回测引擎的五个工程细节：3000 根 4 小时 K 线跑出来的成本差

策略逻辑通常只有十行，剩下的全是工程问题。这篇不讲策略，只讲一个能跑的回测引擎里，哪些细节会让结果从「看起来能用」变成「可信」，每一节都附上今天的实测数字。

0. 基准数据

BTCUSDT，日线 1000 根（2024-01-28 至 2026-10-23，42031.06 → 81706.84），4 小时 3000 根（2025-06-10 至 2026-10-23，109205.14 → 81706.84）。这两段长度不同，后面会说为什么这本身就是个坑。

1. 数据层：分页、时区、缺口

币安 /api/v3/klines 单次最多 1000 根，要更多必须按 endTime 往前翻。三个细节：

python 复制代码

def fetch(symbol, interval, count):
    rows, end = [], None
    while len(rows) < count:
        limit = min(1000, count - len(rows))
        params = {"symbol": symbol, "interval": interval, "limit": limit}
        if end:
            params["endTime"] = end
        batch = requests.get(BASE + "/api/v3/klines", params=params, timeout=25).json()
        if not isinstance(batch, list) or not batch:
            break
        rows = batch + rows      # 前插，不是 append
        end = batch[0][0] - 1
        time.sleep(0.25)         # 公共接口限频，别打爆
    return rows[-count:]

前插：往前翻出来的批次时间更早，必须 batch + rows。写成 append，回测会在一段乱序数据上跑，指标全错但不报错。
单位：币安给毫秒，别用 unit="s"，否则整段数据错到 1970 年，pandas 不会提示你。
缺口：拿到数据先做一次完整性检查，这条比前两条重要。

python 复制代码

import pandas as pd

def check_gaps(df, freq):
    ts = pd.to_datetime(df["open_time"], unit="ms") if df["open_time"].dtype != "datetime64[ns]" else df["open_time"]
    diff = ts.diff().dropna()
    expected = diff.mode().iloc[0]
    bad = diff[diff != expected]
    return {"bars": len(df), "expected_gap": str(expected), "missing": int((bad / expected - 1).sum())}

币安 7×24 交易，4 小时线理论上不该有缺口。一旦出现，说明中间有数据缺失或接口返回不完整，这时候算出来的「最大回撤」可能是某次断档造成的假信号。

2. 成交层：信号与成交必须错开一根

最常见的写法：

python 复制代码

df["signal"] = (df["close"] > df["ma20"]).astype(int)
df["ret"] = df["signal"] * df["close"].pct_change()   # 错

这行代码隐含的假设是：你在收盘瞬间知道收盘价，同时又以收盘价完成成交。实盘做不到。正确写法：

python 复制代码

df["position"] = df["signal"].shift(1).fillna(0)

再进一步，把成交价定成下一根开盘，并且滑点有方向 ：买入往上偏，卖出往下偏。很多人只写 price * (1 - slippage)，那样买入反而变便宜了，等于给策略发补贴。

python 复制代码

entry_px = df["open"].iloc[i] * (1 + SLIP)
exit_px  = df["open"].iloc[i] * (1 - SLIP)

3. 成本层：按换手扣，不是按次数扣

python 复制代码

d["turnover"] = d["position"].diff().abs().fillna(0)
d["net"] = d["position"] * d["mkt"] - d["turnover"] * (FEE + SLIP)

用 diff().abs() 而不是数信号变化次数，是因为中间仓位（0.5 仓）按次数算会漏掉一半换手。

这一节给实测。同一个双均线 10/30，BTC 4 小时，63 笔交易，只改成本假设：

单边成本	总收益	最大回撤	夏普
0	-25.12%	-39.04%	-0.67
0.05% + 0.02%	-31.40%	-43.25%	-0.91
0.10% + 0.05%	-37.94%	-47.72%	-1.19
0.20% + 0.10%	-48.58%	-55.29%	-1.70

从零成本到 0.30% 单边，净值差 23.46 个百分点。63 笔交易，最坏情况摩擦吃掉的不是零头，是四分之一本金。

同样这套代码，日线 1000 根上的结果是 -5.30%（21 笔，最大回撤 -37.51%）。同一个策略、同一段行情末尾，切换周期后交易次数翻三倍，成本从 3 个百分点量级变成 23 个百分点量级。

4. 指标层：年化因子、回撤、水下时长

python 复制代码

def metrics(d, bars_per_year=365, rf=0.0):
    eq = d["equity"]
    total = eq.iloc[-1] - 1
    years = len(d) / bars_per_year
    annual = (1 + total) ** (1 / years) - 1 if years > 0 else 0
    dd = (eq / eq.cummax() - 1).min()
    vol = d["net"].std()
    sharpe = (d["net"].mean() - rf / bars_per_year) / vol * (bars_per_year ** 0.5) if vol else 0
    return total, annual, dd, sharpe

三个容易写错的地方：

年化因子跟着周期走。日线 365，4 小时 6×365=2190。用错因子，夏普会差 2.4 倍。
回撤用 equity/cummax - 1，不是 close 的价格回撤。含成本和复利之后，净值回撤才是账户感受。
水下时长（underwater duration）比最大回撤更能描述体验。买入持有 BTC 日线的最大回撤 -52.97%，最长水下 382 根；ETH 是 -67.55%，最长水下 515 根。一年半没创新高，这个数字比 -67% 更劝退。

5. 可比性层：样本长度不一致时，别横着比

这是我今天写脚本时差点犯的错。4 小时 3000 根 = 500 天，日线 1000 根 = 1000 天。两段区间不同：

数据	区间	期初收盘	期末收盘	区间涨跌
BTC 日线 1000 根	2024-01-28 ~ 2026-10-23	42031.06	81706.84	+94.26%
BTC 4 小时 3000 根	2025-06-10 ~ 2026-10-23	109205.14	81706.84	-25.18%

4 小时那段是单边下跌，日线那段整体上涨。把我的 -31.40% 和 -5.30% 直接对比，等于拿两段完全不同的行情说事。这两个数字只能用于成本敏感性，不能用于评价策略优劣。

工程上的处理：引擎输出里强制带上 start / end / bars / interval，报告层只要发现两个结果的区间不一致，就禁止横向比较。这条规则是纯流程性的，但它拦住过我三次。

6. 顺手做的参数扫描

python 复制代码

results = []
for fast in [5, 8, 10, 12, 15, 20]:
    for slow in [20, 25, 30, 40, 50, 60]:
        if fast >= slow:
            continue
        r = run(btc_daily, sig_ma(btc_daily, fast, slow))
        results.append({"params": f"{fast}/{slow}", **r})

35 组结果：中位数 +14.42%，均值 +17.63%，标准差 17.91，最差 -9.23%（8/30），最好 +65.76%（12/20）。

写这段代码很容易，读这段结果很难。报告里给中位数和离散度，比给最优组诚实得多。

7. 结论

回测引擎的代码量不大，但每一个默认值都是一次假设：数据是否连续、成交用哪个价、成本怎么扣、年化除以几、两段结果能不能比。这些假设不会让程序报错，只会让你的曲线好看或者难看。

把假设写进输出，把区间写进报告，剩下的才轮到讨论策略。

数据说明

数据：币安公开 K 线接口，BTCUSDT 日线 1000 根、4 小时 3000 根，读取时间 2026-10-23。
成本默认单边 0.05% 手续费 + 0.02% 滑点，敏感性测试中逐档调整。
信号收盘计算，下一根开盘成交，买入加滑点、卖出减滑点。

本文为回测工程实现的技术分享，不构成任何投资建议。加密资产价格波动极大，历史回测结果不代表未来表现，任何决策及后果由操作者自行承担。