高频量化策略回测如何预估滑点成本的影响？

策略回测最重要的是什么？速度？华丽的性能指标？答案很准确！是的，回测的目的是验证策略的逻辑性和可行性。这也是回测本身的意义，其他都是次要的。只有能够真实反映策略历史数据的回测才有参考价值。那些看似完美的回测曲线可以讲述一个故事，但在真实的市场中却不能。

回测需要哪些数据

如何实现准确的回测是很多量化交易者关心的问题。首先要弄清楚交易中有哪些数据，因为数据的好坏很大程度上决定了回测的好坏。很多人可以想到K线图上的开盘价、最高价、最低价、收盘价、成交量等。为了更好的区分，我们将这些数据统称为 Bar 数据，可以理解为 K 线。但是你有没有想过这些数据是从哪里来的，这些数据的来源是什么？

实际上，在交易所返回的数据中，只包含了 Tick 数据，并没有包含这些 Bar 数据。什么是 Tick 数据？你可以把交易所里的数据想象成一条河流，这条河流包含了每一个订单的详细数据，国内的Tick数据就是这个数据流中的一个切片，频率是每秒2次，就是某一个行情在那个时候。交易情况再现。

然后，柱数据基于分时数据，并根据时间段进行划分。1 分钟柱数据由 1 分钟的分时数据组成，5 分钟柱数据由 5 分钟的分时数据组成，依此类推。...形成了各种分钟图表、小时图表、日图表等。一分钟的 K 线只有一个 Bar 数据，但可能包含 120 个 Tick 数据。因此，回测的历史数据可以分为：Bar数据和Tick数据，而同期Tick数据量远大于Bar数据。

基于 Bar 数据的回测

市面上几乎所有的量化交易软件都支持 Bar 数据的回测。由于数据量少，大大简化了回测引擎的工作量，所以这种回测通常速度很快，几秒内就能拿到十年左右的数据。回测结束后，堆叠几十个期货品种回测不会超过一分钟。但是Bar数据回测存在很多问题：

1、极端价格

做过交易的都知道，涨停难买，跌停难卖，但回测可以交易。过滤后回测的结果会与实际行情不一致。

2、价格真空

从跌停的那一刻到涨停或价差上涨，在大周期的K线图上看起来像是一条大的正线，但是在这个K线中间没有实际挂单和挂单-线。如果您是实时价格交易策略，则 In Bar 数据经过回测，可以进行交易。

例如：当前K线一直在5000附近徘徊，收盘附近立即上涨至5100，中间几乎没有挂单和成交。如果你的策略是在这条K线上5050开仓，可以在Bar数据回测中交易，这种现象很常见。

3、窃取和未来的数据

相信很多量化交易者都遇到过这种坑，而那些45度的回测曲线大多出自这里。为了让大家更容易理解，我再举一个例子：我们知道一条K线有4个价格。如果是1分钟正线，那么这条K线的形成应该是：开盘价>>>最低价>>>最高价>>>收盘价。

但是，大周期的K线不会这么简单。它可能先创出新高，再创出新低，然后收盘；它也可能创出新低，然后创出新高，然后收盘；它甚至可能先创出新低，然后再创出新低。新高、新低、高收盘；表面上看是一条有上影线和下影线的K线，中间如何形成有很多可能性。

如果这条K线是这样的：开盘价4950、最低价4900、最高价5100、收盘价5050，普通的正线。你的策略是：最新价格超过前期高点5000买入，买入后设置1%的止损，即价格跌破4950，止损。

OK，开始回测：

开盘价4950突破前期高点5000建立买入平仓信号高频交易如何打败滑点，获利1%；

但实际情况可能是这样的：

开盘4950，价格突破前期高点5000，买入信号成立，价格很快开始回落，继续下跌至4949，止损信号成立，卖出，跌幅1%。价格上涨5100，价格下跌至5050。

你看，上面的例子，同样的策略，同样的数据，其实会有两个完全不同的结果。原因是因为数据不同。在Bar级别的回测中，如果你用日K线来回测，你无法知道这几天K线是如何形成的。如果你用小时K线回测，你无法知道这些小时K线。怎么形成的等等，一句话：Bar data test什么的，弱爆了！

基于分时数据的回测

如果可以使用 Tick 数据进行回测和分析，无疑具有很大的优势。但是，目前市场上似乎还没有一个量化交易平台可以真正对Tick数据进行回测和分析。例如，MT4 使用插值模拟数据。这只是一个模拟的数据变化，而不是真实的分时数据。

当然，也有软件声称能够进行 Tick 级回测。名字我就不说了，但是这些软件在设计回测引擎的时候犯了一个致命的错误，那就是：看价格。什么意思？如果当前tick数据是：卖价5001、买价5000，如果我的买单挂单是5000，结果肯定买不到，但事实并非如此。

要知道，在真实的交易环境中，我们下的订单是在交易所的Tick数据流中匹配的。交易所的匹配规则为：价格优先，时间优先。如果此时市价单不是太厚，我下的5000买单可能是被动成交。

基于市场数据的回测引擎原理

因此，Inventor Quant（fmz.com）的市场级回测引擎应运而生，它不仅根据Tick数据的价格优先级匹配订单。同时也按照同价位进行优先排序，通过计算市场挂单的成交量，判断当前挂单是否满足被动成交条件，实现基于成交量的成交。实现对真实市场环境的真实模拟。我们以下图为例：

为了便于理解，上图并排显示了转瞬即逝的 Tick 数据：

一、第一个tick，买入价为100，挂单量为30手；这时买入信号来了，以100的价格买入20手；生成第二个tick，买价100，挂单量50手，我们的挂单有20手；生成第三个tick，买价为100，挂单量为30手，证明有20手买单被成交或取消，我们离成交又近了一步；生成第 4 个刻度，买入价为 100，挂单量为 10 手。这是一个大卖家，他一次吃掉了我们所有的采购订单，并且完成了。

通过上面的例子我们可以发现，在Tick数据中，在价格没有变化的前提下，我们可以通过挂单数量的变化来计算我们的挂单是否是被动交易的。它使用相同的价格和时间优先方法。该回测引擎最大程度模拟真实真实的交易环境，杜绝价格交易和虚假交易，并允许真实回放各行情数据，使回测尽可能与真实行情保持一致。测试是有意义的。

采用哪种方式进行回测？

在这个平台中，Bar、Tick 和市场级别的回测同时存在。每个量化交易者可以根据自己的交易策略使用不同的回测引擎，而且无论你使用哪种回测引擎都不需要修改策略代码，每种回测方式都可以无缝切换。

中低频策略的回测不需要复杂的撮合引擎，因为这类策略的交易量并不多，滑点成本对策略本身不会有很大的影响。一般在回测时只需要再添加几个即可。只是跳和滑。由于中低频策略在几年内只交易了几十次，通常使用 Bar 级回测就足够了。真正需要注意的是过拟合的问题。对于一些日内交易或涉及日内开平仓交易的策略，如果需要，也可以在回测的配置参数页面调整数据粒度。例如，在以 1 小时为周期进行回测时，可以将其调整为更精细的 15 分钟数据。力量。

由于高频交易中的策略交易数量充足，单个产品一天可以交易几十甚至上百次高频交易如何打败滑点，所以只要匹配引擎合理，那么在大数定律的作用下，回测结果基本可靠。一般不存在过拟合的问题。但是，由于高频交易数量众多，需要对回测引擎有非常高的要求。

因为在高频交易回测中，交易频率越高，持仓时间越短，单笔交易的平均利润越低。如果不一样，就会出现“差价千里”的现象，所以对于高频交易来说，盘口级别的回测引擎是最好的选择。

盘口数据回测

通过用 C++ 编写的高频做市策略（也支持 Python 和 JavaScript 编写策略），我们将向您展示市场级回测的工作原理。您可以点击下面的链接完全复制该策略并进行在线回测。下图取自日志信息。注意，2019-07-12 14:59，我们以 2231 的价格买入 1 手，以 2232 的价格卖出 1 手。

演示策略是在跳跃时平仓。这时候开仓后，我们在2232平仓挂单，平空仓2231平仓。根据传统的 Tick 级别回测，此挂单价格无法平仓。但是，平台的市场级回测引擎会不断计算挂单量的变化。当到达第三个tick数据时，根据交易所的撮合机制，价格相同，时间优先。我们的余额 长期挂单的被动交易。