QMT 策略如何避免回测中的未来函数（Look-ahead Bias）？

在量化策略回测中，**“未来函数”（Look-ahead Bias）**是指在策略进行决策时，利用了当时那个时间点实际上无法获取的数据。这会导致回测结果虚高，实盘却严重亏损。

在 QMT 平台中，要确保回测的真实性，需要从撮合机制理解、行情数据获取、财务数据处理以及代码逻辑四个方面进行严格控制。

以下是具体的操作指南和注意事项：

1. 理解 QMT 的回测撮合机制

QMT 的 Python 策略主要通过 handlebar(ContextInfo) 函数驱动。

• 默认机制（安全）： 在日线回测中，handlebar 在每一根 K 线结束时被调用。此时，你拥有了这根 K 线的 Open, High, Low, Close (OHLC)。

  • 信号生成： 你利用当天的收盘价计算指标，产生买卖信号。
  • 订单执行： 默认情况下，QMT 会将交易指令发送到下一根 K 线的开盘时刻（Open）进行撮合。
  • 结论： 这种“今日收盘决策，明日开盘执行”的模式是避免未来数据的最标准做法。

• 风险点（quickTrade 参数）：

  • 如果在 passorder 函数中设置 quickTrade=1，或者使用 do_order()，意味着你试图在当前 K 线立即成交。
  • 危险场景： 如果你基于当天的 Close（收盘价）计算信号，并在当天就以 Close 价格成交，这就是典型的用到未来数据（因为在盘中你不可能知道收盘价是多少）。
  • 修正： 如果必须在当天成交（例如收盘前5分钟），必须确保你的逻辑是基于盘中实时数据，而非全天收盘数据。

2. 行情数据的正确获取

在使用 ContextInfo.get_market_data_ex 或 get_history_data 时，要注意数据的时间范围。

错误的做法

在计算指标时，获取了包含“明天”或“未来”的数据进行归一化或计算移动平均。

正确的做法

始终基于当前回测进度 ContextInfo.barpos 来截取数据。

# -*- coding: gbk -*-

def handlebar(ContextInfo):
    # 获取当前 K 线索引
    index = ContextInfo.barpos
    
    # 获取当前主图品种
    code = ContextInfo.stockcode + '.' + ContextInfo.market
    
    # 【正确】获取截止到当前 K 线的数据（count 设为一定长度，不要设为 -1 获取全部）
    # 注意：在 handlebar 运行结束时，当前 bar 的数据是已知的
    data = ContextInfo.get_market_data_ex(
        ['close'], 
        [code], 
        period=ContextInfo.period, 
        count=20,  # 获取过去20根
        end_time='', # 默认为当前进度时间
        subscribe=False
    )
    
    if code in data:
        df = data[code]
        # 确保数据长度足够
        if len(df) < 20:
            return
            
        # 计算指标，例如 MA20
        ma20 = df['close'].mean()
        
        # 获取上一根 K 线的收盘价（用于判断交叉）
        # 这里的 iloc[-1] 是当前 bar，iloc[-2] 是上一根 bar
        current_close = df['close'].iloc[-1]
        prev_close = df['close'].iloc[-2]

3. 财务数据的“公告日”原则

这是量化回测中最容易忽视的未来数据陷阱。

• 报告期 (Report Date)： 财报所属的时间段（如 2023年一季报，报告期是 2023-03-31）。
• 公告日 (Announcement Date)： 财报实际对外发布的时间（如 2023年一季报可能在 2023-04-25 发布）。

如果在 2023-04-01 就使用了一季报的数据进行选股，就是使用了未来数据。

QMT 中的正确用法

在使用 ContextInfo.get_financial_data 时，务必注意 report_type 参数。

• report_type='announce_time' (默认值/推荐)： 系统会根据公告日期来返回数据。即在 4月1日时，系统只会给你看 2022年年报的数据，只有到了 4月25日，系统才会给你看 2023年一季报的数据。这是真实的。
• report_type='report_time' (慎用)： 系统会根据报告期返回数据。这会导致你在 4月1日就能看到 4月25日才发布的数据，造成回测虚假繁荣。

# -*- coding: gbk -*-

def handlebar(ContextInfo):
    # ... 省略部分代码
    
    # 【正确】使用默认的 announce_time 或显式指定
    # 这样能确保在回测历史时间点上，只获取到当时已经公告的财报
    fin_data = ContextInfo.get_financial_data(
        ['ASHAREINCOME.net_profit_incl_min_int_inc'], # 净利润
        ['600000.SH'], 
        startDate=ContextInfo.get_bar_timetag(ContextInfo.barpos - 10), # 示例时间
        endDate=ContextInfo.get_bar_timetag(ContextInfo.barpos),
        report_type='announce_time' # 关键参数
    )

4. 避免特定的逻辑陷阱

• 最高/最低价成交： 不要编写类似 if price <= low: buy 的逻辑。因为在实盘中，你无法预知当天的最低价是多少，除非你挂单在那个价格等待成交（但回测很难模拟挂单排队）。建议以 open 或 close 价格成交。
• 全样本标准化： 如果你在回测开始前，先把所有历史数据拿来进行 Z-Score 标准化，然后再进行回测，这是严重的未来数据。标准化必须使用滚动窗口（Rolling Window），只利用过去 N 天的数据计算均值和方差。

5. 总结检查清单

在运行回测前，请检查以下几点：

1. 交易时机： 策略是否是“今日信号，明日开盘成交”？如果是“今日成交”，是否确保了没有利用今日收盘价作为成交价？
2. 财务数据： get_financial_data 是否使用了 announce_time 模式？
3. 数据引用： 是否只引用了 barpos 及其之前的数据，没有引用 barpos + 1 的数据？
4. 偷价行为： 是否设置了合理的滑点（ContextInfo.set_slippage）和手续费？虽然这不是未来数据，但忽略滑点会高估策略表现。

Q&A: 常见问题解答

Q: QMT 回测时，ContextInfo.get_market_data_ex 如果不填 end_time，默认是什么时间？
A: 在回测模式下，如果不填 end_time，默认是当前回测运行到的时间点（即 ContextInfo.barpos 对应的时间）。这保证了你不会取到比当前回测进度更晚的数据。

Q: 我想在收盘前 5 分钟交易，如何避免未来数据？
A: 你需要使用分钟线（如 5分钟或 1分钟周期）进行回测，或者在日线策略中使用 timetag_to_datetime 判断时间，并配合 do_order。但最稳健的方法是使用分钟周期回测，在每天的最后一根分钟 K 线（如 14:55）产生信号并下单。

Q: 为什么我的策略回测收益率极高，但实盘不行？
A: 除了未来数据（如提前知道财报、提前知道涨跌停）外，常见原因还包括：未计算滑点和手续费、成交量超过了市场实际流动性（买入量超过了当时的盘口挂单量）、使用了复权数据但未考虑除权日的实际买卖限制等。

Q: quickTrade=1 在回测中到底能不能用？
A: 可以用，但必须非常小心。它表示“立即下单”。如果在日线级别回测，且逻辑是 if close > ma20: passorder(..., quickTrade=1)，这就是利用未来数据（因为盘中不知道收盘价）。如果逻辑是 if open > ma20: passorder(..., quickTrade=1)，则是合理的（利用开盘价判断，开盘即买入）。