前面几章，我们已经讲了足球量化中的核心基础：
概率；
大数定律；
样本；
赔率；
隐含概率；
期望值；
EV；
方差；
回归均值。
这些概念解决了很多问题。
概率告诉我们，足球比赛不是确定事件。
大数定律告诉我们，单场结果不能证明方法好坏。
样本告诉我们，判断必须有数据基础。
赔率和隐含概率告诉我们，市场价格背后有概率含义。
期望值和 EV 告诉我们，看对方向不等于长期有价值。
方差告诉我们，短期结果会波动。
回归均值告诉我们，短期异常表现不一定能持续。
但现在还有一个最关键的问题：
我们怎么知道一种判断方法到底有没有长期效果？
比如有人说：
强队低赔率容易被高估。
世界杯小组赛首轮容易谨慎。
最近连续大胜的球队容易回落。
低比分环境里平局风险更高。
进球效率异常高的球队后面可能降温。
市场热度过高时，热门方向要更谨慎。
这些说法听起来都有道理。
但问题是：
它们到底有没有被验证过？
如果只是凭感觉说，哪怕听起来很专业，也仍然只是观点。
足球量化不能只停留在观点层面。
它必须进入验证层面。
这就是本章要讲的核心概念：
回测。
一、回测到底是什么？
回测，简单说就是：
用过去已经发生的比赛，去检验一种判断规则是否有效。
注意，这里有三个关键词：
过去。
规则。
检验。
不是随便翻几场比赛。
不是赛后找几个成功案例。
不是挑几场符合自己观点的比赛。
不是看到某个例子就说“你看，我说得对”。
真正的回测，必须先有一个明确规则。
然后把历史里符合这个规则的比赛全部筛出来。
最后看这些比赛的长期结果如何。
举个简单例子。
你提出一个规则：
当一支球队最近 5 场进球效率明显高于长期均值，但射门和射正没有同步提升时，下一阶段进球数可能回落。
这只是一个假设。
它听起来合理，但不能直接当成结论。
你需要回测：
过去有多少球队符合这个条件？
符合条件后，接下来几场进球是否真的下降？
下降幅度是否明显？
不同联赛是否一致？
是否只是少数极端案例造成的？
这个规则在最近几年是否仍然有效？
这个验证过程，就是回测。
所以，回测不是为了证明自己对。
回测是为了检查：
一个想法是否经得起历史样本检验。
二、为什么没有回测的判断不能轻易相信？
足球分析里，有很多听起来很有道理的话。
比如：
强队连续赢球后容易松懈。
弱队保级压力大，战意更强。
杯赛容易出冷门。
大胜之后容易回落。
小组赛首轮容易谨慎。
热门球队被关注多，风险更大。
这些话有些可能是真的，有些可能只是经验印象。
不回测，你很难区分。
人的大脑很容易记住印象深刻的比赛。
比如某支强队爆冷输球，你会记很久。
某场比赛补时绝平，你会记很久。
某队大胜后下一场低迷，你也会记很久。
但你可能忘记了更多没有发生类似情况的比赛。
这就是记忆偏差。
回测的价值，就是把“我印象中好像是这样”，变成“历史样本里到底是不是这样”。
举例。
你觉得：
大胜之后容易回落。
这句话不能只靠几场案例证明。
要系统筛选：
过去所有大胜比赛；
定义什么叫大胜，比如净胜 3 球以上；
看这些球队下一场进球、胜率、总进球是否下降；
和非大胜球队进行比较；
看下降是否显著；
看不同联赛是否一致。
只有这样，才能知道这个说法有没有真实支持。
没有回测，很多判断只是讲故事。
有了回测，才开始接近量化。
三、回测不是赛后找理由
很多人以为自己在复盘，其实只是在赛后找理由。
比如某场比赛强队没赢。
赛后他说：
我早就觉得这场强队有风险，因为它赛程密集，而且弱队防守不错。
听起来有道理。
但如果赛前没有明确记录，这就可能只是赛后解释。
真正的回测要求：
规则必须在赛前定义，不能赛后临时拼接。
比如你要研究“赛程密集的强队是否容易受阻”。
那就要提前定义清楚：
什么叫强队？
什么叫赛程密集？
什么叫受阻？
看胜平负，还是看让球结果？
统计多少场？
是否区分主客场？
是否排除杯赛轮换？
时间范围是什么？
如果这些都不定义，只是在赛后看到结果再解释，那就不是回测。
那只是故事。
足球量化最怕的就是：
先看到结果，再倒推理由。
因为只要赛后找理由，几乎每场比赛都能解释得通。
强队赢了，可以说实力兑现。
强队平了，可以说对手死守。
强队输了，可以说战意不足。
大比分，可以说防线松散。
小比分，可以说双方谨慎。
赛后解释永远容易。
真正难的是赛前定义规则，然后用历史样本检验。
四、一个最简单的回测例子
我们用一个非常简单的例子理解回测。
假设你提出一个规则：
主胜赔率在 1.30 到 1.50 之间的强队，虽然看起来优势大，但长期未必有足够价值。
这个规则怎么回测？
第一步，确定样本范围。
比如：
过去 3 年的某些主流联赛；
只看联赛，不看杯赛；
只看主胜赔率 1.30 到 1.50 的比赛。
第二步，筛选比赛。
假设筛选出 1000 场。
第三步，统计结果。
比如：
主胜打出：710 场
平局：190 场
客胜：100 场
主胜实际发生率是：
710 ÷ 1000 = 71%
第四步，比较隐含概率。
赔率 1.30 到 1.50，大致对应隐含概率：
1 ÷ 1.50 ≈ 66.7%
1 ÷ 1.30 ≈ 76.9%
也就是说，这个区间大致要求主胜长期达到 66.7% 到 76.9% 左右。
如果实际发生率 71%，它大致处在这个区间中间。
第五步，看收益或 ROI。
如果这个区间平均赔率是 1.40，那么主胜 710 场的净收益大致是：
赢：710 × 0.40 = 284
输：290 × 1 = 290
总结果：284 - 290 = -6
ROI 大约接近负值。
这说明：
这个赔率区间的主胜虽然经常发生，但长期未必有明显价值。
这就是一个简单回测。
它不是看某一场低赔率强队是否赢，而是看大量类似比赛的长期结果。
五、回测必须先定义规则
回测最重要的一点是：
规则要明确。
如果规则不明确，回测就没有意义。
比如你说：
“强队状态好时比较稳。”
这句话不能直接回测。
因为太模糊。
什么叫强队？
什么叫状态好？
什么叫稳？
要把它变成可以回测的规则。
比如改成：
过去 10 场积分排名高于对手；
最近 5 场至少赢 4 场；
主场作战；
主胜赔率低于 1.60；
最终主胜视为命中。
这样才可以筛选样本。
再比如你说：
“进球效率过高的球队后面容易回落。”
也要定义清楚：
什么叫进球效率过高？
用进球 / 射正，还是进球 / 射门？
和最近 20 场均值比较，还是赛季均值比较？
回落看下一场，还是接下来 3 场？
回落多少算回落？
没有明确规则，就无法回测。
所以，回测的第一步不是找数据。
而是把想法变成规则。
六、一个好规则应该满足什么条件？
一个适合回测的规则，至少要满足五个条件。
1. 清楚
别人看了能明白。
比如：
“主胜赔率 1.30 到 1.50。”
这很清楚。
“看起来很稳的强队。”
这就不清楚。
2. 可筛选
规则必须能从历史数据里筛出来。
比如：
赔率区间；
主客场；
总进球；
胜平负结果；
最近几场进球；
联赛类型；
比赛日期。
这些都容易筛选。
但“球队心态放松”就很难直接筛选。
3. 可重复
同一个规则，换一个人执行，应该能筛出相近样本。
如果不同人理解完全不同，规则就不适合回测。
4. 不依赖赛后信息
规则只能使用赛前能知道的信息。
如果你用赛后数据来判断赛前规则，那就是作弊。
这叫“未来信息”。
比如你不能用最终比分来决定赛前是否属于某类比赛。
5. 样本不能太少
如果规则太苛刻，只筛出 8 场比赛，结论就很不稳定。
样本太少，容易被个别比赛影响。
所以规则既要清楚，也要有足够样本。
七、回测最怕“未来函数”
在量化里，有一个非常危险的问题：
使用未来信息。
也就是你在回测时，使用了当时赛前并不知道的信息。
这会让结果看起来非常好，但实际上没有意义。
举个例子。
你想回测“临场首发变化对结果的影响”。
如果你使用的是比赛开始后才确认的信息，而且历史里这个信息不一定赛前可获得，那就可能有问题。
再比如你想回测“球队状态是否提升”。
如果你用赛季结束后的最终排名，去判断赛季中某一场比赛前的球队实力，这也可能引入未来信息。
因为那场比赛发生时，最终排名还不知道。
正确做法应该是：
只使用那场比赛开始前已经可获得的信息。
足球量化必须非常注意这一点。
否则回测结果会虚高。
看起来很漂亮，但实际应用时会失效。
八、回测不能只看命中率
很多人做回测，只看一个指标：
命中率。
比如：
这个规则过去 100 场命中 62 场，命中率 62%。
这当然有参考价值。
但不够。
因为命中率必须结合赔率和收益看。
假设一个规则命中率 70%。
听起来很好。
但如果平均赔率只有 1.30，那么它可能仍然没有长期价值。
前面讲 EV 时已经算过：
赔率 1.30，命中率 70%。
EV = 70% × 0.30 - 30% × 1 = -0.09
所以命中率高不一定好。
回测至少要看：
命中率；
平均赔率；
ROI；
最大回撤；
样本量；
连续不理想区间；
不同时间段表现；
不同联赛表现；
结果是否被少数极端场次拉动。
只看命中率，很容易误判。
九、ROI 是回测里必须看的指标
ROI 是回报率。
简单公式是：
ROI = 净结果 ÷ 总投入
比如一个规则回测 100 场，每场按 1 个单位计算。
总投入是：
100
最终净结果是：
+8
那么 ROI 是：
8 ÷ 100 = 8%
ROI 的价值在于：
它把命中率和赔率结合起来了。
比如两个规则：
规则 A：命中率 70%，平均赔率 1.30。
规则 B：命中率 45%，平均赔率 2.50。
只看命中率，A 更好。
但看 ROI，可能 B 更好。
所以，回测不能只看对了多少场。
还要看：
长期平均结果如何。
这就是 ROI 的意义。
十、最大回撤也必须看
很多回测结果看起来不错，但过程可能很痛苦。
比如一个规则最终 ROI 是正的。
但中间经历过很深的下滑。
这时候只看最终结果是不够的。
你还要看：
最大回撤。
最大回撤后面会单独讲。
这里先简单理解：
最大回撤就是从阶段高点到阶段低点的最大下滑幅度。
比如一个规则开始表现很好，从 0 增长到 +20。
后来连续不理想，降到 +5。
这段最大回撤就是：
20 - 5 = 15
为什么最大回撤重要？
因为它告诉你：
这个规则在最难受的时候会有多难受。
有些规则长期结果不错，但回撤很大。
如果你不能承受这种波动，就很难坚持到长期优势显现。
所以，回测不能只看最终 ROI。
还要看过程风险。
十一、回测要分时间段看
一个规则在全部样本上表现不错，不代表它每个阶段都稳定。
比如你回测 5 年数据。
总结果很好。
但拆开看：
第一年很好；
第二年很好；
第三年一般；
第四年很差；
第五年很差。
这说明什么？
可能说明规则已经失效。
也可能说明市场变化了。
也可能说明早期样本拉高了整体结果。
所以，回测一定要分时间段看。
比如：
按年份看；
按赛季看；
按世界杯前后看；
按联赛阶段看；
按新旧规则看；
按近期和早期分开看。
如果一个规则只在很久以前有效，最近已经不行，那就不能直接用于现在。
足球环境会变化。
联赛节奏会变。
赔率市场会变。
球队战术会变。
数据质量会变。
赛制也可能变。
所以，回测必须关注时间稳定性。
十二、回测要分联赛看
不同联赛风格不同。
一个规则在某些联赛有效，不代表在所有联赛都有效。
比如：
某类低比分规则在节奏慢、防守强的联赛可能表现好。
但在节奏快、攻防转换多的联赛可能表现差。
某类强队优势规则在强弱分化明显的联赛可能有效。
但在整体实力接近的联赛可能效果一般。
所以，回测要分联赛观察。
不能只看总结果。
总结果可能掩盖差异。
比如一个规则整体 ROI 是 +5%。
拆开看：
A 联赛 +15%；
B 联赛 +8%；
C 联赛 -10%；
D 联赛 -6%。
如果你不分联赛，就会误以为规则整体可用。
但实际上，它可能只适合部分联赛。
这就是分组回测的重要性。
十三、回测要看样本量，不能被小样本骗了
样本量太少，回测结果很容易失真。
比如一个规则筛出 12 场比赛。
其中命中 9 场。
命中率 75%。
看起来很强。
但 12 场太少。
可能只是短期波动。
再比如另一个规则筛出 800 场比赛。
命中率 56%。
看起来没那么惊艳。
但它可能更可靠。
样本量越小，结果越容易被偶然事件影响。
回测时一定要问：
样本有多少？
是否足够支持结论？
是否被一两场极端结果拉动？
是否有足够时间跨度？
是否有足够不同场景？
没有样本量，任何回测数字都不完整。
十四、回测不能只看成功案例
这是最常见的错误之一。
比如你想证明：
“低赔率热门有风险。”
于是你找了 10 场低赔率热门没打出的比赛。
然后说：
你看，低赔率不可靠。
这不是回测。
这只是挑案例。
真正的回测必须包括：
符合条件后成功的比赛；
符合条件后失败的比赛。
比如你要研究主胜赔率 1.30 到 1.50。
那就要把这个区间所有比赛都筛出来。
不能只看没打出的。
如果 1000 场里有 710 场主胜，290 场没主胜，那才是完整样本。
完整样本才能计算真实比例。
只挑失败案例，结论必然偏。
只挑成功案例，也一样偏。
十五、回测不能过度优化规则
有些人回测时会不断调整规则，直到历史结果很好看。
比如一开始规则表现一般。
于是他不断加条件：
只看主场；
只看某几个联赛；
只看某个赔率区间；
排除某些月份；
排除某些球队；
只看某类排名差；
只看某类进球结构。
最后历史结果变得非常漂亮。
但问题是：
这个规则可能只是“贴合历史噪音”。
它不一定能适用于未来。
这叫过度拟合。
虽然我们这套教程不专门讲模型，但回测里的过度优化也要警惕。
一个规则如果条件太多、样本太少、历史结果过于完美，反而要小心。
真实有效的规则，通常应该具备一定简单性和可解释性。
不是越复杂越好。
十六、一个完整回测流程
现在我们把回测流程完整整理一下。
假设你想验证一个规则：
当一支球队最近 5 场进球明显高于长期均值，但射门和射正没有同步提升时，后续进球可能回落。
第一步：定义规则
比如：
最近 5 场场均进球，比最近 30 场场均进球高出 50% 以上；
最近 5 场射门数没有比最近 30 场提升超过 10%；
最近 5 场射正数没有比最近 30 场提升超过 10%。
这就把“进球效率异常高”变成了可筛选规则。
第二步：定义验证目标
要验证什么？
比如：
接下来 3 场场均进球是否下降；
下降幅度是多少；
是否低于最近 5 场；
是否接近最近 30 场均值。
第三步：筛选历史样本
从历史比赛中筛出所有符合条件的球队和时间点。
注意只能用当时之前的数据。
不能用未来比赛来定义过去状态。
第四步：统计结果
统计这些样本后续 3 场表现。
比如：
样本数：300 个；
其中 210 个后续进球下降；
平均下降幅度 35%；
不同联赛表现不同。
第五步：分组分析
按联赛分；
按主客场分；
按强队弱队分；
按赔率区间分；
按时间段分。
看规则是否稳定。
第六步：评估是否有用
如果结果稳定，说明这个规则可能有参考价值。
如果结果不稳定，说明这个想法可能只是局部有效。
如果样本太少，暂时不能下结论。
如果近期失效，要重新审视原因。
这就是一个完整回测思路。
十七、回测和复盘有什么区别？
这两个词很接近，但不完全一样。
复盘
复盘通常是针对已经发生的比赛或一段时间的判断。
它问的是：
这场为什么这样？
哪里判断对了？
哪里判断错了？
哪些因素漏掉了？
下次如何改进？
复盘偏单场或阶段总结。
回测
回测更系统。
它问的是：
一个规则在历史大量样本中表现如何？
命中率是多少？
ROI 如何？
回撤多大？
不同联赛是否稳定？
不同时间段是否有效？
回测偏规则验证。
简单说：
复盘帮助你理解具体错误。
回测帮助你验证一套规则。
两者都重要。
只有复盘，没有回测，容易停留在故事层面。
只有回测，没有复盘，容易忽略比赛具体结构。
十八、回测结果好，是否代表未来一定好？
不代表。
这是必须强调的。
回测只是说明：
这个规则在过去样本里表现如何。
但未来环境可能变化。
球队打法会变。
市场定价会变。
联赛节奏会变。
数据质量会变。
用户行为会变。
赛制和规则也可能变。
所以，回测结果好，不等于未来一定好。
但没有回测更不可靠。
更准确地说：
回测不是保证未来，而是过滤掉大量未经验证的想法。
一个规则如果历史回测都不行，就很难让人相信未来会突然有效。
一个规则如果历史回测不错，也仍然需要持续监控。
这就是量化思维的严谨性。
十九、普通读者如何理解回测？
普通读者不一定要自己写程序。
但必须具备回测意识。
看到一个判断时，可以问几个问题：
这个判断有多少历史样本支持？
规则是否提前定义？
有没有只挑成功案例？
命中率是多少？
平均赔率是多少？
ROI 如何？
最大回撤多大？
不同时间段是否稳定？
不同联赛是否差异很大？
最近是否仍然有效？
如果这些问题都回答不了，就要谨慎。
不是说这个判断一定错。
而是说：
它还没有被充分验证。
在足球量化里，未经验证的判断，只能叫观点。
经过样本检验的判断，才开始接近方法。
二十、这一章的核心公式
回测里常用的公式不复杂。
1. 命中率
命中率 = 命中场次 ÷ 总场次
例如：
100 场命中 58 场
命中率 = 58 ÷ 100 = 58%
2. ROI
ROI = 净结果 ÷ 总投入
例如：
总投入 100
净结果 +8
ROI = 8 ÷ 100 = 8%
3. 平均赔率
平均赔率 = 所有赔率之和 ÷ 样本数量
平均赔率能帮助理解命中率背后的回报结构。
4. 样本量
这个不是公式，但必须记录：
样本量 = 符合规则的历史比赛数量
没有样本量，命中率和 ROI 都容易误导。
二十一、这一章你需要掌握什么？
读完这一章，你应该掌握以下几点：
第一，回测是用历史样本验证判断规则。
第二，没有回测的判断，很多只是经验或感觉。
第三，回测必须先定义规则，不能赛后找理由。
第四，规则必须清楚、可筛选、可重复。
第五，回测不能使用未来信息。
第六，回测不能只看命中率，还要看平均赔率、ROI、最大回撤和样本量。
第七，回测要分时间段、分联赛、分类型观察。
第八，小样本回测很容易骗人。
第九，回测结果好不代表未来一定好，但没有回测更不可靠。
第十，足球量化的核心，不是讲故事，而是验证规则。
结语：回测让足球分析从观点变成方法
足球分析里，观点很多。
有人说强队稳。
有人说热门危险。
有人说世界杯小组赛谨慎。
有人说连续大胜后容易回落。
有人说低比分环境更容易出平局。
有人说市场热度过高时要谨慎。
这些观点听起来都可能有道理。
但足球量化不能只听起来有道理。
它必须问：
历史样本支持吗？
规则定义清楚吗？
样本够不够大？
结果是否稳定？
是否只在某些联赛有效？
近期是否还有效？
ROI 和回撤如何？
有没有使用未来信息？
有没有只挑成功案例？
这就是回测的价值。
回测不是为了制造确定感。
它是为了让我们少一点主观臆断，多一点证据；少一点赛后解释，多一点规则验证。
真正的足球量化，不是把比赛讲得很玄，而是把判断变得可检查、可复盘、可改进。
如果一个判断没有回测，它最多只是观点。
如果一个判断经过长期样本验证，它才可能成为方法。
本文仅供足球数据研究和理性观赛参考，不构成任何投注建议。
你可以继续查看稳狗足球足球量化平台，了解概率、EV、回测、最大回撤等量化指标在实际数据分析中的应用。