第七十四章 回测框架

窗外的鹏城科技园在晨光中苏醒，高楼玻璃幕墙反射着金色的阳光。林晨坐在书桌前，屏幕上不是股票行情，而是一行行 python 代码。

昨晚测试完情绪指标模型后，一个问题像根刺一样扎在他心里——回测。

他用的那些量化平台提供的回测功能，总觉得哪里不对劲。手续费计算太粗糙，滑点模拟不真实，最关键的是，无法同时对比多个策略在完全相同条件下的表现。

“代码可以骗人，但逻辑不会”。林晨喃喃自语，这是他这段时间形成的口头禅。

他决定自己写一个。

上午九点，送完乐乐去幼儿园的苏婉轻轻推开书房门，看到丈夫正对着白板画架构图。白板上已经写满了模块名称：数据

“又要开新项目”？苏婉端着温水进来。

林晨接过水杯，眼睛还盯着白板：“得有个靠谱的回测框架。那些平台的回测，就像用尺子量空气——看起来有模有样，实际误差大到能坑死人”。

“需要多久”？

“三五天吧”。林晨喝了口水，“这次得写扎实点，以后所有策略都基于这个框架测试，相当于给自己建个实验室”。

苏婉点点头，没多问技术细节，只是轻声说：“别太拼，中午记得吃饭”。

书房门轻轻关上。林晨重新面对白板，思维像手术刀一样精准地解剖问题。

回测的核心是什么？

是模拟真实交易环境。但“真实”二

林晨在“交易层”模块下又画出几个子模块。每细化一层，他就更清楚那些量化平台的回测为什么不可信——它们做了太多理想化假设。

“从今天起，我的系统里没有‘理想’二字”。林晨对着空荡荡的房间说。

他打开 VS code，新建项目文件夹：quantbacktestFramework。创建 REAdmE

“一个尽可能逼近 A 股真实交易环境的回测框架，支持多策略并行对比，可视化分析，为实盘提供可靠依据”。

接下来的三天，林晨进入了心流状态。

早晨七点起床，八点开始编码，中午简单吃个外卖，下午继续，晚上陪家人两小时，九点后又回到电脑前。这种节奏让他想起刚毕业那会儿在鹏城加班赶项目的日子，但心境完全不同——那时是被迫，现在是主动；那时为别人写代码，现在为自己建系统。

第一天，数据层。

他设计了一个统一的数据接口，支持从本地 cSV 文件、数据库、甚至在线 ApI 获取历史数据。数据必须包含最基本的 ohLcV（开盘、最高、最低、收盘、成交量），还要能扩展自定义字段——比如他之前做的情绪指标。

关键点在于处理 A 股的特殊性：除权除息。如果回测时忽略这个，收益率计算会严重失真。林晨写了个复权因子计算模块，确保价格序列连续可比。

“这就对了”。他测试了几只股票，看着复权后的 K 线图平滑连贯，满意地点点头。

第二天，策略层。

这是框架的核心。林晨设计了策略基类 baseStrategy，所有具体策略都必须继承这个类，实现几个关键方法：i

为了让多策略对比成为可能，他引入了策略组合的概念。可以同时加载三个、五个甚至十个策略，在完全相同的时间序列、相同的初始资金、相同的交易规则下运行。

“让我看看，到底是双均线策略厉害，还是我的情绪增强模型更强”。林晨写测试代码时，嘴角微微上扬。

第三天，交易层与评估层。

这是最繁琐的部分。林晨几乎翻遍了 A 股交易规则文档。

佣金：他按万分之二点五计算（这是他能找到的较低费率），单笔最低 5 元。

滑点模拟：他设置了三种模式——固定滑点（如

涨跌停限制：买入时如果信号触发涨停价，实际无法成交；卖出时跌停同理。

。这个规则对短线策略影响巨大。

林晨把这些规则一个个编码实现，每写完一个模块就测试几种边界情况。过程中他发现不少量

“怪不得回测收益看着很美，实盘就漏水”。他摇头苦笑。

评估层相对简单些，但指标必须全面。年化收益率、夏普比率、最大回撤、胜率、盈亏比、交易次数、持仓周期、资金曲线……林晨参考了专业量化基金的评估体系，设计了二十多个关键指标。

第四天，可视化层。

这是给“用户体验”的。林晨用 matplotlib 和 pyecharts 结合，开发了一套可视化面板。

运行回测后，会

资金曲线对比图——多个策略的资金曲线叠加显示，一眼看出孰优孰劣。

收益分布直方图——看盈利交易和亏损交易的分布情况。

月度收益热力图——哪个月份策略表现好，哪个月份差，颜色深浅一目了然。

回撤曲线——最大回撤发生在什么时候，持续了多久。

持仓分析——平均持仓时间、仓位利用率等。

交易明细表格——每笔交易的时间、价格、数量、盈亏都可追溯。

林晨特意把界面做得简洁专业，没有花哨的动画，但信息密度很高。这是他做了十年后端开发的审美——功能至上，清晰第一。

第五天下午，框架基本成型。

林晨深吸一口气，准备进行第一次完整测试。他选择了三只股票：贵州茅台、宁德时代、比亚迪，时间范围是 2020 年 1 月 1 日到 2023 年 12 月 31 日，整整四年。

策略 c：最新的情绪指标增强模型。

初始资金都设为 10 万元，交易规则完全一致。

点击运行。

屏幕上代码滚动，进度条缓慢推进。林晨起身倒了杯水，站在窗前看着科技园里穿梭的人群。那些穿着格子衫的程序员，那些行色匆匆的白领，他们中有多少人也在寻找出路？

二十分钟后，运行完成。

浏览器自动弹出回测报告页面。林晨坐回椅子上，屏住呼吸看向屏幕。

资金曲线对比图上，三

策略 A（双均线）的曲线在 2021 年之前缓慢上升，之后开始震荡，最终

策略 c（情绪增强模型）的曲线最漂亮——前期平稳上升，2022 年市场大跌时回撤明显小于前两个策略，2023 年快速修复并创新高，最终

“漂亮”。林晨忍不住出声。

更关键的是风险指标。策略 c

月度收益热力图上，策略 c 的绿色（正收益）月份明显多于红色。交易明细显示，策略 c 四年只交易了 47 次，平均持仓周期 21 天；策略 b 交易了 112 次，策略 A 更是高达 189 次。

“频率越低，质量越高”。林晨记下这个观察。

但真正让他警醒的是另一个发现。

他把回测时间缩短到最近一年（2023 年），重新运行。

结果变了。

“市场风格变了。”林晨盯着屏幕，“2020—2022 年的逻辑，到 2023 年不完全适用。”

这就是回测的陷阱——过去表现好，不代表未来持续好。但他的框架至少能帮他看清这个陷阱，而不是美化它。

林晨又做了几个测试：更改手续费率、调整滑点设置、加入冲击成本模拟……每次更改，收益率都会下降几个百分点。

。”他得

傍晚六点，苏婉敲门叫他吃饭。

餐桌上，林晨难得地主动谈起技术细节：“我今天把回测框架写完了”。

“测试了吗”？

“测了。

苏婉眼睛一亮：“那很好啊”。

“但那是回测”。而且市场在变，策略得持续优化”。

”。苏婉认真地说，“那些凭感觉炒股的人，连回测是什么都不知道”。

林晨笑了笑，心里却清楚：专业只是门槛。在这个市场上，专业的人很多，能持续盈利的很少。

晚饭后，他回到书房，没有继续编码，而是打开了一个空白文档。

文档标题：《回测与实盘的差距分析》。

过度拟

每写一条，他就思考如何在框架中防范或标记。

写到第十条时，窗外已是深夜。科技园的灯光依然璀璨，但林晨书房的台灯，是这片璀璨中一个安静的光点。

他保存文档，关掉电脑，走到阳台。

晚风带着鹏城湾的潮湿气息扑面而来。远处，深圳湾大桥的灯光连成一条金色的线，横跨在黑暗的海面上。

林晨想起这几个月走过的路：从被裁员时的茫然，到自学 AI 的挣扎，再到开发投资系统的专注。每一步都踩在现实的荆棘上，但每一步都让他更接近真相。

回测框架完成了，但这只是个开始。

真正的挑战，永远是下一个交易日、下一个决策、下一个未知。

他深吸一口气，夜风灌满胸腔。

明天，该用这个框架测试更多策略了。然后，选择一个，投入实盘。

那将是代码与现实的第一次正面交锋。