为什么量化打板回测和实盘差距这么大？回测报告哪些地方值得参考？
展开
有朋友用PTrade、QMT做量化打板，遇到一个很直接的问题：回测曲线很好看，到了实盘，收益差距却很大。于是会想，是不是参数不对？软件有问题？还是通道不够快？我觉得，先把回测到底算了什么弄清楚，再谈怎么改。回测是在一组历史数据和成交假设下，计算这套规则会得到什么结果。里面的买入、卖出条件，实盘未必都能实现。
一、为什么打板回测和实盘容易出现差距？
第一，回测算你买到了，实盘可能根本没买到。假设某个模型看到股价触板，就按涨停价记作全部成交。但实盘中，从收到行情、判断信号到提交委托，需要经历一个过程，订单还要满足实际成交条件。历史上那个价格出现过成交，不代表你的订单在那个时点、以那个数量也能成交。具体用什么规则撮合，要查当前版本、策略代码和参数，不能把这个假设当成PTrade或QMT的统一规则。
第二，实际买到的股票，可能已经变了。举一个纯假设的例子：回测里，一只股票触板后封住，次日上涨，贡献了利润；实盘没有买到。另一只后来开板，实盘反而成交，随后出现亏损。如果这种差异反复出现，实盘参与的交易就和回测不同了。方向和程度需要逐笔核对，不能先认定所有策略都会这样。因此，不能简单拿回测收益乘一个“成交率”，就当成实盘预期。没成交的究竟是哪批订单，会影响结果，也会改变后续资金和持仓。
第三，回测看见的信息，盘中可能还没形成。比如用某一分钟结束后的完整成交量生成信号，却按这一分钟更早的价格成交，就要检查是否用了当时尚不知道的信息。还有复权方式、股票池、行情周期、策略触发时机等。代码看起来一样，也需要核对两边实际读到的数据和执行时点。
第四，买入以外的假设也可能过于理想。计划买多少，就默认成交多少；到了止损条件，就默认能按设定价格退出；费用和滑点设置过低，这些都会影响结果。另外，参数是不是在同一段历史上反复调到最好？换一段没有参与调参的时间，还能不能保持表现？市场环境变化和过度拟合，也可能让回测与后续实盘拉开差距。
二、回测报告里，我会重点看哪些地方？
第一，看成交明细和日志，先检查结果有没有可信的基础。抽查几笔主要盈利、主要亏损和封板附近的交易：信号什么时候出现，用了什么数据，模型为什么判定成交，数量是多少，最后怎么退出？如果报告只有曲线和年化收益，没有这些说明，就需要补充。后面的胜率、回撤、夏普比率，都建立在这些交易记录上。
第二，看利润从哪里来，有多依赖少数交易或某段行情。总收益里，是不是少数几笔交易贡献了大部分利润？这些交易的成交假设是否经得起检查？按月、按阶段拆开后，盈利是否过于集中？交易次数和覆盖时间够不够支持判断？这里还可以看胜率、平均盈利、平均亏损，但要明确统计单位，是订单还是一笔完整交易。只看胜率，很容易忽略少数大亏损。
第三，看怎么亏，以及亏损持续了多久。最大回撤之外，还要看连续亏损、单笔大亏损、回撤持续时间，以及亏损时的仓位。但有一个前提：如果模型把难以卖出的情况处理得过于理想，回撤也会被低估。回测最大回撤只是那段历史、那套假设下的结果，不是实盘亏损的上限。
第四，看条件稍微变化，结果是不是就站不住了。在模型支持的范围内，提高成本、收紧成交量约束、测试信号延迟；再看看参数附近的其他取值，以及没有参与调参的历史区间。如果只有某个精确参数、某段行情、非常宽松的成交假设才能赚钱，就值得继续追问。这些检查更适合用来发现问题、比较方案、排除明显不合理的假设。即使都通过了，也不能据此保证实盘收益。
三、怎么一步步缩小差距？
第一步，固定版本，建立对照。把代码、参数、股票池和数据口径存下来。对照已有实盘记录时，比较相同日期、相同规则下的信号和订单。不要每天改完参数，又拿新回测去解释旧实盘。
第二步，把差距标到具体环节。建议按股票和信号逐条记录：回测信号时间、实盘信号时间、委托发送情况、接收或报错回报、成交时间、价格和数量。区分信号不同、未发单、发出后未成交、部分成交、成交价不同，以及退出不同。缺少关键回报的，先记“待确认”。不同系统的时间戳也要核对口径，不能直接相减就认定通道延迟。全部信号都要保留，包括没买到的。只比较两边都成交的交易，会漏掉实际交易样本变化的问题。
第三步，根据记录修正假设，再重新计算。发现数据或代码差异，就修正相应逻辑；发现成交过于宽松，就检查数量、时机、排队和未成交处理。排队问题不能只靠加一点滑点来代替。部分检查可以用现有回测设置完成，部分需要补数据或修改代码。历史数据无法还原的成交细节，应保留不确定性，用不同假设测试影响，不能补一个有利的答案。改动成交后，还要连同后续持仓、资金占用和交易一起重算，不能只删掉几笔记录就算结束。
第四步，固定修改后的规则，观察后续表现。可以先通过不自动下单的信号记录或模拟运行，检查触发、委托逻辑和异常处理。模拟成交仍然有自己的假设，不能代替真实成交验证。发现问题再修改，但要给改过的版本留出新的观察区间。反复用同一段数据调到漂亮，检验作用会越来越弱。如果记录确实指向委托响应或执行链路，再和技术支持核对终端、网络、柜台等环节。需要什么工具，应当由具体问题决定。缩小差距，有时意味着执行改善了；也可能意味着回测变得保守，原先漂亮的收益降下来了。后者同样有价值，因为它让判断更接近实际。
你现在用PTrade还是QMT做打板？实盘差距主要是买不到、成交时机不同，还是买到之后的表现不如预期？
一、为什么打板回测和实盘容易出现差距？
第一，回测算你买到了，实盘可能根本没买到。假设某个模型看到股价触板，就按涨停价记作全部成交。但实盘中，从收到行情、判断信号到提交委托，需要经历一个过程，订单还要满足实际成交条件。历史上那个价格出现过成交，不代表你的订单在那个时点、以那个数量也能成交。具体用什么规则撮合，要查当前版本、策略代码和参数，不能把这个假设当成PTrade或QMT的统一规则。
第二，实际买到的股票，可能已经变了。举一个纯假设的例子：回测里，一只股票触板后封住，次日上涨，贡献了利润；实盘没有买到。另一只后来开板，实盘反而成交，随后出现亏损。如果这种差异反复出现，实盘参与的交易就和回测不同了。方向和程度需要逐笔核对，不能先认定所有策略都会这样。因此，不能简单拿回测收益乘一个“成交率”，就当成实盘预期。没成交的究竟是哪批订单，会影响结果，也会改变后续资金和持仓。
第三，回测看见的信息，盘中可能还没形成。比如用某一分钟结束后的完整成交量生成信号，却按这一分钟更早的价格成交，就要检查是否用了当时尚不知道的信息。还有复权方式、股票池、行情周期、策略触发时机等。代码看起来一样，也需要核对两边实际读到的数据和执行时点。
第四，买入以外的假设也可能过于理想。计划买多少，就默认成交多少；到了止损条件，就默认能按设定价格退出；费用和滑点设置过低，这些都会影响结果。另外，参数是不是在同一段历史上反复调到最好？换一段没有参与调参的时间，还能不能保持表现？市场环境变化和过度拟合，也可能让回测与后续实盘拉开差距。
二、回测报告里，我会重点看哪些地方？
第一，看成交明细和日志，先检查结果有没有可信的基础。抽查几笔主要盈利、主要亏损和封板附近的交易：信号什么时候出现，用了什么数据，模型为什么判定成交，数量是多少，最后怎么退出？如果报告只有曲线和年化收益，没有这些说明，就需要补充。后面的胜率、回撤、夏普比率，都建立在这些交易记录上。
第二，看利润从哪里来，有多依赖少数交易或某段行情。总收益里，是不是少数几笔交易贡献了大部分利润？这些交易的成交假设是否经得起检查？按月、按阶段拆开后，盈利是否过于集中？交易次数和覆盖时间够不够支持判断？这里还可以看胜率、平均盈利、平均亏损，但要明确统计单位，是订单还是一笔完整交易。只看胜率，很容易忽略少数大亏损。
第三，看怎么亏，以及亏损持续了多久。最大回撤之外，还要看连续亏损、单笔大亏损、回撤持续时间，以及亏损时的仓位。但有一个前提：如果模型把难以卖出的情况处理得过于理想，回撤也会被低估。回测最大回撤只是那段历史、那套假设下的结果，不是实盘亏损的上限。
第四，看条件稍微变化，结果是不是就站不住了。在模型支持的范围内，提高成本、收紧成交量约束、测试信号延迟；再看看参数附近的其他取值，以及没有参与调参的历史区间。如果只有某个精确参数、某段行情、非常宽松的成交假设才能赚钱，就值得继续追问。这些检查更适合用来发现问题、比较方案、排除明显不合理的假设。即使都通过了，也不能据此保证实盘收益。
三、怎么一步步缩小差距？
第一步，固定版本，建立对照。把代码、参数、股票池和数据口径存下来。对照已有实盘记录时，比较相同日期、相同规则下的信号和订单。不要每天改完参数，又拿新回测去解释旧实盘。
第二步，把差距标到具体环节。建议按股票和信号逐条记录：回测信号时间、实盘信号时间、委托发送情况、接收或报错回报、成交时间、价格和数量。区分信号不同、未发单、发出后未成交、部分成交、成交价不同，以及退出不同。缺少关键回报的，先记“待确认”。不同系统的时间戳也要核对口径，不能直接相减就认定通道延迟。全部信号都要保留，包括没买到的。只比较两边都成交的交易，会漏掉实际交易样本变化的问题。
第三步，根据记录修正假设，再重新计算。发现数据或代码差异，就修正相应逻辑；发现成交过于宽松，就检查数量、时机、排队和未成交处理。排队问题不能只靠加一点滑点来代替。部分检查可以用现有回测设置完成，部分需要补数据或修改代码。历史数据无法还原的成交细节，应保留不确定性，用不同假设测试影响，不能补一个有利的答案。改动成交后，还要连同后续持仓、资金占用和交易一起重算，不能只删掉几笔记录就算结束。
第四步，固定修改后的规则，观察后续表现。可以先通过不自动下单的信号记录或模拟运行，检查触发、委托逻辑和异常处理。模拟成交仍然有自己的假设，不能代替真实成交验证。发现问题再修改，但要给改过的版本留出新的观察区间。反复用同一段数据调到漂亮，检验作用会越来越弱。如果记录确实指向委托响应或执行链路，再和技术支持核对终端、网络、柜台等环节。需要什么工具，应当由具体问题决定。缩小差距，有时意味着执行改善了；也可能意味着回测变得保守，原先漂亮的收益降下来了。后者同样有价值，因为它让判断更接近实际。
你现在用PTrade还是QMT做打板？实盘差距主要是买不到、成交时机不同，还是买到之后的表现不如预期？
主题股票：
主题概念：
声明：遵守相关法律法规，所发内容承担法律责任，倡导理性交流，远离非法证券活动，共建和谐交流环境！
