课程导论与目标：为什么需要做市策略回测？
大家好，我是你们这门课的主讲人。在量化交易这个行当摸爬滚打了十来年，我见过太多人拿着做市策略直接上实盘，结果被市场打得鼻青脸肿。嗯，今天我们就来聊聊——为什么你必须先做回测。
一、做市策略，到底在做什么？
先简单说下做市策略的本质。说白了，就是同时挂买单和卖单，赚取买卖价差。你想想看，交易所里那些「买一」和「卖一」之间的差价，就是做市商的利润来源。
但事情没那么简单。做市商不是傻傻地挂单等成交。你得管理库存风险，防止被大单吃掉；你得预测短期价格走势，调整报价位置；你还得考虑手续费、滑点、市场冲击……这些因素交织在一起，策略的复杂度远超想象。
我个人习惯把做市策略比作「在高速公路上开碰碰车」——既要稳，又要快，还得随时准备躲闪。没有回测，你根本不知道这辆车会不会翻。
二、为什么不能直接上实盘？
我刚开始做做市策略时，也犯过这个错。写了个看起来不错的策略，直接丢到币安上跑。结果呢？一天亏了3%的净值。后来复盘发现，策略在特定行情下会连续吃单，库存方向完全暴露。
为什么会这样？因为实盘环境有太多「坑」：
- 延迟问题：你的订单可能比别人慢几毫秒，成交率骤降
- 流动性陷阱：某些时刻盘口深度极差，你的挂单成了「靶子」
- 手续费吞噬：高频做市下，手续费可能吃掉你一半利润
- 极端行情：闪崩时你的止损逻辑是否有效？
这些坑，在回测中都能提前暴露。我曾经有个策略，回测时年化收益30%，最大回撤5%。但实盘跑了三天，回撤直接到15%。后来发现是回测时没考虑「订单簿重建时间」——这个细节，很多新手都会忽略。
核心观点：回测不是「验证策略有效」，而是「发现策略在哪些场景下会失效」。做市策略尤其如此，因为它的盈利依赖于微观市场结构。
三、课程目标：你能学到什么？
这门课的目标很明确：让你从零搭建一套生产级的做市策略回测框架。注意，是「生产级」，不是那种跑个demo就完事的玩具。
具体来说，学完这门课，你应该能：
- 理解做市策略的核心逻辑：报价算法、库存管理、风险控制
- 掌握回测框架的设计思路：事件驱动、数据管理、性能优化
- 实现完整的回测流水线：从数据清洗到策略评估，再到可视化
- 避开常见的回测陷阱：前视偏差、幸存者偏差、过拟合
你想想看，如果你能自己搭建一套回测框架，那意味着什么？意味着你可以快速迭代策略，可以验证新想法，可以在实盘前就排除90%的坑。这比直接拿真金白银去试错，划算太多了。
四、学习路径：我们怎么走？
这门课共30章，我把它分成了四个阶段：
| 阶段 | 章节 | 核心内容 |
|---|---|---|
| 基础篇 | 1-8章 | 做市策略原理、回测框架设计、数据管理 |
| 核心篇 | 9-16章 | 订单簿模拟、成交引擎、性能优化 |
| 进阶篇 | 17-24章 | 多资产回测、风险模型、参数优化 |
| 实战篇 | 25-30章 | 实盘对接、监控系统、部署运维 |
我个人建议你按顺序学，但如果你对某部分已经熟悉，可以跳着看。不过要注意，核心篇的「订单簿模拟」是重中之重，做市策略的回测成败，很大程度上取决于这个模块的精度。
五、前置知识：你需要会什么？
这门课有一定门槛，但不高。你需要：
- Python基础：会写类、会处理数据、会用pandas
- 基本量化概念：知道什么是订单簿、什么是买卖价差
- 一点数学统计：均值、方差、回归分析，高中水平就够
如果你还不会Python，建议先花两周补一下基础。我记得有个学员，Python刚学一周就来听课，结果前几章代码完全看不懂。后来他花了一个月补基础，再回来学就顺畅多了。
小提示：如果你对做市策略完全陌生，建议先看第2章「做市策略基础」，那里有详细的原理讲解。别一上来就啃回测框架，容易劝退。
六、知识体系总览
下面这张图，是我对这门课知识体系的梳理。你可以把它当作「地图」，随时回来看看自己走到哪了。
七、避坑指南：回测中最容易犯的错
最后，分享几个我亲身踩过的坑：
避坑1：前视偏差
我曾经用未来数据做回测，策略看起来完美无缺。结果实盘一跑，直接崩了。原因是回测时用了「未来价格」来计算指标。记住：回测中绝对不能使用未来信息，包括未来价格、未来成交量、未来波动率。
避坑2：忽略手续费
做市策略是高频交易，手续费占比极高。我见过一个策略，回测年化50%，加上手续费后只剩5%。所以，回测时一定要把手续费、滑点、资金费率都算进去。
避坑3：过度优化
有些同学喜欢把参数调得特别精细，让回测曲线完美向上。但这样的策略，换个时间段就失效了。我个人习惯是：保留一部分数据做「盲测」，参数优化后，用没见过的数据验证。
好了，课程导论就到这里。记住，回测不是目的，而是手段。我们的目标是——让策略在实盘中也能稳定盈利。下一章，我们会深入做市策略的核心原理，看看那些赚钱的做市商到底在做什么。
公众号:蓝海资料掘金营，微信deep3321