回测框架概述：为什么我们需要它？
做市商策略写好了，怎么知道它能不能赚钱？
直接扔到实盘？那风险太大了。我见过太多人，策略回测没跑明白就上实盘，结果亏得底裤都不剩。
回测框架，说白了就是你的策略「时光机」。它用历史数据模拟交易，让你在真实资金入场前，先看清策略的底牌。
回测框架的核心作用
我个人习惯把回测框架的作用归纳为三点：
- 验证策略有效性——你的做市策略到底能不能赚钱？回测给你第一个答案。
- 发现潜在风险——比如极端行情下的滑点、流动性枯竭，回测能帮你提前暴露问题。
- 优化参数配置——报价宽度、库存阈值、对冲频率，这些参数怎么调？回测告诉你答案。
核心观点：回测不是为了证明策略完美，而是为了在实盘前尽可能多地「排雷」。
我在项目中遇到过一件事：一个看起来年化收益80%的做市策略，回测时一切正常。但当我加入「订单簿快照延迟」这个现实因素后，收益直接腰斩。嗯，这就是回测的价值——它让你看到策略在真实世界里的样子。
回测框架的核心组件
一个完整的回测框架，至少包含以下五个组件。你想想看，少了哪一个，回测结果都可能失真。
1. 数据模块
这是回测的「燃料」。没有数据，一切都是空谈。
- 行情数据：Tick级、秒级、分钟级，取决于你的策略频率
- 订单簿数据：做市商必须要有完整的L2/L3订单簿快照
- 交易数据：成交记录、挂单撤销记录
避坑指南：我曾经用分钟级K线回测一个高频做市策略，结果回测收益高得离谱。后来才发现，分钟级数据掩盖了订单簿的微观波动。做市商回测，至少要用Tick级数据。
2. 策略引擎
这是回测的「大脑」。它负责执行你的做市逻辑。
- 报价生成逻辑（双边报价、动态价差）
- 订单管理（挂单、撤单、重报）
- 库存管理（目标库存、再平衡策略）
3. 模拟撮合引擎
这是回测的「心脏」。它模拟订单簿的撮合过程。
说白了，就是回答一个问题：你的报价单子，在什么价格、什么时间能成交？
# 一个简化的撮合逻辑示例
def match_order(order, orderbook):
if order.side == 'buy':
# 检查是否有卖单价格低于等于买单价格
if orderbook.asks[0].price <= order.price:
return True # 成交
else:
if orderbook.bids[0].price >= order.price:
return True # 成交
return False # 未成交4. 风控模块
做市商最怕什么？黑天鹅事件。风控模块就是你的「安全带」。
- 最大持仓限制
- 最大亏损限制
- 报价偏离度检查
- 异常行情熔断
警告：很多新手做回测时不加风控模块，觉得「策略本身就能控制风险」。我见过一个案例，策略在正常行情下表现完美，但遇到一次闪崩，库存直接爆仓。回测时加上风控，你会发现很多策略其实不堪一击。
5. 绩效评估模块
回测跑完了，怎么评价策略好坏？这就是绩效评估模块的工作。
回测框架的评估指标
做市商的评估指标，和普通趋势策略不太一样。我列几个核心的：
| 指标 | 计算公式 | 说明 |
|---|---|---|
| 年化收益率 | (期末净值/期初净值)^(1/年数) - 1 | 衡量整体盈利能力 |
| 夏普比率 | (策略收益率 - 无风险利率) / 收益率标准差 | 衡量风险调整后收益 |
| 最大回撤 | max(峰值 - 谷值) / 峰值 | 衡量策略的最大亏损幅度 |
| 胜率 | 盈利交易次数 / 总交易次数 | 做市商通常胜率高但单笔盈利小 |
| 库存周转率 | 总交易量 / 平均库存 | 衡量做市商的做市效率 |
| 买卖价差收益 | ∑(卖价 - 买价) × 成交量 | 做市商的核心收入来源 |
重点：做市商策略，我建议重点关注「最大回撤」和「库存周转率」。为什么？因为做市商赚的是薄利，一旦回撤过大，可能一次亏损吃掉几个月的利润。而库存周转率低，说明你的报价可能不够有竞争力。
回测框架的整体逻辑
说了这么多，我们用一个流程图来总结回测框架的核心逻辑：
这个流程，说白了就是：数据进去 → 策略决策 → 模拟成交 → 风控检查 → 绩效打分。然后根据打分结果，回头调整策略参数，再来一轮。
我的经验：刚开始做回测时，我总想一步到位，把所有组件都做得特别复杂。后来发现，先跑通一个最简单的版本，再逐步加细节，效率反而更高。比如先不加滑点、不考虑手续费，看看策略逻辑本身是否成立。
回测框架不是万能的。它不能预测未来，也不能保证实盘一定赚钱。但它能帮你回答一个关键问题：「如果历史重演，我的策略会怎样？」
嗯，这就是回测框架存在的意义。