一、回放系统概述
做量化交易这些年，我越来越觉得——历史数据回放系统，是整个量化体系里最容易被低估的模块。
很多人一上来就搞策略、调参数，结果实盘一跑就崩。为什么？说白了，你连历史都没跑明白，怎么敢拿真金白银去试？
今天我们就聊聊，什么是历史数据回放，它到底能干什么，以及我们设计这套系统时，心里得装着哪些目标。
1.1 什么是历史数据回放
历史数据回放，就是把过去某段时间的市场数据，重新“播放”一遍。
你想想看，就像看比赛录像。比赛已经打完了，但你可以在录像里反复研究某个关键球是怎么丢的。回放系统也一样——它把行情数据、订单簿、成交记录，按时间顺序重新推送给你的策略。
我习惯把它比作“时光机”。你带着现在的策略，回到过去的市场里跑一圈，看看它到底行不行。
核心定义：历史数据回放 = 用历史行情数据 + 时间推进引擎 + 策略执行引擎，模拟真实交易环境的过程。
1.2 核心应用场景
回放系统不是玩具，它有实打实的三个战场。
场景一：策略回测
这是最常用的场景。你写了一个策略，想知道它过去三年能赚多少钱。
回放系统会逐笔、逐Tick地跑你的策略。遇到买入信号就下单，遇到卖出信号就平仓。最后给你一张成绩单：收益率、最大回撤、夏普比率……
我在项目中遇到过一件事：有个同事用简单的K线回测，策略看起来年化50%。结果一上Tick级回放，发现滑点吃掉了一半利润。嗯，这就是回放精度的重要性。
我的建议：回测至少要用Tick级数据跑一遍。日线级别的回测，很多时候是“自欺欺人”。
场景二：异常复盘
实盘出了事故怎么办？比如某天策略突然巨亏，或者系统宕机了。
回放系统可以帮你“倒带”。把出事那天的数据重新跑一遍，看看策略在哪个时间点出了问题。是行情突变？还是代码bug？还是网络延迟？
我曾经用回放系统复盘过一次“闪崩”事件。那天某只股票3秒内跌了8%，我的策略在跌到5%时触发了止损，但成交价却比止损价低了2%。
回放一看，原来是订单簿深度不够，市价单直接吃到了空单。从那以后，我所有的止损单都改成了限价单。
场景三：仿真交易
策略写好了，但不敢直接上实盘？那就先跑仿真。
仿真交易和回测最大的区别是：回测是“事后诸葛亮”，仿真交易是“实时模拟”。
回放系统把历史数据按真实时间速度推送，你的策略完全不知道下一秒会发生什么。这种环境，最接近实盘。
我一般会跑至少一个月的仿真交易，才敢上实盘。别嫌慢，这钱省不了。
| 场景 | 数据速度 | 核心目标 | 典型时长 |
|---|---|---|---|
| 策略回测 | 极速（可加速） | 验证策略有效性 | 数分钟~数小时 |
| 异常复盘 | 可控（可暂停/慢放） | 定位问题根因 | 数十分钟 |
| 仿真交易 | 实时（1:1速度） | 模拟实盘环境 | 数天~数月 |
1.3 系统设计目标
聊完场景，我们说说设计这套系统时，我心里装着哪些目标。
目标一：高精度
回放精度决定了你的回测结果有多可信。
我见过有人用1分钟K线做高频策略回测，结果年化收益算出来30%，实盘直接亏到姥姥家。为什么？因为1分钟K线里，你根本看不到订单簿的微观结构。
我个人习惯，做高频策略至少用Tick级数据。做中低频，也至少用秒级快照。
注意：精度越高，数据量越大。一天的全市场Tick数据，可能就有几十GB。存储和读取速度，是另一个要解决的问题。
目标二：高性能
回放速度要快。你想想看，回测三年的数据，如果跑一天才出结果，那还怎么调参？
我一般要求：Tick级回放，至少能达到10倍速。也就是说，一天的数据，1小时内跑完。
怎么做到？内存映射文件、并行计算、数据预加载……这些后面章节会细讲。
目标三：高仿真
回放环境越接近实盘，结果越可信。
这包括：
- 模拟真实的撮合逻辑（不是简单按收盘价成交）
- 考虑滑点和手续费
- 模拟网络延迟和交易拥堵
- 支持多品种、多账户同时回放
我曾经踩过一个坑：回测时没考虑交易所的“熔断机制”。结果策略在极端行情下，回测显示赚了钱，实盘却因为熔断无法成交。嗯，从那以后，我的回放系统里加了一个“市场状态模拟器”。
目标四：可扩展
市场在变，数据格式在变，策略也在变。回放系统不能写死。
我习惯用插件化的架构：数据源可以插拔、撮合引擎可以替换、策略接口标准化。这样，换一个交易所，或者换一种策略语言，都不需要动核心代码。
1.4 核心指标
怎么衡量一个回放系统好不好？我一般看这几个指标：
- 回放速度：每秒能处理多少笔成交？多少条行情？
- 时间精度：能精确到纳秒级吗？还是只能到秒级？
- 数据完整性：有没有丢数据？有没有数据错乱？
- 结果可复现：同样的参数跑两次，结果是否完全一致？
- 资源占用：CPU、内存、磁盘IO，是不是在合理范围内？
一句话总结：好的回放系统，就是让你在“过去”里，看到“未来”可能踩的坑。
1.5 知识体系总览
下面这张图，是我对回放系统整体架构的理解。你可以把它当作整个课程的地图。
这张图展示了回放系统的四层架构。数据层在最底下，往上依次是引擎层、应用层和输出层。每一层都依赖下一层提供的能力。
我习惯从数据层开始搭建。数据不牢，地动山摇。后面我们会花大量篇幅讲数据怎么存、怎么读、怎么保证质量。
好了，这一章就到这里。记住一句话：回放系统不是锦上添花，而是量化交易的“安全气囊”。没有它，你就是在裸奔。
公众号:蓝海资料掘金营，微信deep3321