2022年是A股退市新政实施的第二年，有大量股票退市。截止5月底，2022年退市个股已超过去两年总和，财务类退市占五成，整理期首日跌幅超60%，常态化退市正渐行渐近。退市是股市健康发展的标志，打破了过去能上基本不下的定局。
退市股的出现也对量化策略的历史数据回测带来了新的问题。近期，在对模型进行回测时，本狐发现测试的指标结果很是奇怪，交易量和交易次数偏低。历史数据回测模拟固定持仓的场景：账户初始资金平分为n份（n=4）, 每份资金在模型发出买卖信号后进行交易，每次交易后，都对可用资金再均分，始终保持n份资金/股票大致相等。
在仔细检查历史回测数据的详细交易流水日志后，本狐终于发现了问题：因为退市股的存在，在退市后无后续行情数据，导致持仓股始终占据仓位，无法卖出。理论上有4个仓位可以进行股票交易，但是如下图所示，在今年的交易流水中，两只退市股000760和300362占据了持仓，且因在最后交易日后无后续数据，无法进行卖出，实际可用的交易仓位只剩2个！
退市股占据仓位导致历史数据回测异常
进一步地，模型参数调整依赖于测试集。按时间维度划分，90%数据为模型训练集，10%为测试集。测试集用于验证模型的泛化效果和真实的指标表现。正好，近期的数据属于测试集，但是由于上述退市股引发的问题，导致测试集得到的指标收益出现异常，影响了模型的参数调优。近期的模型表现出现了较明显的问题。
模型在近期数据表现异常
定位问题后，要解决就比较容易了。一种简单的策略是排除所有退市股，从数据集中移除，包括训练集和测试集。但是，这个策略有一定的问题：首先，退市股在退市整理期仍旧进行交易，可能出现大起大落的行情，这样的行情对模型的学习是有意义的，期望能让模型学会避免踩坑。另一方面，在退市公告前，股票属于正常股票，不能因为今年的退市，就完全排除个股过去几年的正常行情数据。经过权衡后，我们使用了相对保守的模拟方法。忽略退市股的特殊性，完全交由模型学习各类特征。同时，在退市股的最后一个交易日强制进行平仓，如果当前持仓有退市股，按退市日的收盘价强行进行平仓。由于强行平仓的存在，持仓退市股产生了亏损，将对模型的收益进行惩罚。
量化交易时一个严谨的数学过程，任何疏忽都可能引发模型策略的异常。由这次的问题引起了我们充分的警示。在变化的政策和市场中，我们需要始终保持谨慎，才能保障收益的稳定性。