为什么回测和实盘有差异，差异最可能产生的原因有哪些？

一、什么是回测

测试里是数据的预测模型，是一种反向测试，用于估计策略或模型在过去一段时间的表现，需要提供足够的细节模拟过去的条件。

这个条件可以是收盘价的基准。

换句话说，它是一种大数据的方式去评估策略，也就是验证你设定的交易规则是否有效，从各种评价指标和统计学层面上，

需要注意的是，回测结果好不代表百分百挣钱

尤其当你看到回测结果特别好的策略，一定要慎重，需要注意买入和卖出的价格是不是对的，它们的收益是在哪个节点发生变化的，这个节点的数据是不是正确的，你不用每笔都看，但是收益从负变成正的那个节点需要注意下，或者你在最开始处理数据时，需要注意数据是否正确的，不然你的策略再好，也不能赚到钱。

二、数据回撤&实盘交易

我们平时会经常碰到一个问题，为什么数据回撤和实盘交易效果差好多，不管是好还是坏，结果就是差别很大。差异最可能产生的原因有哪些？

2.1 未来函数

今天我就来分享下我自己的体验，实际上你如果真正的去实战一个策略，比如说择时的双均线或者布林策略，不管你是手工去开仓平仓，或者是用自动化程序的方式，你都会发现一个问题，这个问题我们称为“未来函数”，为什么这个“未来函数”会产生差异呢？

举一个例子，假设用布林道策略去买入卖出股票，当价格跌破下轨就买入，当价格涨到上轨就卖出。

在常规情况下，我们用的是日K的数据，如果我们用日K的数据会有什么问题，问题在于我们用的是收盘价的数据，那么等它收盘了，我们还买的进吗？肯定是买不进的，这里有2种解决方案：

• 方式1：第二天买入。
• 方式2：用今天分时的价格去替代收盘价

方式1的优势就是简单可理解，第二天买入更方便，它的问题就是T+1的机制容易错过最佳入场时间，很多的量化平台用的日K的数据，包括A股的数据只能是T+1，而不是T+0，它通常产生买卖的情况都是在第二天，这里第一天的收盘价和第二天的开盘价可能是不一样的，假定这个策略百分之90是有效的，如果今天收盘前买入，大概率明天是涨的，因为这个策略是百分90有效的，但问题是，因为现在是竞价机制，假如今天收盘是30，明天开盘就飙到33，这就意味这错过了最佳的入场时间。也就是说，你可能的收益变低了。次数多了，亏损的概率就高了。

方式2 我们依然以天为单位跑策略，这时可以用分时数据，比如说用5分钟、10分钟的数据去替代日K的数据，只要今天的价格日收盘价碰到了下轨，就买入，碰到了上轨就卖出，这种方法的问题在于：会让你的代码非常复杂，因为K线当前的价格取得是当天分时的价格，所以对于数据的处理会有一定的要求。

2.2 滑点

滑点是指：一笔交易或挂单交易中，所要求的价格和实际订单执行的成交价格之间的差异。

简单来说就是：理论的成交价格和实际的成交价格不一样。为什么存在这种情况呢？举例来说，我当前按照市价单是1元，但是当前价格变化很快，结果我刚下单，。也就是1秒或者2秒的时间，它就变成了1.1元，这时我就有可能按照更高或者更低的价格交易了，那么我就可能损失中间的差价，。

如何解决这个问题，比较常见的方法就是挂限价单，就是按照我指定的价格去买入，而不是市场现有的价格去买入，挂限价单也会有一个问题，因为行情依然是会变化的，比如说行情始终在浮动。比如说它一直往上涨，1.2元，就没有回到1元的这个限价，这时就会错失成交的机会，导致无法成交 ，所以，就光是挂这个订单，就有这么多的情况变化，更不用说在我们实际策略交易的过程中，所以大家在实战的过程中要有一个心里准备，所谓的自动化交易并没有你想象的那么简单。我们在实战的交易中，兵来将挡水来土掩。

转载请注明：xuhss » Python量化交易实战-33回测和实盘有差异的原因？