第12章：回测系统搭建

做市商策略这东西，纸上谈兵容易，真金白银上去就慌。我见过太多人，策略回测时收益曲线漂亮得像艺术品，一上线就亏得亲妈都不认识。为什么？回测系统没搭好。

这一章，咱们就聊聊怎么搭一个靠谱的回测系统。说白了，就是让你的策略在历史数据上先跑一遍，看看它到底是骡子是马。

回测引擎设计原则

回测引擎是整个系统的核心。我刚开始做的时候，也踩过不少坑。总结下来，几个原则必须守住：

• 确定性：同样的输入，必须得到同样的输出。随机种子、数据顺序、时间戳，任何一个细节都不能含糊。
• 速度优先：回测不是跑一次就完事。参数优化、策略迭代，可能要跑几千次。引擎慢了，你一天啥也干不了。
• 模块化：数据模块、策略模块、风控模块、订单执行模块，各管各的。改一个模块，不影响其他。
• 可复现：每次回测的结果，都要能完整记录下来。哪天老板问「你上周那个策略收益多少」，你得能原样跑出来给他看。

模拟订单簿回测

很多新手做回测，用的是「收盘价成交」这种粗暴方式。你想想看，真实市场里，你挂个单，可能等半天才成交，也可能瞬间被吃掉。用收盘价算，误差能大到离谱。

模拟订单簿，就是尽量还原真实的撮合过程。核心思路是这样的：

1. 维护一个虚拟的订单簿，包含所有买一卖一、买二卖二……的挂单量
2. 你的策略下单时，按照订单簿的深度逐层成交
3. 如果订单簿深度不够，就部分成交，剩下的挂在那里等
4. 每次有新tick进来，更新订单簿，检查你的挂单是否被吃掉

嗯，这里要注意。模拟订单簿的数据精度，直接决定了回测的可靠性。我建议至少用Level 2数据，也就是能看到前10档挂单的那种。

考虑交易成本的回测

做市商策略，交易成本是命门。你赚的就是那点买卖价差，如果成本算不准，利润全被吃掉。

交易成本包括：

• 手续费：交易所收的，按成交金额的万分之几算
• 滑点：你下单的价格和实际成交价格之间的差异
• 冲击成本：你的订单太大，把市场价格推高了或压低了
• 资金成本：保证金占用、隔夜利息等

我一般会在回测里加一个「成本模型」模块。这个模块根据订单大小、市场深度、历史波动率，动态计算每笔交易的成本。举个例子：

def calculate_trade_cost(order_size, bid_depth, ask_depth, volatility):
    # 基础手续费
    base_fee = order_size * 0.0003
    
    # 滑点估算：根据订单簿深度
    slippage = estimate_slippage(order_size, bid_depth, ask_depth)
    
    # 冲击成本：订单大小占市场深度的比例
    impact = (order_size / (bid_depth + ask_depth)) * volatility * 0.5
    
    return base_fee + slippage + impact

过拟合防范

过拟合，是量化交易里最隐蔽的坑。你的策略在历史数据上表现完美，但一到未来数据就崩盘。说白了，就是策略记住了历史数据的噪音，而不是真正的规律。

怎么防？我常用的方法有这几个：

方法	说明	我的经验
样本外测试	把数据分成训练集和测试集，训练集上优化参数，测试集上验证效果	我习惯用70%数据做训练，30%做测试。测试集只跑一次，绝不回头改参数
交叉验证	把数据分成多段，轮流做训练和测试	时间序列数据不能用随机交叉，要用滚动窗口。比如用前3个月训练，下1个月测试，然后窗口往前滚
参数稳定性检验	稍微改变参数，看策略收益是否剧烈波动	如果参数从1.0改成1.01，收益就掉了20%，那这个参数就是「脆弱的」，实盘大概率会出问题
蒙特卡洛模拟	对历史数据进行随机重采样，生成多条「伪历史」路径，看策略表现	这个方法比较重，但效果很好。我一般跑1000次模拟，看收益分布是否稳定

回测系统搭建，说白了就是「尽可能真实地模拟市场」。你模拟得越真实，策略上线后就越靠谱。别嫌麻烦，这一步省下的功夫，实盘时都会加倍还给你。