WeQuant教程—1.3 利用回测工具下降交易风险

量化系统投入实际使用以前，人们会但愿提早测试交易的效果。这个期间每每涉及代码的改动和参数的调整。最多见的作法是将历史数据输入量化系统，让量化系统根据既定的交易逻辑进行操做，观察和分析交易结果，找到问题所在，调整量化系统，而后以此循环，直到效果达到预期为止。

该过程在业界被称为回测。回测是量化工做者常见的工做内容之一。

Note

很遗憾的是，回测跟实盘交易永远存在差距，再好的系统也没法回避。如今市面上有几个开源的回测引擎框架，虽然减小了回测的开发工做量，但或多或少都存在回测的偏差。在此，咱们优先介绍概念，其次介绍一些常见的规避或者补偿偏差的方法，供读者在实践中使用。

回测工具备哪些功能？

历史交易过程和结果的模拟

顾名思义，回测固然是回顾一段时间，用既定的交易策略，向模拟的交易平台提交交易请求，而后统计交易的结果。

这样，一个策略到底能不能运做，是否是像想象中的那样运做（实战中，策略辞不达意的状况几率很大），运做的效果在特定的行情下是否是有预期的效果（不是全部策略都适用于全部行情，显而易见的事情），一目了然。

自动记帐

若是每一笔交易都要本身手动记录交易结果，计算扣费，遇到限制条件还要进行异常处理，这个工做量是及其繁琐和容易出错的。通常来讲，回测会有专门的记帐功能，确保量化系统的交易请求能被正确处理。

回报分析

为了辅助回测人员对自身的策略效果创建一个客观的认识，回测每每附带一套指标系统，包括但不限于回报率、alpha、beta、夏普率、最大回撤等，经过这些指标，一个策略的收益状况、收益的相对好坏、收益的稳定和波动程度、最坏状况等，均可以获得一个参考，在常规的理解里，这些指标在实盘中依然有一样的表现水准（严格数学证实略）。

固然，为了分析的方便，回测还会提供基准参考与图形可视化功能，把市场的平均回报连同策略的回报按时间顺序用图形展现，能极大地具象化策略运做状况。

怎么使用回测工具？

回测工具备不少，这里只介绍咱们推荐的相对简单可靠的方式。

回测工具与量化系统高度集成。在理想的状况下（参照咱们设计的简单的量化系统），用户能够原样照搬量化系统里面的策略内容，并添加少许的系统变量设置，而后回测工具自动装载策略，加载回测情报系统，对回测的交易系统进行操做，记帐。

# 回测系统示例伪代码开始 { 读取用户设置（时长、品种、偏差系数） 初始化程序(策略系统，回测数据系统，模拟交易记帐系统) 循环：回测数据系统.从第一条到最后一条.执行 { 策略系统.读取历史数据 策略系统.计算信号 若是(策略系统.有交易指令)执行 { 模拟交易记帐系统.执行交易 } } 打印分析结果}

这跟量化系统的执行逻辑很是类似，差异是：

1. 情报系统是实时在更新，而回测数据系统提取历史数据；
2. 交易系统会向交易平台提交交易请求，模拟交易记帐系统则是在本地进行模拟撮合交易，记录结果；
3. 回测系统有专门的分析结果。

有了这样的系统，重复地运行，不断地调整参数，找到你认为能够接受的结果为止，回测也不是那么难，对不对？

因此到底须要准备什么才能进行回测呢？

答：完整且规范的数据源，自动记帐程序，和你想测试的策略。

但是这几件都不是省油的灯，要本身重头写一遍，基本就是《量化交易从入门到放弃》的故事本来了。

若是你一直读到这里，还对本身完成这样的任务抱有期待，WeQuant佩服你的坚持。

新手作回测时容易犯什么样的错误？

这里面学问不少，主要围绕如何下降回测的系统与人为偏差，回头有机会再慢慢更新。

结语

回测是调优你的量化系统的比较有效的手段，不过有效的回测并不容易，也不是全部的场景都能经过回测解决。对于回测能够解决的问题，咱们设计了一套简单的标准和配套工具，下降你们使用回测的门槛。请阅读下一篇。