第2章回测框架搭建

2. 回测框架搭建：使用Python进行因子回测的基本流程与工具选择

做因子投资，回测框架就是你的实验台。没有它，再好的策略也只是纸上谈兵。

我刚开始做量化那会儿，也踩过不少坑。最惨的一次，回测年化收益40%，实盘直接亏了15%。后来才发现，是框架里一个不起眼的未来函数在作祟。嗯，从那以后，我对回测框架的搭建就格外较真了。

今天咱们就聊聊，怎么用Python搭一个靠谱的回测框架。说白了，就是让你在回测阶段就能发现那些实盘会暴雷的问题。

2.1 回测的核心流程

一个标准的因子回测流程，其实就五步：

数据准备 — 拿到干净、对齐的行情与财务数据
因子计算 — 按你的逻辑算出每个股票每天的因子值
信号生成 — 根据因子值决定买卖什么、买卖多少
组合构建 — 考虑交易成本、持仓限制，生成实际持仓
绩效评估 — 算收益、回撤、夏普比率，看策略行不行

你想想看，这五步里哪一步出了问题，结果都会失真。我见过有人把数据对齐搞错了，回测结果漂亮得不行，实盘却一塌糊涂。

  核心原则：回测框架必须模拟真实交易环境。包括交易成本、滑点、涨跌停限制、停牌处理。少一个，你的回测就是自欺欺人。

2.2 工具选择：从零开始 vs 现成框架

Python里做回测，工具选择其实挺多的。我个人习惯分两种情况：

2.2.1 现成框架

框架	特点	适合场景
Backtrader	功能全面，社区活跃，支持多数据源	中低频策略、初学者
Zipline	Quantopian出品，事件驱动，文档好	美股、学术研究
PyAlgoTrade	轻量级，易上手，支持回测与实盘	快速验证想法
vnpy	国内团队开发，支持期货、股票	CTA、高频交易

说实话，现成框架最大的好处是省事。但问题也明显：你很难完全控制底层逻辑。尤其是做因子研究时，很多细节（比如停牌处理、复权方式）框架默认的处理方式可能跟你的想法不一样。

2.2.2 自建框架

我在项目中遇到过好几次，用现成框架跑出来的结果，跟手动算的对不上。后来干脆自己写了一个轻量级的回测引擎。核心代码其实不长：

class FactorBacktest:
    def __init__(self, data, factor, rebalance_freq='monthly'):
        self.data = data          # 多级索引 DataFrame
        self.factor = factor      # 因子值 Series
        self.rebalance_freq = rebalance_freq
        
    def run(self):
        # 1. 对齐数据
        aligned = self._align_data()
        # 2. 生成调仓信号
        signals = self._generate_signals(aligned)
        # 3. 模拟交易（含成本）
        portfolio = self._simulate_trading(signals)
        # 4. 计算绩效
        return self._evaluate(portfolio)
    
    def _align_data(self):
        # 处理停牌、缺失值、复权
        pass
    
    def _generate_signals(self, data):
        # 分组排序，做多空组合
        pass
    
    def _simulate_trading(self, signals):
        # 考虑滑点、手续费、涨跌停
        pass
    
    def _evaluate(self, portfolio):
        # 计算收益、回撤、夏普
        pass

我的建议：刚开始做因子研究，先用现成框架快速验证想法。等你要深入分析某个因子时，再自己写一个精简版。这样效率最高。

2.3 数据处理的坑

回测框架里，数据处理是最容易出问题的地方。我总结了几条血泪教训：

前复权 vs 后复权 — 回测必须用后复权，否则分红送股会扭曲收益率计算
停牌处理 — 停牌期间不能交易，要用前一天的收盘价继续计算
涨跌停 — 涨停买不进，跌停卖不出，这个必须模拟
幸存者偏差 — 要用历史快照数据，不能用当前成分股回测过去

我曾经因为用了前复权数据，回测结果比实际高了3个点。查了三天才发现问题。嗯，从那以后我就在框架里加了个数据校验模块。

2.4 核心逻辑：因子回测的骨架

下面这张图，是我自己画的一个因子回测框架的核心流程。你看一眼就能明白整体结构：

注意：很多人在搭建框架时，只关注因子计算和绩效评估，忽略了交易模拟层。但实盘和回测最大的差异，往往就出在交易成本上。我曾经回测时没考虑冲击成本，结果实盘收益直接腰斩。

2.5 实战：一个简单的因子回测示例

说了这么多理论，咱们来点实际的。下面是一个用Python实现的简单因子回测：

import pandas as pd
import numpy as np
from scipy import stats

def factor_backtest(price_df, factor_series, rebalance_dates):
    """
    最简单的因子回测：每月调仓，等权做多top10%
    """
    results = []
    
    for i in range(len(rebalance_dates)-1):
        date = rebalance_dates[i]
        next_date = rebalance_dates[i+1]
        
        # 获取当期因子值
        factor_t = factor_series.loc[date]
        
        # 选股：取因子值最高的10%
        threshold = factor_t.quantile(0.9)
        selected = factor_t[factor_t >= threshold].index
        
        # 计算下期收益
        ret = price_df.loc[next_date] / price_df.loc[date] - 1
        portfolio_ret = ret[selected].mean()
        
        results.append({
            'date': date,
            'return': portfolio_ret,
            'n_stocks': len(selected)
        })
    
    result_df = pd.DataFrame(results)
    return result_df

# 使用示例
# result = factor_backtest(price_data, momentum_factor, monthly_dates)
# print(f"年化收益: {result['return'].mean() * 12:.2%}")

小技巧：写回测框架时，先把最核心的逻辑跑通，再慢慢加细节。我一般先做「不考虑成本、等权、月度调仓」的版本，验证因子有效后，再逐步加入交易成本、行业中性化等复杂处理。

2.6 避坑指南

最后，分享几个我踩过的坑，希望能帮你少走弯路：

未来函数 — 回测时用了未来才知道的数据。比如用当月的财务数据去预测当月的收益。我曾经犯过这个错，回测结果好得离谱，后来发现是数据对齐出了问题。
前视偏差 — 用到了未来的信息来选股。比如用今天的收盘价去计算昨天的因子值。这种错误很隐蔽，但后果很严重。
过度优化 — 为了追求回测收益，不断调整参数。结果就是过拟合，实盘一塌糊涂。我的原则是：参数不超过3个，且必须有经济含义。
忽略交易成本 — 高频调仓的策略，交易成本可能吃掉所有收益。我见过一个策略，回测年化20%，加上千分之二的交易成本后，直接变成8%。

搭建回测框架，说白了就是尽可能模拟真实交易环境。你模拟得越真实，回测结果就越可信。别嫌麻烦，这些细节决定了你的策略到底是「纸上富贵」还是「真金白银」。

📚 课程目录

2. 回测框架搭建：使用Python进行因子回测的基本流程与工具选择

2.1 回测的核心流程

2.2 工具选择：从零开始 vs 现成框架

2.2.1 现成框架

2.2.2 自建框架

2.3 数据处理的坑

2.4 核心逻辑：因子回测的骨架

2.5 实战：一个简单的因子回测示例

2.6 避坑指南