很多人第一次做量化回测，看到收益曲线向上、回撤很小，就会觉得自己找到了好策略。但真正进入模拟盘或实盘后，结果往往和回测不一样。这个差异不是偶然，而是量化交易里必须提前理解的问题。

回测是在历史数据上检验规则。它的好处是可以快速看一个策略过去有没有逻辑，坏处是历史环境已经确定，很多风险在回测里不容易完整体现。比如你在回测中看到某天能按某个价格买入，但实盘中可能因为盘口变化、委托排队、价格跳动、涨跌停限制而无法成交。回测里的成交是模型撮合，实盘里的成交要看真实市场。

第二个差异是数据。回测通常使用已经整理好的历史K线，数据是完整的、静态的。但实盘面对的是不断变化的实时行情。盘中一根K线没有走完时，你看到的价格可能还会变化。如果策略没有处理好未完成K线，就可能提前发出信号，最后收盘条件又消失。

第三个差异是滑点和手续费。很多新手回测时忽略交易成本，或者把成交价格设得过于理想。实盘中买入卖出都有价差，频繁交易时成本会明显影响结果。尤其是小周期策略、可转债策略、追涨策略，对滑点更敏感。

第四个差异是心理。回测亏损只是图表波动，实盘亏损是真金白银。很多人明明写了策略，实盘一亏就手动干预；明明策略没到卖点，却提前卖出；明明该暂停，却继续加仓。策略还没失效，人先失控了。

所以，回测结果好只能说明这个规则在历史样本里表现不错，不能说明未来一定有效。更合理的流程是：先回测，排除明显不合理的策略；再模拟盘，观察实时信号和成交逻辑；再小资金实盘，检查执行和心理承受；最后才考虑扩大规模。

QMT这类工具之所以重要，是因为它能提供从回测到模拟再到实盘的完整链路。但工具只能帮你执行流程，不能替你消除市场不确定性。真正成熟的量化学习，不是看到漂亮回测就兴奋，而是知道回测和实盘之间还有一段很长的验证过程。