A项，好的历史回测结果并不意味着模型在未来仍然产生稳定的盈利，尤其当投资者运用专业的程序化交易软件，对模型进行拟合、参数优化之后，往往能够得到对历史行情匹配效果非常好的参数配置。但是，这种经过高度优化的策略往往可能缺乏泛化能力，造成在实盘交易结果与回测结果偏差较大的情况。B项，回测结果优秀的策略并不能保证在实盘运行当中有同样的绩效表现，面对不确定的行情，程序化交易策略可能会出现连续亏损，甚至超过预定最大回撤的情况。C项，导致买盘结果和回测结果不一致的原因有很多，如交易费用、冲击成本、滑点、过拟合、泛化能力等。D项，参数优化可以帮投资者提升策略的绩效表现。参数优化中一个重要的原则就是要争取参数高原而不是参数孤岛。