盘面交易回测对于量化交易策略中的局限性

交易回测的意义

一．能提升构建交易系统的能力

构建交易系统需要有完整的框架和完善的逻辑，需要同时考虑进出场条件及位置，自定义指标的设计，数据库的架构，订单算法等多种交易模块的实现，还需要结合风控模型，多仓位多账户管理等非交易模块的衔接。在实现的过程中，需要考虑程序语言的逻辑性和实现性，因此，能否有效回测，是构建程序化交易的目的的第一步。而回测过程的简单高效，则对编程水平与策略构建有进一步的要求。

二， 能系统性的统计交易记录，优化交易策略

通过对指定时间的交易进行回测，能做出全面系统的数据统计。交易者可以根据成交量，胜率，盈亏比，最大回撤比率，夏普率等一系列统计指标来判断交易策略的优劣，进而为优化交易策略提供科学的指导。

三． 图形化输出回测结果

在回测过程中，程序化交易可以实现图形化的回测效果，通过观察进出场位置以及交易量，并且可以叠加不同交易模板，可以直观的给交易者提供策略的特征

四．能横向比较不同交易策略的特点

通过对回测结果的统计，可以发现不同策略之间盈利能力的特点及异同，并能为逆向破解提供统计基础。

五．能尽早体现交易思路的可行性

当有了新的交易策略或方法的时候，可以通过编写新指标，新算法或者新策略来量化交易结果，用以检验新方法的可行性。通过计算机的回溯，能更快更全面的反映出新方法的好坏，继而节省

交易回测的局限性

一． 交易回测只能代表过去无法预测未来

回测是基于历史数据进行的策略模拟，由于黑天鹅的尾部效应，导致即使回测结果能够覆盖99%的行情，也无法解决剩下1%的意外发生，而往往1%的意外是致命的。

二． 交易回测无法做到与实际成交一样的结果

由于程序执行速度，订单指令，交易规则，网络环境，交易对象流动性等原因存在，真实的成交环境远比模拟成交的复杂。

另外，数据库的真实与完整也直接影响回测的效果，不同的平台也会有不尽相同的真实数据产生。这些都是模拟交易无法探知的实际影响。

三． 交易回测策略的局限性

大部分量化交易策略能直接使用EA进行回测，但有些主观交易无法通过程序实现自然也无法看到回测的效果，因此还是会有策略选择上的偏差，不能做到尽善尽美。