3. 回测中未成交情形的典型表现

限价单回测最容易出错的地方，往往不是策略逻辑，而是“成交假设”。在真实市场中，限价单能否成交取决于价格是否触及、排队位置、盘口深度和撤单时机；而在回测中，如果只用一根K线的最高价、最低价去判断“价格碰到限价就算成交”，就会系统性地高估策略表现。本节围绕四类典型表现展开：信号触发但无成交、部分成交、延迟成交，以及由此引发的回测与实盘偏差案例。

一、信号触发但无成交：最隐蔽的乐观偏差

信号触发但无成交，指的是策略在某一时刻产生了挂单意图，但回测引擎判定该限价单最终没有成交。常见成因有三类：价格未真正触及、触及但排队未轮到、挂单在成交前被撤销或到期。

第一类最容易理解：买单限价 10.00 元，而该K线最低价为 10.01 元，价格从未进入可成交区间，自然不成交。第二类更隐蔽：K线最低价正好等于 10.00 元，但这一价位上已有大量排队买单，你的单子排在队尾，实际成交量可能为零。第三类则与策略自身的挂单有效期有关，例如“当日有效、收盘撤单”，若价格在尾盘才触及，撤单逻辑可能先于成交触发。

在实现层面，一个常见的错误写法是：

# 错误示例：只要最低价触及限价就判定买入成交
if bar.low <= limit_price:
    fill_price = limit_price
    position += qty

这段代码忽略了排队与成交量约束。更合理的做法是引入“可成交比例”或“成交量上限”参数，例如假设触及价位时最多成交该K线成交量的某一比例，或要求价格严格穿越限价（最低价 < 限价）才视为成交。两种假设各有适用场景，但必须在回测报告中明确声明，否则结果无法与实盘对照。

二、部分成交：成交量约束下的真实常态

部分成交指挂单数量只有一部分被撮合。它在大单、低流动性标的或涨跌停附近尤为常见。回测中若把部分成交简化为“全成或全不成”，会同时扭曲收益与风险：一方面高估了建仓速度，另一方面低估了未成交残量带来的敞口不确定性。

处理部分成交，核心是维护“剩余数量”状态。以下是一个可参考的撮合伪代码，假设每根K线在限价价位上可提供的成交量为 available_vol：

remaining = order.qty
fillable = min(remaining, available_vol * participation_rate)
if bar.low <= order.limit_price and fillable > 0:
    order.filled += fillable
    remaining -= fillable
    if remaining == 0:
        order.status = "FILLED"
    else:
        order.status = "PARTIAL"
        # 残量可选择继续挂单、撤单或按规则顺延

其中 participation_rate 是参与率假设，例如 10% 表示只吃掉该价位可用量的十分之一。这个参数没有普适值，需要结合标的日均成交额、下单规模和历史盘口数据校准。残量的后续处理也必须写清楚：是继续挂原价、改价追单，还是当日撤单，不同选择会显著改变回测曲线。

三、延迟成交：时间维度上的错位

延迟成交指挂单并非在信号当根K线成交，而是在后续若干根K线才被撮合。它带来的直接后果是成交价与信号价脱节，进而影响持仓成本、止盈止损基准和资金占用时长。

回测引擎需要为每笔挂单记录“挂单时间戳”，并在后续K线中持续检查成交条件，而不是只在信号K线上判断一次。若策略依赖“当日信号当日成交”的假设，延迟成交会打破这一前提，导致回测中的持仓区间与实盘不一致。实践中应统计延迟成交的分布：多少比例在1根K线内成交、多少在3根以上、最长延迟多久。这个分布本身就是评估策略可执行性的重要指标。

四、回测与实盘偏差案例

下面用一个教学示例说明偏差如何累积。假设某策略在 20 个交易日内产生 40 次买入信号，限价均为信号价下方 0.5%。回测引擎采用“最低价触及即成交”的乐观假设，结果显示 40 次全部成交，累计收益 +6.2%。

改用更保守的撮合规则后：要求最低价严格低于限价才成交，并引入 15% 参与率与“当日未成交则撤单”。结果变为：完全成交 26 次、部分成交 7 次、未成交 7 次。由于未成交的 7 次恰好集中在几次快速反弹行情中，策略错过了部分上涨，累计收益降至 +3.8%。这 2.4 个百分点的差距，并非策略失效，而是成交假设从乐观切换到接近真实所致。

这个案例的启示是：回测偏差往往不是均匀分布的，而是集中在特定行情中。快速单边行情里价格触及限价后立即反弹，排队靠后的单子最容易落空；而震荡行情中价格反复穿越，成交反而容易。因此，评估未成交影响时，不能只看总成交率，还要看未成交样本的行情分布。

五、落地检查要点

为了让回测中的未成交处理可复现、可对账，建议在引擎中显式维护以下状态与参数：挂单时间戳、限价、剩余数量、订单状态（挂单中/部分成交/完全成交/已撤销/已过期）、参与率假设、撤单规则。回测报告中应至少披露：总信号数、完全成交数、部分成交数、未成交数、平均成交延迟K线数，以及不同成交假设下的收益对比。

归根结底，未成交不是回测的“异常”，而是限价单交易的常态。把无成交、部分成交、延迟成交当作一等公民来建模，回测结果才具备与实盘对话的资格。