聚宽(JoinQuant)回测陷阱：如何避免低流动性与涨跌停板的撮合误差？

一个关于聚宽标准回测引擎的“回测陷阱”问题

聚宽的标准回测引擎（无论是分钟级还是 Tick 级）在成交撮合上主要基于“价格优先”和“成交量比例”的理想化假设。但在实际交易中，尤其是针对低流动性个股、极速涨跌停板抢入、或者高频抢单场景，这种模型与**存在巨大的“回测陷阱”。这个有什么办法解决吗？

聚宽（JoinQuant）的标准回测引擎在设计上为了兼顾计算效率和通用性，确实采用了一些理想化的假设（如“价格优先”和“按成交量比例撮合”）。在面对低流动性个股、涨跌停板抢单或高频交易时，这些假设会导致回测结果与实盘产生巨大偏差，这就是所谓的“回测陷阱”。

常见的“回测陷阱”解析

1. 涨跌停板的“虚假成交”：在回测中，只要价格触及涨跌停价，引擎可能会根据设定的 order_volume_ratio 判定部分成交。但在实盘中，涨跌停板往往伴随着巨量的封单，排在后面的单子根本无法成交。
2. 低流动性个股的冲击成本缺失：回测引擎通常按设定的滑点成交，忽略了你的大额订单对盘口的实际冲击。在实盘中，买入低流动性股票可能会直接扫空几档盘口，导致实际成交均价远劣于预期。
3. 高频抢单的排队劣势：回测无法模拟交易所的订单队列。实盘中，即使价格合适，如果你的单子排在后面，也可能无法成交。

聚宽平台上的解决方案

针对上述问题，可以通过合理配置聚宽的 API 和优化策略逻辑来尽量缩小回测与实盘的差距：

1. 严格限制成交量比例 (order_volume_ratio)

默认情况下，聚宽的成交量比例是 1.0（即不超过市场总成交量）。对于低流动性策略，建议将其调低，以模拟冲击成本和流动性限制。

def initialize(context):
    # 设定成交量比例，例如订单成交量不超过该分钟/日总成交量的 10%
    set_option('order_volume_ratio', 0.10)

2. 设置更严苛的滑点 (set_slippage)

不要使用默认滑点，应根据交易标的的特性设置更符合实际的滑点。对于低流动性个股，可以设置较大的百分比滑点。

def initialize(context):
    # 为股票设定 0.5% 的双边滑点（买入加 0.25%，卖出减 0.25%）
    set_option('use_real_price', True)
    set_slippage(PriceRelatedSlippage(0.005), type='stock')

3. 策略逻辑中主动过滤涨跌停板

不要依赖回测引擎的撮合来处理涨跌停，应该在代码中主动判断。如果标的接近或处于涨跌停状态，直接放弃下单。

def handle_data(context, data):
    security = '000001.XSHE'
    current_data = get_current_data()
    
    # 获取最新价、涨停价和跌停价
    last_price = current_data[security].last_price
    high_limit = current_data[security].high_limit
    low_limit = current_data[security].low_limit
    
    # 如果当前价格等于涨停价，不买入
    if last_price >= high_limit:
        log.info(f"{security} 已涨停，放弃买入")
        return
        
    # 如果当前价格等于跌停价，不卖出
    if last_price <= low_limit:
        log.info(f"{security} 已跌停，放弃卖出")
        return
        
    # 正常下单逻辑...

4. 开启真实价格模式 (use_real_price)

前复权价格在历史回测中可能会导致股价极低（甚至为负），从而导致计算出的买入股数与实盘严重不符。务必开启真实价格模式。

def initialize(context):
    # 强烈建议开启，使用真实价格撮合成交
    set_option('use_real_price', True)

5. 模拟盘开启盘口撮合 (match_with_order_book)

如果你已经进入模拟交易阶段，可以开启盘口撮合模式。该模式会根据真实的买一卖一等盘口数据进行撮合，比单纯的 Bar 撮合真实得多。

def initialize(context):
    # 仅在模拟交易中生效，开启盘口撮合
    set_option('match_with_order_book', True)

6. 避免未来数据 (avoid_future_data)

回测陷阱有时也来源于无意中使用了未来数据（例如在开盘时使用了当天的收盘价）。

def initialize(context):
    # 开启避免未来数据模式，若调用未来数据会报错或过滤
    set_option("avoid_future_data", True)

总结

没有任何回测引擎能 100% 还原实盘。在聚宽平台上，通过调低 order_volume_ratio、加大滑点、代码层面规避涨跌停以及开启真实价格模式，可以有效挤出回测收益中的“水分”。对于极度依赖微观结构的高频抢单策略，建议在 Tick 级别回测验证后，尽快投入小资金实盘进行检验。