一、回测框架概述：什么是回测、核心价值、与实盘的区别、常见框架对比

1.1 什么是回测？说白了就是给策略「开历史倒车」

回测，英文叫 Backtesting。你想想看，一个交易策略能不能赚钱，总不能直接拿真金白银去试吧？回测就是干这个的——用历史数据模拟策略在过去的表现。

我个人习惯把回测理解为「时光机测试」。你把策略放到过去几年的行情里跑一遍，看它赚了多少、亏了多少、最大回撤是多少。如果连历史行情都跑不通，那实盘基本没戏。

我在项目中遇到过不少新手，上来就问：「回测收益高是不是就能实盘了？」嗯，这里要打个问号。回测只是第一步，它帮你筛掉明显不靠谱的策略，但绝不是「圣杯」。

1.2 回测的核心价值——为什么要花时间做这件事？

说白了，回测的价值就三点：验证、优化、避坑。

• 验证策略逻辑： 你的策略假设对不对？比如「均线金叉买入」这个逻辑，在历史上到底有没有超额收益？跑一遍就知道了。
• 量化风险指标： 最大回撤、夏普比率、胜率……这些数字不会骗人。我见过一个策略回测年化 80%，但最大回撤 60%，这种你敢上实盘吗？
• 参数优化参考： 均线用 20 日还是 60 日？止损设 5% 还是 10%？回测能给你一个大概的方向。

1.3 回测与实盘的区别——为什么回测赚钱，实盘亏钱？

这是所有做量化的人都会遇到的问题。我刚开始做回测时也踩过这个坑——回测曲线漂亮得不行，一上实盘就变脸。为什么会这样？

核心区别在于：回测是理想世界，实盘是现实世界。

对比维度	回测	实盘
成交价格	通常用收盘价或开盘价，假设能立即成交	有滑点、买卖价差，大单还会冲击市场
交易成本	容易忽略或低估手续费、印花税	每一笔都有真实成本，高频交易更明显
流动性	默认想买就能买，想卖就能卖	小市值股票可能挂单半天成交不了
未来信息	容易「偷看」未来数据（常见坑）	只能看到过去，无法预知下一秒
心理因素	机器自动跑，没有情绪	连续亏损时，人容易手动干预

1.4 常见回测框架对比——选哪个？

市面上回测框架不少，我挑几个主流的说说。每个框架都有自己的脾气，选对了能省不少事。

框架	语言	特点	适合场景
Backtrader	Python	功能全面，社区活跃，文档完善	个人研究、中小型策略
Zipline	Python	Quantopian 出品，数据管道设计优秀	学术研究、原型验证
vn.py	Python	国内生态，支持期货、期权实盘	国内期货、CTA 策略
QuantConnect (LEAN)	C#/Python	云平台，支持多资产，数据丰富	团队协作、多市场策略
自研框架	任意	完全可控，灵活度高	特定需求、高频交易

我个人习惯用 Backtrader 做快速验证，遇到复杂需求就自己搭框架。你想想看，如果只是写个双均线策略，用 Backtrader 十分钟就搞定了；但如果你想做订单簿级别的回测，那还是得自己写。

1.5 回测框架的核心知识体系

下面这张图是我自己梳理的回测框架核心结构。你把它看懂了，后面搭建框架就有了骨架。

这张图把回测框架拆成了四个层次：数据层负责喂数据，策略层负责出信号，执行层负责模拟交易，评估层负责算绩效。每一层都有自己要注意的坑，后面我们会一个一个拆开讲。