1. 课程导入

很多策略回测的收益曲线看起来非常漂亮，但一旦进入实盘，收益却明显缩水，甚至由盈转亏。问题往往不在信号本身，而在于回测对成交、成本和公司行动这三件事的仿真过于粗糙。本课程的目标，就是把这三大“回测失真源”逐一拆开，讲清楚它们的机制、建模方法和落地实现，让你的回测结果更接近真实交易。

一、学习目标：从“能跑通”到“可信赖”

完成本课程后，你应当具备以下能力：

• 理解回测中成交假设的差异，能够根据策略类型选择合适的成交模型（如次bar开盘价成交、限价单撮合、部分成交）。
• 掌握交易成本的完整构成，包括佣金、印花税、过户费、滑点与冲击成本，并能将其参数化到回测引擎中。
• 能够正确处理分红、送股、配股、拆股、合并等公司行动，避免因复权处理不当导致的虚假收益或错误持仓。
• 能够识别回测中常见的“未来函数”和“幸存者偏差”，并设计合理的验证流程。
• 最终能够独立搭建一个包含成交、成本与公司行动仿真的回测模块，并对结果进行归因分析。

二、核心概念：成交、成本与公司行动

这三个概念分别对应回测流水线中的三个关键环节：信号如何变成持仓、持仓如何产生摩擦、持仓如何被外部事件改变。

概念	核心问题	常见失真表现	建模要点
成交仿真	信号发出后，以什么价格、什么数量、什么时间成交？	用收盘价成交、假设全部成交、忽略涨跌停	成交时点、撮合逻辑、成交量约束、部分成交
成本仿真	每笔交易实际扣掉多少钱？	只算佣金、忽略滑点和冲击成本	佣金、税费、滑点模型、冲击成本、最低收费
公司行动仿真	持仓期间发生分红送配拆合，价格和数量如何调整？	复权价格用错、现金分红未入账、配股未处理	前复权/后复权、现金分红、送转股、配股、拆合股

三者不是孤立的。例如，一笔在除权日附近的交易，如果成交价格用了未复权价，而成本计算又基于复权价，就会产生双重错误。因此，本课程强调统一的价格口径和事件时序。

三、整体框架：回测仿真的四层结构

为了把上述概念落地，我们采用一个四层框架来组织回测系统：

1. 数据层：提供原始行情、公司行动事件表和交易日历。关键是区分“未复权价”和“复权因子”，并保留原始事件记录。
2. 撮合层：根据订单类型和bar数据，决定成交价格、成交数量和成交时间。这是成交仿真的核心。
3. 账户层：维护现金、持仓、市值和成本基础，处理费用扣除、分红入账、送转股调整。
4. 分析层：输出收益曲线、换手率、成本占比、归因结果，用于评估策略的真实表现。

四、案例与场景：一个被成本吃掉的策略

假设有一个日频均值回归策略，每天开盘买入昨日跌幅最大的股票，次日开盘卖出。用收盘价回测，年化收益18%，看起来不错。但加入真实约束后：

初始资金: 1,000,000
佣金: 万分之三，最低5元
印花税: 千分之一（卖出）
滑点: 单边0.1%
日均换手: 80%
回测周期: 250个交易日

成本估算:
单边成本率 ≈ 0.03% + 0.1% = 0.13%（买入）
卖出成本率 ≈ 0.03% + 0.1% + 0.1% = 0.23%
往返成本 ≈ 0.36%
年化成本拖累 ≈ 0.36% × 80% × 250 ≈ 72%

这个例子虽然夸张，但它说明：高频换手的策略对成本极其敏感。如果回测中忽略滑点和印花税，收益会被严重高估。再叠加除权日未处理分红，实际结果可能完全不可用。

五、常见误区与复盘

• 误区一：用收盘价成交。信号在收盘后计算，却用当天收盘价成交，这是典型的未来函数。正确做法是次bar开盘成交，或明确延迟。
• 误区二：成本只算佣金。印花税、过户费、滑点和冲击成本往往比佣金大得多，尤其是小盘股和高换手策略。
• 误区三：复权价格混用。用前复权价计算收益，却用未复权价计算持仓数量，会导致股数错误。
• 误区四：忽略停牌和涨跌停。信号发出但无法成交的情况在回测中被“顺利成交”，会虚增收益。
• 误区五：公司行动事件缺失。分红送转未入账，导致现金和持仓与真实账户偏离。

六、实战价值：为什么值得投入

把成交、成本和公司行动仿真做扎实，带来的价值是直接的：

• 减少实盘落差：回测与实盘的偏差主要来自这三项，仿真越细，落差越小。
• 优化策略参数：在真实成本约束下，策略会自动倾向于低频、高容量的方向，避免过度优化。
• 提升资金容量评估：冲击成本模型能帮助你判断策略能承载多大规模的资金。
• 增强合规与风控：正确处理公司行动和税费，是资金核算和风控的基础。

接下来的章节，我们将从数据层开始，逐步搭建这套仿真体系。你会看到具体的代码实现、参数配置和调试日志，最终形成一个可复用的回测模块。