为什么我的 QMT 策略回测很赚钱，实盘却亏钱？

这是一个非常经典且普遍的量化交易问题。策略回测表现优异（高收益、低回撤），但实盘交易却大相径庭，这种现象通常被称为**“回测失真”**。

造成这种情况的原因主要可以归纳为三大类：代码逻辑错误（未来函数）、模型过度拟合、以及环境与交易摩擦的差异。

以下是基于量化交易原理及 QMT 平台特性的详细分析：

1. 未来函数（Look-ahead Bias）

这是最常见导致回测虚假繁荣的原因。策略在计算信号时，使用了当时实际上无法获取的数据。

• 收盘价陷阱：在日线级别回测时，如果在当天的逻辑中使用了当天的 close（收盘价）来决定是否在当天买入，这就是未来函数。因为在盘中交易时，收盘价还没有产生。
• 最高/最低价陷阱：如果在盘中使用了当天的 high 或 low 来触发止盈止损，回测引擎通常会假设你能以该价格成交，但实盘中你可能根本无法在该价格触达的瞬间成交。
• 财务数据引用：在回测中直接引用了财报发布当季的数据，但未考虑财报实际的公告日期（Announce Date）。例如，一季报数据可能在4月底才公布，如果在4月1日就用该数据进行选股，就是使用了未来数据。

2. 信号闪烁（Repainting）与 QMT 运行机制

QMT 的 handlebar 机制在实盘和回测中略有不同，处理不当会导致信号消失。

• 盘中信号消失：在实盘或模拟盘中，handlebar 会随每一个 Tick（分笔数据）驱动运行。如果你的策略逻辑是“股价 > 均线则买入”，盘中某一瞬间股价冲高触发买入，但收盘时股价回落，信号消失。回测通常是基于已完成的 K 线（Bar）计算的，不会记录这种盘中的“虚假信号”，而实盘中你可能已经成交了，导致实盘亏损但回测中没有这笔交易。
• 解决方案：
  • 使用 ContextInfo.is_last_bar() 判定是否为 K 线结束时刻。
  • 或者逻辑改为：当前 K 线计算信号，下一根 K 线开盘（Open） 执行交易。
  • 检查 passorder 函数中的 quickTrade 参数设置。如果设置为 1（立即下单），容易出现信号闪烁问题；设置为 0 通常更稳健（等待 K 线走完）。

3. 过度拟合（Overfitting）

策略是为了迎合历史数据而“硬凑”出来的。

• 参数孤岛：例如，你发现 MA(23) 和 RSI(14) 在过去两年效果极好，但换成 MA(24) 效果就崩塌。这说明策略没有逻辑支撑，只是恰好撞上了历史数据的噪声。
• 规律失效：市场风格是轮动的。回测曲线好看可能只是因为策略刚好适应了过去某一段特定的行情（如单边牛市或小盘股行情），一旦实盘遇到市场风格切换，策略就会失效。

4. 交易摩擦与滑点（Frictions & Slippage）

回测环境过于理想化，忽略了真实交易的成本。

• 滑点设置不足：回测通常假设以“收盘价”或“开盘价”精准成交。实盘中，由于行情波动和网络延迟，实际成交价往往比信号价差。如果策略是高频或短线策略，几个跳价（Tick）的滑点就可能吃掉所有利润。
• 手续费低估：未在回测中扣除印花税（特别是卖出时的千分之0.5）、佣金（万分之几）以及期货的平今仓手续费。
• 流动性陷阱：回测中，你可以在跌停板买入或涨停板卖出，或者在成交量极小的股票上买入几百万金额。实盘中，这些操作根本无法成交，或者你的买入行为本身会推高股价（冲击成本），导致成本大幅上升。

5. 幸存者偏差（Survivorship Bias）

• 数据源问题：如果你的股票池只包含当前上市的股票，那么你实际上剔除了历史上那些因为业绩差而退市或暴雷的股票。回测时你“天然”避开了这些雷，导致收益虚高。实盘中，你买入的股票未来是有可能退市的。

6. QMT 平台特有的数据差异

• 复权方式：回测时通常使用前复权数据，而实盘交易使用的是不复权价格。如果在计算指标（如均线）时混淆了复权与不复权数据，会导致信号错位。
• 数据质量：回测使用的历史数据通常经过清洗，而实盘接收的是实时推送数据，可能会偶发丢包或异常值（如价格瞬间归零又恢复），如果代码没有异常值过滤逻辑，会触发错误交易。

建议排查步骤

1. 检查信号时机：将策略改为“收盘计算信号，次日开盘成交”，看回测效果是否大幅下降。如果下降，说明原策略依赖盘中运气或未来函数。
2. 增加压力测试：在 QMT 回测参数中，将滑点（Slippage）设置为 2‰ 或更高，将手续费设置为真实费率的 1.5 倍。如果策略这就失效了，说明逻辑太脆弱。
3. 检查 QMT 代码：
   • 确保使用了 ContextInfo.get_market_data_ex 等规范接口。
   • 确认 passorder 的 quickTrade 参数是否符合你的预期。
   • 确认是否正确处理了 ContextInfo.is_new_bar() 或 ContextInfo.is_last_bar()。
4. 样本外测试：将历史数据分为两段（例如 2018-2021 训练，2022-2023 验证）。如果在验证集上表现很差，说明过度拟合。

Q&A

Q: 什么是 QMT 中的“未来函数”？
A: 在 QMT 中，如果在计算当前 K 线（Bar）的指标时，引用了该 K 线尚未走完时的数据（如在盘中就确信当天的收盘价是 X），或者引用了当时尚未发布的财务数据，即为未来函数。

Q: 如何在 QMT 回测中设置滑点以模拟真实情况？
A: 可以使用 ContextInfo.set_slippage(type, value) 接口。例如 ContextInfo.set_slippage(1, 0.02) 表示按固定值 0.02 元设置滑点，或者在策略编辑器的“回测参数”面板中直接设置。

Q: 为什么我的策略在 QMT 模拟盘中有信号，但没有委托？
A: 这通常不是回测失真，而是代码逻辑问题。请检查：1. 资金是否充足；2. 是否处于非交易时间；3. passorder 函数的参数是否正确（如账号ID、操作类型）；4. 是否触发了风控限制。

Q: 如何避免信号闪烁？
A: 最稳健的方法是使用“走完 K 线”模式。在 Python 代码中，可以通过判断 ContextInfo.is_last_bar() 是否为 True 且当前时间接近收盘，或者在 handlebar 中计算信号，但使用 do_order 在下一根 K 线的起始时刻进行下单。