交易成本建模与回测引擎的实现细节（QuantStart）

QuantStart 回测方法论第二篇。接第一篇的偏差与软件选型，本篇处理回测里最常被新手忽略的两块：交易成本（三类成本 + 从固定到二次的成本模型谱系）与回测引擎决策（订单类型、数据频率与 OHLC 数据问题）。素材见 raw/collections/quantstart-backtesting-1/02-successful-backtesting-of-algorithmic-trading-strategies-part-ii-quantstart.md。

量化交易成本滑点市场冲击订单类型回测引擎数据质量

这是什么

这是 QuantStart「成功的算法交易回测」系列的第二篇。第一篇讲了统计与行为偏差、软件对比；本篇转向把回测做得更贴近现实的两件事：一是正确计入交易成本，二是搭回测引擎时要做的几个关键选择（用市价单还是限价单、用多高频的数据、怎么看待免费日线 OHLC 数据）。交易成本与滑点往往是「很赚的策略」和「做不下去的策略」的分水岭。

核心要点

交易成本的三类（不只券商佣金）

新手最常见的错误：忽略或严重低估交易成本；以为成本只是券商佣金。实际上有三类：
1. 佣金与费用（Commissions/Fees）：每笔交易付给通道的费用。算法只用到券商的基础设施（交易所通道），所以单笔佣金通常很小。另外还有清算结算费（fees），以及政府税——英国买股票要交印花税（stamp duty）。这类大多是固定额，最容易在回测引擎里建模。
2. 滑点 / 延迟（Slippage/Latency）：滑点 = 系统决定成交的时点到真实在交易所成交的时点之间的价格差。滑点是成本的大头，能决定一个策略「很赚」还是「很差」。滑点由三样东西决定：
  - 资产波动率：波动越大，信号到成交之间价格跑得越远。
  - 系统到交易所的延迟（latency = 信号产生到成交的时间差）：频率越高对延迟越敏感，毫秒级改进都能决定盈利与否。
  - 策略类型：动量策略平均滑点更大，因为它在买「正往预期方向动」的标的（顺势追单）；均值回归策略平均滑点较小，因为它逆着交易方向动。
3. 市场冲击 / 流动性（Market Impact/Liquidity）：大单在流动性差的资产上会把市场推走——订单要吃掉当前供给的很大一部分。对策是把大单拆成小块（chunks）分批、等新流动性来了再成交。反过来，像 S&P 500 E-Mini 股指期货这种高流动性合约，小额交易几乎不动现价。越不流动的资产 bid-ask 价差（spread）越大，价差本身也是交易成本——英国大量 spread-betting 公司广告主打「点差紧」，就是例证。

交易成本模型的谱系：Flat → Linear → Piecewise-linear → Quadratic

模型从最简单到最复杂：固定额（flat）→ 线性（linear）→ 分段线性（piecewise-linear）→ 二次（quadratic）。精确度递增，实现与计算成本也递增。
固定额模型最适合描述券商佣金/费用；完全不考虑波动率与流动性，对滑点与冲击基本无能为力。按策略不同会显著高估或低估成本，实践中很少单用。
滑点与市场冲击本质上是非线性现象，所以二次模型最准，也最难实现、计算最慢——但实践里常用。
进阶做法：把历史真实交易成本当作当前模型的输入，让模型更准。这涉及对波动率、滑点、冲击的建模，很难；但如果策略短期成交量大，准确的成本估计对净利润影响显著，值得投入研究。

回测引擎的关键选择

订单类型：市价单 vs 限价单：
- 市价单（market order）立即成交、不管价格。大额市价单会按对方限价单依次吃单，拿到的是一串混合价格。市价单是「激进」单：几乎必然成交，但成交成本未知。
- 限价单（limit order）让策略指定「最差可接受价」：可能部分成交或完全不成交，但一旦成交价格有保障。限价单是「被动」单。交易所里所有限价单的队列就是订单簿（limit order book）。
- 回测里必须正确建模两种单的成交效果。高频策略尤其：不建模市场冲击与订单簿，回测会显著好于实盘。
OHLC 数据的坑：以日线 Open-High-Low-Close 回测股票时，免费/便宜数据（零售散户最常用的 Yahoo Finance 正是这种）通常：
- 有幸存者偏差（第一篇讲过）；
- 常是多个交易所的合成报价（composite feed）——开高低收这些极值点容易被区域交易所的小单异常值污染；
- 还可能夹带没清洗掉的 tick 错误。
- 后果：策略若大量依赖 OHLC 的某个点（尤其高/低），实盘订单可能被路由到别的交易所，表现与回测不同。
- 解法：用更高频数据，或直接从单个交易所拿数据，而不是便宜的合成报价。

机制 / 论证

为什么必须建模成本：佣金/费/税固定可预测，滑点与冲击却是策略表现的分水岭——作者的论证链是：滑点取决于波动率、延迟、策略类型 → 高频+动量策略滑点最重 → 不建模这些，回测收益只是幻影。
动量 vs 均值回归的滑点差异：动量买正在朝预测方向运动的资产，追单更吃亏；均值回归逆势操作，成交时往往别人在反向，滑点更小。这告诉我们：同一套成本假设，对两类策略的杀伤力不同。
为什么大单要拆：市场冲击来自供需——大单吃掉当前供给就把价格推走；拆小单等流动性，把冲击摊薄。这告诉我们：回测成交假设要与「能不能吃得下这笔单」一致。
为什么限价单是双刃剑：成交价有保障，但可能不成交——回测若假设限价单总能成交，就高估了可执行性（高频尤甚）。
OHLC 极值不可靠的机制：合成报价把多交易所的极值拼在一起，区域交易所的小单会制造异常高/低点；tick 错误又雪上加霜。这告诉我们：用免费日线数据回测「破前高买入/破前低卖出」类策略，要怀疑极值本身的可信度。

可操作

回测引擎至少先计入固定佣金/费用/税——这是最容易、最不能省的。
按策略频率与规模选成本模型：低频、金额小时固定额起步；高频或大额时上二次模型（含滑点与冲击）；短期大成交量的策略值得花力气做历史真实成本输入。
对高频策略，务必建模订单簿与市场冲击；对用到 limit order 的策略，回测要承认「可能不成交」。
数据选型：别把免费合成日线 OHLC 当唯一真相源；策略若依赖 OHLC 极值，优先更高频数据或交易所直供数据。
把 A 股的落地数字接进来：本篇是英文方法论骨架；A 股具体费率（佣金/规费/过户费/印花税）与保本计算见交易成本（佣金、规费、过户费与印花税）与量化课堂 16 篇；跨期套利等对滑点/冲击敏感的 A 股策略的近似做法（如「下单量 ≤ 成交量 1/10」）见量化课堂 15 篇。

术语

交易成本（transaction costs）：佣金、滑点、市场冲击三类成本的总称。
印花税（stamp duty）：英国等市场对股票交易征收的税（A 股也有同名印花税，见 trading-costs）。
滑点（slippage）：决定成交价与真实成交价之差。
延迟（latency）：信号产生到成交的时间差。
市场冲击（market impact）：大单改变市场价格的代价。
流动性（liquidity）：以接近现价的价格成交的能力。
买卖价差（spread）：订单簿上买价与卖价之差，本身是成本。
订单簿（limit order book）：限价买单卖单按价格、数量排成的队列。
市价单 / 限价单（market / limit order）：激进立即成交 vs 被动指定最差价的两种订单。
合成报价（composite price feed）：多交易所行情拼合的数据源。
OHLC：开（Open）高（High）低（Low）收（Close）四个日线价格。
E-Mini S&P 500：CME 的迷你标普 500 股指期货合约，文中作「高流动性」的例子。

不确定 / 待验证

全文无具体数字与实验，成本分类与模型谱系是作者方法论叙述；观点归 QuantStart 作者个人。
写作时点语境（约 2012 前后）：所举 Yahoo Finance 数据形态、spread-betting 行业、E-Mini 等以当时为准 [需要验证]。
「二次模型最常用」是作者经验判断，未给采用率或实证。
本系列后续篇目（绩效度量、含上述效果的配对交易示例）未在本库收录。
文末 Quantcademy 与两本书条目为站内商业推广，非方法论内容。