1. 回测基础：vn.py回测引擎架构、回测与实盘差异、为什么需要模拟滑点与手续费
1.1 vn.py回测引擎到底长什么样？
说实话，我第一次接触vn.py的回测引擎时，第一反应是——这玩意儿比我想象的复杂多了。但用顺手之后，你会发现它的设计其实很优雅。
vn.py的回测引擎，核心就干三件事：喂数据、跑策略、算结果。但中间的过程，远比这三个词丰富。
我习惯把回测引擎拆成四个模块来看：
- 数据模块：负责加载历史K线或Tick数据，按时间顺序喂给策略
- 策略模块：你的交易逻辑就写在这里，比如金叉买入、死叉卖出
- 撮合模块：这是最关键的——模拟订单怎么成交、以什么价格成交
- 记录模块：记录每一笔交易、持仓变化、资金曲线
嗯，这里要注意，vn.py的默认撮合方式是市价撮合。什么意思？就是你发出买入指令，系统直接按下一根Bar的开盘价给你成交。这在理想世界里没问题，但实盘哪有这么便宜的事？
核心要点：回测引擎的撮合逻辑，直接决定了你的回测结果靠不靠谱。默认的市价撮合，说白了就是「理想状态」，和实盘差距很大。
1.2 回测和实盘，差在哪？
我经常跟团队里的人说一句话：「回测是天堂，实盘是地狱」。你想想看，回测时你面对的是已经走完的K线，所有数据都是确定的。但实盘呢？
我总结了一下，回测和实盘至少有这几点差异：
| 维度 | 回测 | 实盘 |
|---|---|---|
| 成交价格 | 按收盘价或开盘价成交 | 按买卖盘口撮合，有滑点 |
| 成交速度 | 瞬间成交 | 有网络延迟、排队延迟 |
| 手续费 | 可忽略或固定值 | 按交易所规则收取，复杂 |
| 市场冲击 | 不存在 | 大单会推动价格 |
| 数据质量 | 历史数据，无噪声 | 实时数据，有跳空、断线 |
说白了，回测是一个「无摩擦」的理想环境。而实盘处处是摩擦。如果你回测时不把这些摩擦考虑进去，那结果就是——回测赚得盆满钵满，实盘亏得底裤都不剩。
我曾经见过一个团队，回测年化收益50%，实盘跑了三个月直接腰斩。为什么？就是因为回测时没考虑滑点和手续费。你想想看，高频策略一天交易几十次，每次滑点一个tick，手续费再扣一点，利润早就被吃干净了。
1.3 为什么非要模拟滑点和手续费？
这个问题，我直接给你答案：不模拟滑点和手续费的回测，就是耍流氓。
咱们来拆解一下：
- 滑点：你看到的价格和实际成交的价格之间的差值。比如你看到卖一价是10.00，你下单买入，结果成交在10.02。这0.02就是滑点。在流动性差的品种上，滑点可能大到让你怀疑人生。
- 手续费：交易所和券商收的钱。别小看这千分之一、万分之几，高频策略跑下来，手续费可能比你的策略收益还高。
我个人习惯在回测时，至少设置双边滑点各1个tick，手续费按实盘标准上浮10%。为什么上浮？因为实盘有时候会有意外费用，比如撤单费、过夜费，留点余量总没错。
我的小技巧：如果你不确定滑点设多少，可以先跑一次无滑点回测，再跑一次带滑点的。对比一下收益差距。如果差距超过20%，说明你的策略对滑点非常敏感，实盘要格外小心。
1.4 vn.py回测引擎的核心流程
来，我画个图帮你理解vn.py回测引擎是怎么工作的。这个图我每次培训都会用，因为它把整个流程讲得很清楚。
你看这个流程，其实就是一个事件循环。每来一根Bar或一个Tick，策略判断要不要交易，如果要交易，就送到撮合模块去模拟成交。成交时，滑点和手续费就在这里被加进去。
注意：很多新手会忽略一个细节——vn.py的默认撮合是不带滑点和手续费的。你需要手动在策略初始化时设置。如果不设置，你的回测结果会偏乐观，实盘时就会被打脸。
1.5 一个简单的滑点手续费设置示例
来，我直接给你看代码。这是我在vn.py里设置滑点和手续费的惯用写法：
from vnpy.app.cta_strategy import CtaTemplate
from vnpy.trader.constant import Direction, Offset
class MyStrategy(CtaTemplate):
"""我的策略 - 带滑点和手续费"""
def __init__(self, cta_engine, strategy_name, vt_symbol, setting):
super().__init__(cta_engine, strategy_name, vt_symbol, setting)
# 设置滑点（单位：tick）
self.slip = 1 # 双边各滑1个tick
# 设置手续费（万分之几）
self.rate = 0.0003 # 万分之三
# 设置最小交易量
self.fixed_size = 1
def on_bar(self, bar):
"""处理K线"""
# 策略逻辑...
pass
def buy(self, price, volume):
"""买入 - 带滑点"""
# 实际成交价 = 买入价 + 滑点
slip_price = price + self.slip * self.pricetick
return super().buy(slip_price, volume)
def sell(self, price, volume):
"""卖出 - 带滑点"""
# 实际成交价 = 卖出价 - 滑点
slip_price = price - self.slip * self.pricetick
return super().sell(slip_price, volume)这段代码里，我手动在买入和卖出时加了滑点。手续费是在vn.py的底层自动计算的，你只需要设置好self.rate就行。
我的经验：滑点设置不要死板。对于流动性好的品种（比如股指期货），滑点设1个tick就够了。但对于流动性差的品种（比如某些商品期货），我建议设3-5个tick。我曾经在螺纹钢上吃过亏，回测设了1个tick，实盘滑了4个tick，那叫一个酸爽。
1.6 总结一下
这一章咱们聊了三个核心问题：
- vn.py回测引擎的架构：数据加载 → 策略运行 → 订单撮合 → 结果记录，循环往复
- 回测和实盘的差异：回测是理想环境，实盘有滑点、手续费、延迟、市场冲击
- 为什么要模拟滑点和手续费：不模拟就是自欺欺人，实盘会让你怀疑人生
说白了，回测的目的不是为了证明你的策略有多牛，而是为了提前发现坑。滑点和手续费就是最大的两个坑。下一章咱们会深入讲vn.py里具体的滑点模拟方法，包括固定滑点、百分比滑点、还有更高级的限价单模拟。
嗯，今天就到这儿。记住一句话：回测不模拟滑点，实盘两行泪。