跑赢 BTC"更合理的解读是:这个策略在那段历史里恰好做对了方向,但它是否值得用真钱执行,需要另一套证据。
参考资料
- CoinPaprika·How to Backtest a Crypto Strategy: Data, Pitfalls & Overfitting,2026-10-29
- Zenodo·BOS Alpha Estructural Whitepaper,2026-10-29
- Gate·为什么有些交易策略在回测中赚钱,实盘却连交易成本都覆盖不了?,2026-10-29
- ScienceDirect·AutoQuant: An auditable expert-system framework for execution-constrained auto-tuning in cryptocurrency perpetual futures,2026-10-29



