你照着菜谱做同一道菜，厨房里端出来的味道却总和试做时不同。只看客人最后有没有吃完，很难发现问题；你得逐步核对食材、火候和调料。量化交易也一样：回测看起来正常，不代表实盘真的按同一套逻辑运行。
Alex Vidovich 与 Zivana Zerjal 在 2026 年 10 月提交的论文 Where Backtests and Live Trading Part Ways: Six Defects from One Intraday System 中，复盘了一个日内美股系统。作者把每个实盘交易日重新送进回测程序，逐环节比较两边的行为，找出六个缺陷：三个来自数据，两个来自代码，一个来自配置。更值得警惕的是，系统行为已经偏移，汇总绩效却没有报警。
这里先说清证据边界：案例、分类和检查清单都来自作者对单一系统的报告，尚无独立复现。论文也明确不主张该系统能够盈利。
别只问赚了多少
普通回测回答的是：如果过去运行这套策略，结果会怎样。论文采用的“回放式回测”（replay backtest）更像调取行车记录仪：把某个已经发生的实盘交易日重新播放给策略，检查它当时本应读到什么数据、发出什么信号、计算多大仓位，又会提交什么订单。
这个角度很重要。总收益、夏普比率——衡量收益相对波动的汇总指标——都只展示最终结果。几个方向相反的小偏差可能互相抵消，让总表看起来没问题。逐日回放则沿着输入、信号、仓位和订单向前核对，更容易找到两条路径从哪里开始分叉。
论文称，六个缺陷都出现在“本应一致、实际却已漂移”的两条路径之间。这是对该案例的概括，不是已经验证过的普遍机制；但它提供了一种实用的审计视角：不要等盈亏异常才查系统，而要直接验证回测与实盘是否在做同一件事。
三处数据差异，足以改写策略看到的市场
第一处问题是开盘成交量。美股开盘附近常有集中撮合形成的大额交易，不同数据源对这些成交的收录方式可能不同。作者发现，系统默认使用的行情源只包含真实开盘成交量的一小部分。论文材料没有披露具体比例。
这不只是数字少了一截。如果策略依靠成交量判断市场活跃程度，那么缺失开盘成交，就等于回测与实盘看见了两个不同的开盘。后续信号即使计算完全正确，也可能从错误的输入开始分道扬镳。
第二处是复权价格。复权价格会按照分红、拆股等公司行动回溯修改历史价格，方便计算连续收益；实盘订单面对的却是当时未经回溯改写的报价。作者发现，历史数据使用了股息复权价格，而实盘订单并不会看到这种价格。两种口径一旦混用，信号和仓位都可能改变。
第三处更直接：有些数据只有实盘系统会下载，回测系统根本没有下载。于是，看似运行同一策略的两套流程，从原料清单开始就不相同。
代码正确运行，也可能运行错了语境
两个代码问题分别落在仓位和时间上。
仓位是策略决定买卖多少资产的结果。论文称，某个仓位计算步骤给出的数值超过了实盘账户强制执行的限额。回测可以按计算结果继续模拟，真实账户却会受限。这样一来，策略信号或许相同，最终订单规模仍然不同。
另一个问题是时区：UTC 时间戳被当作纽约时间读取。UTC 是协调世界时，纽约时间则是交易所在地区使用的本地时间。把前者直接当成后者，相当于把钟表上的数字读对了，却认错了时区。对于依赖开盘、收盘或特定分钟窗口的日内策略，这会改变一条数据属于哪个交易时段。
这两个问题也说明，“代码没有报错”与“系统行为正确”不是一回事。程序可以顺利执行每一步，同时在错误的账户约束或时间含义下工作。
开关亮着，不等于订单端收到了
最后一个缺陷来自配置。作者发现，某些设置虽然已经开启，却没有传递到实际负责下单的代码。
这类问题很像控制面板显示空调已经调到某个温度，但指令没有送到压缩机。检查配置页面时，一切似乎正常；只有继续追踪到订单生成环节，才会发现设置从未真正生效。
因此，一致性审计不能停在“参数是否填写”或“开关是否打开”。它还要验证设置是否穿过整条调用路径，并确实改变最终订单。
真正有用的是把故障变成护栏
据论文摘要，作者针对每个缺陷都整理了症状、误差规模、原因，以及后来用于防止复发的测试或控制措施，并在结尾给出一份十点检查清单。遗憾的是，现有供稿没有列出各项误差数值、具体测试设计和清单全文，因此不能据此还原十条操作步骤。
不过，这个案例已经给出一条清楚的审计主线：分别核对数据来源与口径、时间解释、仓位计算与账户限额、配置传递，以及最终订单。重点不是证明策略赚钱，而是确认研究环境描述的策略，确实是实盘正在执行的那一个。
这也是它值得关注的地方。回测常被当作策略的考试成绩，但这篇论文讨论的是另一件事：考场上的考生，究竟是不是平时训练的那个人。若身份都没有核对，成绩再漂亮，也回答不了执行是否一致。
局限与未知
- 这是单一日内美股系统的作者自报案例，六类缺陷及“汇总指标未显示偏移”的观察不能直接外推到所有交易系统。
- 供稿未披露开盘成交量缺失的具体比例、各缺陷造成的误差数值，也未给出十点清单的内容，无法判断每项问题的相对严重程度。
- 论文明确不评价系统是否盈利。发现并修复回测—实盘偏差，只能说明执行一致性得到审计，不能充当策略有效性的证据。