1. 课程导入与规则回测全景

在真实交易中，限价单挂出后并不总能立刻成交。价格可能长时间在挂单价之外徘徊，订单被动“躺”在盘口里，既占用资金，又错过行情。于是很多交易者会设定一条规则：限价单挂出后若超过某个时间仍未成交，就撤单并按新的参考价重新挂价。这条规则听起来简单，但它到底能不能改善成交率、会不会抬高成本、在震荡市和趋势市里表现是否一致，仅凭盘感无法回答。本课程要做的，就是把这条规则放进历史数据中，用回测的方式量化它的收益与代价。

先厘清四个核心概念。限价单是指定价格、只在该价格或更优价格成交的委托，买单挂价不高于市价、卖单挂价不低于市价，它保证价格但不保证成交。超时是订单从挂出到当前时刻的存活时长超过预设阈值，例如 30 秒、5 分钟或 1 个交易日，阈值本身是规则参数。改价规则规定超时后如何动作：撤单后按什么价格重挂、重挂几次、每次是否调整价差、达到最大改价次数后是否转为市价单或直接放弃。回测则是用历史行情逐笔重放订单生命周期，统计成交、成本与收益，从而评估规则优劣。

理解这条规则，关键是看清一张订单在时间轴上的状态流转。下图把限价单从提交到终结的完整生命周期画了出来，其中“超时判断”是整条链路的分叉点：未超时则继续等待，超时则进入改价分支，而改价分支又受最大改价次数约束，最终收敛到成交、放弃或转市价三种终态。

这张图揭示了回测实现的两个要点。其一，订单状态必须逐笔推进：每来一条行情，都要判断当前挂单能否成交；不能成交再看存活时长是否越过阈值；越过阈值再检查改价次数是否还有余量。其二，所有分支都要有明确终态，否则回测会在某些行情下“卡住”订单，导致统计失真。实际编码时，通常用一个订单对象维护 方向、数量、挂价、挂出时刻、改价次数 五个字段，主循环按时间戳顺序消费行情，遇到状态变化就更新字段并记录事件日志。

为了让规则可计算，需要把“改价”写成明确的公式。设初始挂价为 p₀，第 n 次改价后的挂价为 pₙ，参考价为当前盘口最优价 m（买方向取卖一价，卖方向取买一价），价差参数为 δ，则一种常见设定是：

买单：pₙ = min(m, p₀) − δ × n
卖单：pₙ = max(m, p₀) + δ × n
约束：n ≤ N_max，且 pₙ 不得越过涨跌停价

这里 δ 是“每次改价让出多少价格优势”，n 越大让价越多，成交概率上升但成交价变差。N_max 则限制让价总幅度，防止订单在单边行情中无限追价。回测时把 δ 与 N_max 作为可扫描参数，就能得到一张“成交率—平均成交价偏差”的权衡表，而不是凭感觉拍一个阈值。

举个教学示例（以下数值为合理假设，用于说明计算过程，非实测结果）。假设某标的买一价 10.00、卖一价 10.02，我们挂买单于 10.00，超时阈值 60 秒，δ = 0.01，N_max = 3。挂出后 60 秒内卖一价始终在 10.02 以上，订单未成交，触发第一次改价：参考价 m = 10.02，p₁ = min(10.02, 10.00) − 0.01 = 9.99。若再等 60 秒仍未成交，第二次改价 p₂ = min(m, 10.00) − 0.02，依此类推。回测统计时，这笔订单的“成交价偏差”就是最终成交价与初始挂价之差，“改价次数”记录实际发生的 n，“等待时长”累计各段存活时间。把这些单笔记录汇总，就得到规则层面的成交率与成本分布。