3、仿真环境回测：回测参数设置、绩效指标计算（夏普、最大回撤、胜率）、回测结果分析

做高频做市策略，最怕什么？

怕实盘一跑就亏钱。

所以回测这个环节，我把它看作是策略的「安全气囊」。你在仿真环境里把参数调得再花哨，回测这关过不去，我建议你千万别上实盘。今天我们就聊聊回测参数怎么设、绩效指标怎么算、结果怎么分析。

3.1 回测参数设置：别让细节坑了你

回测参数设置，说白了就是模拟一个尽可能真实的交易环境。我见过太多人在这上面翻车了。

具体来说，以下几个参数你必须认真对待：

• 回测时间区间：至少覆盖一个完整的市场周期。我个人习惯选3-6个月的数据，包含震荡、趋势、高波动和低波动时段。
• 交易成本：包括手续费、滑点、冲击成本。高频做市对成本极其敏感，我一般按双边万分之一到万分之三来设。
• 订单簿深度：仿真环境里要模拟真实的订单簿。别只盯着最优买卖价，深度不够的话，你的策略可能根本吃不到量。
• 延迟模拟：实盘有网络延迟，回测里也得加。我通常设1-5毫秒的随机延迟，不然回测结果会虚高。

你想想看，如果这些参数没设对，回测出来的夏普比率再高，也是空中楼阁。

3.2 绩效指标计算：夏普、最大回撤、胜率

指标这东西，不是越多越好。我一般只看三个核心指标：夏普比率、最大回撤、胜率。它们能帮你快速判断策略的「健康度」。

3.2.1 夏普比率

夏普比率衡量的是「每承担一单位风险，能换来多少超额收益」。公式很简单：

夏普比率 = (策略年化收益率 - 无风险利率) / 策略年化波动率

但这里有个坑：高频做市的收益率分布通常不是正态的。我建议你用调整后的夏普比率，考虑偏度和峰度。不然算出来的值会偏乐观。

3.2.2 最大回撤

最大回撤，就是策略从最高点跌到最低点的幅度。这个指标我特别看重，因为它直接关系到你的心理承受能力。

举个例子：

策略	年化收益	最大回撤	评价
策略A	30%	5%	稳健
策略B	50%	25%	高风险

我在项目中遇到过策略B，收益确实高，但回撤一大，实盘根本拿不住。所以我的原则是：最大回撤不超过策略年化收益的1/3。

3.2.3 胜率

胜率就是盈利交易占总交易的比例。高频做市的胜率通常不高，因为很多交易是微亏的，靠大赚来覆盖。

但胜率太低也不行。我一般要求胜率在40%-60%之间。低于40%，说明策略的预测能力太弱；高于60%，反而要警惕是不是过度拟合了。

3.3 回测结果分析：别被数字骗了

回测结果出来了，一堆数字摆在你面前。怎么分析？我总结了三步走：

1. 看整体表现：夏普、回撤、胜率是否在合理范围内。如果某个指标异常好，先怀疑是不是数据或参数有问题。
2. 看交易明细：逐笔检查交易记录。有没有频繁的「小亏大赚」？有没有连续亏损的时段？这些细节能暴露策略的弱点。
3. 做压力测试：把回测数据切分成不同市场环境（高波动、低波动、趋势、震荡），分别看策略表现。我习惯用2015年股灾和2020年疫情的数据做压力测试。

嗯，这里要注意：回测结果好，不代表实盘一定好。但回测结果差，实盘一定差。所以别偷懒，多跑几组参数，多换几个时间段。

说白了，回测就是一场「模拟考试」。考得好，别骄傲；考得差，别气馁。关键是从中发现问题、优化策略。我见过太多人回测跑了一遍就急着上实盘，结果亏得底裤都不剩。

记住一句话：回测越严格，实盘越安心。