使用模擬歷史數據進行回測？
能夠很好地進行回測的交易策略是那些從過去中挑選出贏家的策略。例如，如果一個交易策略只是簡單地買入蘋果股票，那麼它的回測會非常好。在這種特定情況下很容易發現偏差，但對於復雜的交易策略，可能存在這種類型的隱藏偏差。
我想知道是否可以通過以不同的方式進行回測來消除這種偏見。如果您使用歷史數據來建構市場或部分市場的統計模型會怎樣。這樣的模型可能包括無風險利率、歷史波動率和股票之間的相關性等。然後您可以執行蒙特卡羅模擬，在其中對多個統計生成的歷史數據進行回測。您可以使用它來開發有關該策略在更廣泛意義上如何運作的統計數據。
對這個想法有什麼想法嗎？
你檢查過 White 的“現實測試”（White H. A reality check for data snooping. // Econometrica. 2000. № 68. С. 1097–1126.）嗎？
無論如何，當您使用蒙地卡羅時，總會遇到“雙重假設”問題的變體，Fama 指出：第一個假設是您的市場模型是正確的，第二個假設是您測試的交易規則（針對您的市場模型）實際上增加了價值。只有當第一個問題的答案是嚴格的“是”時，對第二個問題的肯定回答才有意義。第一個問題可以證偽嗎？也許，不。
所以，在我看來，你的結果發表起來可能很有趣，但交易起來很危險。
對我來說，回測必然涉及對所討論證券的（已實現）歷史進行測試。維基百科似乎也支持這種解釋。http://en.wikipedia.org/wiki/Backtesting
相關證券的實際價格歷史是由某種定價“模型”或分配產生的。如果您針對證券的一組不同的假設價格進行測試，那麼它不是回測。您正在測試未來可能會或可能不會發生的價格實現。
因此，我對您的具體問題的回答是，純回測（相對於樣本內、樣本外）方法可能永遠無法完全防止數據窺探偏差。