回测框架核心概念
做量化这些年，我见过太多人一上来就写回测代码，结果跑出来的曲线漂亮得不行，实盘一上去就崩。说白了，就是没搞懂回测到底在干什么。今天咱们就把回测这件事掰开揉碎了讲清楚。
一、回测的定义
回测是什么？简单说，就是用历史数据模拟交易过程，验证你的策略能不能赚钱。我习惯把它叫做「时光机实验」——你带着今天的策略，回到过去做交易，看看结果如何。
但这里有个坑：回测不是简单的「历史数据+买卖信号」。它要模拟真实的交易环境，包括手续费、滑点、流动性限制等等。我曾经见过一个团队，回测年化收益80%，实盘直接亏了30%。为什么？因为他们回测时完全没考虑滑点。
回测的本质：用历史数据检验策略逻辑的有效性，而不是预测未来。
二、回测的三大要素
回测框架的核心，说白了就三样东西：数据、策略、执行。这三者缺一不可，而且顺序不能乱。
1. 数据——回测的基石
数据质量决定回测质量。我刚开始做回测时，用的都是免费数据，结果发现很多股票有缺失值、复权不对、甚至日期错乱。后来我学乖了，数据清洗这一步花的时间比写策略还多。
数据要关注几个点：
- 完整性：有没有缺失的交易日？停牌怎么处理？
- 准确性：复权方式对不对？前复权还是后复权？
- 一致性：不同数据源之间的字段是否对齐？
- 时效性：数据更新频率够不够？
我的经验：数据清洗至少占回测工作量的60%。别嫌麻烦，这一步省了，后面全是坑。
2. 策略——回测的灵魂
策略就是你的交易逻辑。它通常包含三个部分：
- 信号生成：什么时候买入？什么时候卖出？
- 仓位管理：每次交易多少？加仓还是减仓？
- 风控规则：止损怎么设？最大回撤怎么控制？
我个人习惯把策略写成纯函数，不依赖任何外部状态。这样测试起来方便，也容易做单元测试。你想想看，如果策略里混了全局变量，回测结果可能每次都不一样，那还怎么评估？
# 一个简单的均线策略示例
def moving_average_strategy(data, short_window=5, long_window=20):
# 计算短期和长期均线
data['short_ma'] = data['close'].rolling(window=short_window).mean()
data['long_ma'] = data['close'].rolling(window=long_window).mean()
# 生成信号：短期上穿长期买入，下穿卖出
data['signal'] = 0
data.loc[data['short_ma'] > data['long_ma'], 'signal'] = 1
data.loc[data['short_ma'] <= data['long_ma'], 'signal'] = -1
return data['signal']3. 执行——回测的引擎
执行层负责把策略信号变成真实的交易记录。这里最容易出问题。我见过最离谱的一个回测框架，执行时完全不考虑交易成本，结果策略在震荡市里频繁交易，手续费比收益还高。
执行层要处理的事情：
- 订单管理：市价单、限价单、止损单怎么模拟？
- 成交模拟：能不能成交？成交价是多少？
- 交易成本：手续费、印花税、滑点怎么算？
- 资金管理：账户余额怎么更新？保证金怎么算？
避坑指南：我曾经在回测中忽略了滑点，结果策略在流动性差的股票上表现极好。实盘时才发现，根本买不到那个价格。后来我强制在回测中加了一个0.1%的滑点模型，虽然收益变差了，但更接近真实情况。
三、回测与实盘的区别
这个问题我问过很多学员，大部分人能说出两三个区别。但真正做起来，差距往往出在那些不起眼的细节上。
| 维度 | 回测 | 实盘 |
|---|---|---|
| 交易成本 | 固定费率，容易计算 | 实际费率可能更高，还有冲击成本 |
| 成交速度 | 瞬间成交，无延迟 | 有网络延迟、交易所排队 |
| 流动性 | 假设无限流动性 | 大单可能无法完全成交 |
| 心理因素 | 无情绪影响 | 恐惧、贪婪会影响决策 |
| 数据质量 | 历史数据，已知结果 | 实时数据，有噪声和延迟 |
| 策略调整 | 可以随时修改 | 修改后需要重新评估 |
嗯，这里要注意一个常见的误区：很多人觉得回测收益高，实盘就一定赚钱。其实不是。回测只是告诉你「如果历史重演，这个策略会怎样」。但历史不会简单重复，市场环境一直在变。
我记得有一次，一个策略在2015年到2018年回测表现很好，但2019年实盘就开始亏损。后来分析发现，2015年到2018年是趋势行情，而2019年变成了震荡行情。策略在震荡市里频繁交易，手续费吃掉了所有利润。
核心观点：回测是策略开发的起点，不是终点。一个好的回测框架，应该能帮你发现策略的弱点，而不是证明策略有多厉害。
四、知识体系总览
下面这张图是我自己总结的回测框架核心逻辑，你可以把它当作一个检查清单。每次搭建回测系统时，对照着看看有没有遗漏。
这张图把回测框架分成了三层：数据层负责提供干净可靠的数据，策略层负责生成交易信号，执行层负责模拟真实交易。三层串联起来，才能得到有意义的回测结果。
一个小建议：刚开始做回测时，别追求复杂的策略。先用简单的均线策略跑通整个流程，把数据、策略、执行三层都调通了，再慢慢加复杂度。这样出了问题，你也知道该查哪一层。
好了，回测的核心概念就讲到这里。记住三件事：数据要干净、策略要可复现、执行要贴近实盘。这三件事做好了，你的回测框架就成功了一大半。