2. 诊断框架搭建：建立诊断流程、数据准备与清洗、回测与实盘对比框架

策略失效了，别急着改参数。先搭个诊断框架。

我见过太多人，策略一亏钱就调阈值、改周期，结果越改越糟。为什么？因为没有系统性的诊断流程。就像医生看病，你得先问诊、再检查、最后开药方。量化策略也一样。

2.1 诊断流程：三步走

我个人习惯把诊断拆成三个阶段。每个阶段都有明确的目标和输出。

1. 数据层诊断：检查数据是否干净、对齐、无未来信息。
2. 策略层诊断：验证逻辑是否还在、参数是否过拟合、市场环境是否变了。
3. 执行层诊断：对比回测与实盘，找滑点、延迟、成交率差异。

这三步必须按顺序来。数据有问题，后面全是白费功夫。我曾经有个策略，回测年化30%，实盘直接亏。查了两周才发现，是数据源换了字段格式，信号全偏了。嗯，从那以后，数据层诊断成了我的第一道防线。

2.2 数据准备与清洗：地基要打牢

数据是策略的命根子。数据脏了，再牛的模型也白搭。你想想看，如果K线里有跳空、复权没处理好、或者时间戳对不上，策略信号能准吗？

2.2.1 数据源选择

我个人建议至少准备两个独立数据源。一个做主数据，一个做校验。我在项目中遇到过，某家数据商的期货数据在交割日前后经常出错，幸好有另一家做对比，才没踩坑。

数据维度	常见问题	清洗方法
OHLCV	缺失值、异常跳空、价格倒挂	前向填充、阈值过滤、逻辑校验
复权因子	除权除息未处理、复权方式不一致	统一使用后复权、校验复权因子序列
时间戳	时区错误、非交易时段数据	统一转UTC、剔除集合竞价外数据
成交量	单位不一致、异常放量/缩量	标准化单位、Z-score异常检测

2.2.2 清洗流水线

我写了个标准的数据清洗流程，每次跑策略前都会过一遍。说白了，就是给数据做个「体检」。

def data_cleaning_pipeline(df):
    # 1. 去重
    df = df.drop_duplicates(subset=['datetime', 'symbol'])
    
    # 2. 时间对齐
    df = df.set_index('datetime').asfreq('1min').reset_index()
    
    # 3. 缺失值处理
    df['close'] = df['close'].fillna(method='ffill')
    df['volume'] = df['volume'].fillna(0)
    
    # 4. 异常值过滤（3倍标准差）
    for col in ['open', 'high', 'low', 'close']:
        mean = df[col].mean()
        std = df[col].std()
        df = df[(df[col] > mean - 3*std) & (df[col] < mean + 3*std)]
    
    # 5. 逻辑校验：high >= low, close 在 [low, high] 内
    df = df[(df['high'] >= df['low']) & 
            (df['close'] >= df['low']) & 
            (df['close'] <= df['high'])]
    
    return df

2.3 回测与实盘对比框架

回测跑得再好，实盘一上就露馅。这是量化交易里最头疼的事。为什么会这样？因为回测是理想世界，实盘是真实战场。

2.3.1 对比维度

我一般从四个维度做对比。每个维度都有具体的量化指标。

• 收益率曲线：回测 vs 实盘的净值曲线是否走势一致？
• 交易信号：回测信号和实盘信号的时间戳是否对齐？
• 滑点与成本：实盘滑点是否超出回测假设？
• 成交率：实盘成交率是否低于回测的假设？

2.3.2 对比工具

我写了个简单的对比函数，每次实盘跑完都会自动生成报告。

def backtest_vs_live_comparison(bt_df, live_df):
    # 计算每日收益率
    bt_returns = bt_df['equity'].pct_change()
    live_returns = live_df['equity'].pct_change()
    
    # 相关性分析
    correlation = bt_returns.corr(live_returns)
    
    # 最大回撤对比
    bt_max_dd = max_drawdown(bt_df['equity'])
    live_max_dd = max_drawdown(live_df['equity'])
    
    # 信号对齐率
    signal_match = (bt_df['signal'] == live_df['signal']).mean()
    
    return {
        'correlation': correlation,
        'bt_max_dd': bt_max_dd,
        'live_max_dd': live_max_dd,
        'signal_match_rate': signal_match
    }

2.3.3 差异分析矩阵

当对比结果出现偏差时，我习惯用这个矩阵快速定位问题。

现象	可能原因	修复方向
收益率走势一致，但实盘收益更低	滑点假设偏乐观、手续费未算全	调整滑点模型、增加交易成本
信号对齐率低	数据时间戳不一致、计算逻辑差异	统一数据源、对齐计算时点
实盘最大回撤远大于回测	流动性不足、市场冲击成本被忽略	加入流动性过滤、模拟大单冲击
成交率低于预期	订单簿深度不足、撤单率过高	优化下单算法、调整订单类型

嗯，这个矩阵不是万能的，但它能帮你快速缩小排查范围。我每次做策略诊断，都会先跑一遍对比框架，然后对着矩阵找问题。效率高很多。

好了，诊断框架就搭到这里。数据清洗、回测对比，这两块是基本功。下一层，我们会深入策略逻辑的诊断——那才是真正考验功力的地方。