研究方法回測引擎

第 2 章

回測引擎

我們的回測引擎由團隊自行開發，採用事件驅動架構。引擎完全按照現實中的情況模擬交易決策——每次只處理一根 K 線，絕不使用未來的資訊。

1. 事件驅動架構

引擎的核心設計原則，是策略只能看到當前 K 線及更早的數據，永遠無法看到未來的 K 線。這是由系統架構強制保證的，而非僅靠制度規範。策略程式碼在物理層面上不可能讀取前瞻數據。

處理迴圈（每根 K 線）

數據輸入

OHLCV K 線到達

指標引擎

重新計算指標

策略邏輯

評估入場／出場規則

訂單生成

建立待處理訂單

訂單執行

於下一根 K 線開盤價成交

組合更新

損益、權益曲線

按序處理

每根 K 線按時間順序逐一處理。引擎設有嚴格的游標——可讀取第 T 根及之前的所有 K 線，但第 T+1 根此時尚不存在。

結果可重現

只要數據檔案和策略參數相同，引擎每次都會得出完全一致的結果。沒有隨機性，各次運行之間也沒有浮點數誤差。

多資產支援

引擎可同時對多個標的運行策略，並遵守投資組合層面的資金限制，同時考慮跨資產相關性。

2. 信號生成

交易信號是將指標函數應用於價格序列而生成。第 T 根 K 線的所有指標值，僅使用第 T 根 K 線當時可得的數據計算，即從第 0 根至第 T 根（含）的價格。信號隨後於第 T+1 根 K 線的開盤價執行。

# 簡化的偽代碼——說明如何禁止前瞻
for T in range(warmup_period, len(bars)):
    current_bar = bars[T]          # 只能看到這根 K 線的 OHLCV
    history     = bars[:T+1]       # 截至並包括 T 的所有 K 線

    # 指標只基於 [0..T] 計算——無法存取未來的 K 線
    sma_fast = mean(history.close[-20:])
    sma_slow = mean(history.close[-50:])
    rsi      = rsi_func(history.close, period=14)

    # 信號出現在第 T 根 → 於第 T+1 根開盤時執行（下一次函數調用）
    if sma_fast > sma_slow and rsi < 70:
        queue_order(side='BUY', qty=position_size(), exec_bar=T+1)
            

支援的指標類型

▸ 移動平均線（SMA、EMA、WMA、DEMA、TEMA、KAMA）
▸ 動量指標（RSI、MACD、Stochastic、CCI、ROC）
▸ 波動率指標（ATR、Bollinger Bands、Keltner Channels、HV）
▸ 成交量指標（OBV、CMF、VWAP、Volume Profile）
▸ 趨勢指標（ADX、Parabolic SAR、Ichimoku Cloud）
▸ 震盪指標（Williams %R、Ultimate Oscillator、MFI）
▸ 統計指標（Z-score、線性迴歸斜率、相關係數）
▸ 自訂複合指標（按策略而定）

信號類型

▸ 做多入場／做空入場
▸ 做多出場／做空出場（明確指定）
▸ 止損觸發（按價格或 ATR 倍數）
▸ 止盈觸發（固定目標或追蹤式）
▸ 加倉／減倉（金字塔式入場）
▸ 按時間出場（固定持倉期）
▸ 市況過濾（市場環境閘門）
▸ 按風險出場（組合回撤門檻）

3. 成交模型

成交模型決定訂單如何成交。我們刻意採用保守假設，使結果略為低估真實表現。與其失望，不如有意外之喜。

成交參數

成交價

下一根 K 線開盤價（T+1 開盤）避免不切實際的同一根 K 線成交

滑價

每宗交易 0.05%（預設）對流動性充足的股票作保守估計

佣金——香港

來回 0.10% 香港零售經紀的一般收費水平

佣金——美國

來回 0.05% 美國經紀的一般收費水平

佣金——日本／歐洲

來回 0.15% 反映當地較高的成本

最小交易單位

按各交易所規定執行不可買賣碎股

沽空

於歷史上允許沽空的情況下方可進行套用交易所的上升報價規則

借貨成本

年化 0.5%–5%（視策略而定）適用於沽空倉位

為何採用下一根 K 線開盤價？

大多數零售回測工具容許在產生信號的同一根 K 線上成交——這在現實中是不可能的。若均線交叉發生在第 T 根 K 線收市時，你無法以第 T 根的收市價交易，因為信號要到該 K 線收市後才能得知。

我們的規則： 信號於第 T 根 K 線收市時出現 → 訂單排隊 → 於第 T+1 根 K 線開盤時成交。這是現實中最早可執行的時間。

我們絕不會做的事： 以第 T 根 K 線的收市價、最高價或最低價成交。這些價格要到 K 線收市後才能得知——實時交易中無法以這些價格成交。

4. 倉位規模模型

倉位規模決定每宗交易分配多少資金。報告所採用的倉位模型一律在報告開首披露。不同策略會按其風險特徵採用不同的模型。

固定比例（佔權益百分比）

最常見

最廣泛使用的模型。每宗交易承擔的風險為當前帳戶權益的固定百分比。帳戶增長時，倉位按比例增大；帳戶縮減時，倉位隨之縮小。

# 公式
倉位規模 = 帳戶權益 × 風險% ÷ (入場價 – 止損價)

# 示例
帳戶：HK$100,000 | 風險：2% | 入場：HK$10 | 止損：HK$9 → 數量 = HK$2,000 ÷ HK$1 = 2,000 股

固定金額

簡單策略

無論帳戶大小，每宗交易分配固定金額。易於理解，但無法隨帳戶增長而調整。

# 公式
倉位規模 = 固定金額 ÷ 入場價

# 示例
固定：HK$10,000 | 入場：HK$10 → 數量 = 1,000 股

波動率調整（基於 ATR）

趨勢策略

倉位規模與標的近期波動率成反比調整，波動率以平均真實波幅（ATR）衡量。波動較大的標的倉位較小，波動較小的標的倉位較大。

# 公式
倉位規模 = (帳戶權益 × 風險%) ÷ (ATR(14) × ATR 倍數)

# 示例
帳戶：HK$100,000 | 風險：2% | ATR：HK$0.50 | 倍數：2 → 數量 = HK$2,000 ÷ HK$1 = 2,000 股

凱利公式（半凱利）

進階用法

凱利公式根據策略的歷史勝率及風險回報比，以長期增長最大化為目標。我們採用半凱利（公式結果的 50%）以降低波動。

# 公式
f* = (W × R – (1–W)) ÷ R → 半凱利 = f* ÷ 2

# 示例
勝率：55% | 風險回報比：2:1 → f* = (0.55×2 – 0.45)/2 = 32.5% → 半凱利 = 權益的 16.25%

5. 投資組合層面的模擬

當策略同時交易多個標的時，引擎會執行投資組合層面的限制，避免出現可同時持有無限數量交易的不切實際情況。

資金分配

每個未平倉倉位都會佔用資金。引擎會追蹤已投入的總資金，若剩餘現金低於最小倉位規模，便會拒絕新的入場。除非策略明確指定，否則不使用槓桿。

最大持倉數量

每個策略都會訂明可同時持有的最大倉位數目。達到上限後，新的入場信號會排隊等候，待現有倉位平倉後才成交。這可避免過度分散。

組合回撤止損

若整體組合回撤超過可設定的門檻（預設：25%），所有倉位將被平倉，並在冷靜期內暫停新的入場。這模擬了風險管理的紀律。

再平衡與偏離

對於多資產策略，引擎會定期將倉位權重調整回目標配置。再平衡頻率及容差範圍可按策略分別設定。

6. 支援的時間週期

引擎支援多種數據解析度。策略適用的時間週期取決於其持倉期及信號頻率。

時間週期	一般持倉期	策略類型	適用範圍
日線（收市）	5 天 – 12 個月	波段交易、持倉交易	所有市場
週線	1–6 個月	趨勢跟隨、長線	所有市場
月線	3–24 個月	宏觀策略、因子模型	所有市場
4 小時	1–5 天	短線波段	香港、美國（經由聚合）
1 小時	4–48 小時	日內波段	僅限香港、美國
15 分鐘	1–8 小時	日內交易	僅限香港、美國
5 分鐘	30 分鐘 – 4 小時	短炒策略	僅限美國（歷史數據有限）

第 1 章：數據來源第 3 章：偏差控制