WeQuant教程—1.3 利用回測工具下降交易風險

量化系統投入實際使用以前，人們會但願提早測試交易的效果。這個期間每每涉及代碼的改動和參數的調整。最多見的作法是將歷史數據輸入量化系統，讓量化系統根據既定的交易邏輯進行操做，觀察和分析交易結果，找到問題所在，調整量化系統，而後以此循環，直到效果達到預期爲止。

該過程在業界被稱爲回測。回測是量化工做者常見的工做內容之一。

Note

很遺憾的是，回測跟實盤交易永遠存在差距，再好的系統也沒法迴避。如今市面上有幾個開源的回測引擎框架，雖然減小了回測的開發工做量，但或多或少都存在回測的偏差。在此，咱們優先介紹概念，其次介紹一些常見的規避或者補償偏差的方法，供讀者在實踐中使用。

回測工具備哪些功能？

歷史交易過程和結果的模擬

顧名思義，回測固然是回顧一段時間，用既定的交易策略，向模擬的交易平臺提交交易請求，而後統計交易的結果。

這樣，一個策略到底能不能運做，是否是像想象中的那樣運做（實戰中，策略辭不達意的狀況機率很大），運做的效果在特定的行情下是否是有預期的效果（不是全部策略都適用於全部行情，顯而易見的事情），一目瞭然。

自動記帳

若是每一筆交易都要本身手動記錄交易結果，計算扣費，遇到限制條件還要進行異常處理，這個工做量是及其繁瑣和容易出錯的。通常來講，回測會有專門的記帳功能，確保量化系統的交易請求能被正確處理。

回報分析

爲了輔助回測人員對自身的策略效果創建一個客觀的認識，回測每每附帶一套指標系統，包括但不限於回報率、alpha、beta、夏普率、最大回撤等，經過這些指標，一個策略的收益狀況、收益的相對好壞、收益的穩定和波動程度、最壞狀況等，均可以獲得一個參考，在常規的理解裏，這些指標在實盤中依然有一樣的表現水準（嚴格數學證實略）。

固然，爲了分析的方便，回測還會提供基準參考與圖形可視化功能，把市場的平均回報連同策略的回報按時間順序用圖形展現，能極大地具象化策略運做狀況。

怎麼使用回測工具？

回測工具備不少，這裏只介紹咱們推薦的相對簡單可靠的方式。

回測工具與量化系統高度集成。在理想的狀況下（參照咱們設計的簡單的量化系統），用戶能夠原樣照搬量化系統裏面的策略內容，並添加少許的系統變量設置，而後回測工具自動裝載策略，加載回測情報系統，對回測的交易系統進行操做，記帳。

# 回測系統示例僞代碼開始 { 讀取用戶設置（時長、品種、偏差係數） 初始化程序(策略系統，回測數據系統，模擬交易記帳系統) 循環：回測數據系統.從第一條到最後一條.執行 { 策略系統.讀取歷史數據 策略系統.計算信號 若是(策略系統.有交易指令)執行 { 模擬交易記帳系統.執行交易 } } 打印分析結果}

這跟量化系統的執行邏輯很是類似，差異是：

1. 情報系統是實時在更新，而回測數據系統提取歷史數據；
2. 交易系統會向交易平臺提交交易請求，模擬交易記帳系統則是在本地進行模擬撮合交易，記錄結果；
3. 回測系統有專門的分析結果。

有了這樣的系統，重複地運行，不斷地調整參數，找到你認爲能夠接受的結果爲止，回測也不是那麼難，對不對？

因此到底須要準備什麼才能進行回測呢？

答：完整且規範的數據源，自動記帳程序，和你想測試的策略。

但是這幾件都不是省油的燈，要本身重頭寫一遍，基本就是《量化交易從入門到放棄》的故事本來了。

若是你一直讀到這裏，還對本身完成這樣的任務抱有期待，WeQuant佩服你的堅持。

新手作回測時容易犯什麼樣的錯誤？

這裏面學問不少，主要圍繞如何下降回測的系統與人爲偏差，回頭有機會再慢慢更新。

結語

回測是調優你的量化系統的比較有效的手段，不過有效的回測並不容易，也不是全部的場景都能經過回測解決。對於回測能夠解決的問題，咱們設計了一套簡單的標準和配套工具，下降你們使用回測的門檻。請閱讀下一篇。