避免前视偏差的真实回测

为什么回测看起来比实盘更好？可能订单在信号产生前就已成交，日线值在当天结束前就已出现，或交易成本吞噬了利润。VBT 让您控制订单时机、按信息实际可用时间对齐数据、模拟成本，并检查逐笔成交。下面介绍如何用这些工具避免前视偏差，在 Python 中构建更真实的回测。

Fill a limit order on the bar that created it, then on the next bar

data = vbt.BinanceData.pull(
    "BTCUSDT", start="2020-01-01", end="2025-01-01", timeframe="1h"
)
dip = data.close < data.close.vbt.rolling_mean(24)  
limit_price = data.close * 0.99
exits = dict(
    tp_stop=0.02,
    td_stop=24,
    time_delta_format="rows",
    stop_entry_price="fillprice",  
    fees=0.001,
)

same_bar = vbt.PF.from_signals(  
    data, entries=dip & (data.low <= limit_price), price=limit_price, **exits
)
next_bar = vbt.PF.from_signals(  
    data, entries=dip, price=limit_price, order_type="limit", limit_tif=2, **exits
)
metrics = ["total_trades", "win_rate", "total_return", "sharpe_ratio"]
stats = {"same bar": same_bar.stats(metrics), "next bar": next_bar.stats(metrics)}
pd.DataFrame(stats).astype(float).round(2)

                  same bar  next bar
Total Trades        802.00    663.00
Win Rate [%]         83.29     66.37
Total Return [%]  87489.57    -31.97
Sharpe Ratio          3.88      0.01

同根 K 线版本总能买到已经发生的低点，再卖出反弹，因此更快到达目标，交易也更频繁。它显示 87,000% 收益，而符合因果关系的版本亏损 32%。这种差距说明，花时间搜索参数之前应先检查订单时机。

符合因果关系的订单时机

决策只能使用作出决策时已知的信息，订单只能在该时刻或之后成交。vbt.PF.from_signals 的 price 参数指定每个订单在 K 线何处执行：

设置	信号使用	订单成交
`price="close"`（默认）	本根收盘价	在该收盘价
`price="nextopen"`	本根收盘价	在下一根开盘价
`from_ago=1`	上一根 K 线	在本根价格
`order_type="limit"` 配合 `price="close"`	本根收盘价	从下一根起，在限价触及时

限价单也遵循相同规则。开盘时下单，可在本根任何位置成交；收盘时下单，等待下一根；中间下单，则只能检查收盘价。止损对后续各根最高与最低价进行检查，limit_delay 或订单延迟会进一步推迟成交。全部选项见订单与执行，延迟见订单延迟，同根内同时存在止损和目标时的处理见真实止损成交。

止损成交与数据分辨率

只有提供最高价和最低价，才能检查它们。若仅传入收盘序列，而非数据对象或 open、high 和 low，所有止损都要等收盘价越过水平后才触发：

Test a 3% trailing stop on closes only and on full bars

btc = vbt.YFData.pull("BTC-USD", start="2020-01-01", end="2025-01-01")
entries = btc.close.vbt.crossed_above(btc.close.vbt.rolling_mean(20))
pfs = {
    "close only": vbt.PF.from_signals(btc.close, entries, tsl_stop=0.03),
    "OHLC": vbt.PF.from_signals(btc, entries, tsl_stop=0.03),
}
stop_metrics = ["total_trades", "win_rate", "total_return", "max_dd"]
pd.DataFrame({k: pf.stats(stop_metrics) for k, pf in pfs.items()}).astype(float).round(2)

                  close only    OHLC
Total Trades           90.00   96.00
Win Rate [%]           38.89   41.67
Total Return [%]      530.06  213.53
Max Drawdown [%]       33.67   21.40

只使用收盘价时，只要日内下跌后收盘仍在止损之上，交易便会继续持有，因此捕捉更多反弹，收益增加一倍以上。止损最终触发时，成交价是低于止损水平的收盘价，加深了回撤。两个结果都不等同于交易所止损单实际会产生的结果。

高时间周期对齐

更长时间周期的数据存在同样陷阱。日线值要到当天收盘才已知，但若用普通前向填充对齐到小时 K 线，就会将当天收盘价提前交给当天各小时：

Align a daily trend filter to hourly bars, naively and safely

daily_close = data.close.resample("1D").last()
daily_trend = daily_close > daily_close.vbt.rolling_mean(20)
naive_trend = daily_trend.reindex(data.index, method="ffill")  
safe_trend = daily_trend.vbt.realign_closing(data.index, freq="1h")  
safe_trend = safe_trend.fillna(False).astype(bool)

pfs = {
    "naive": vbt.PF.from_signals(data, naive_trend, ~naive_trend, fees=0.001),
    "safe": vbt.PF.from_signals(data, safe_trend, ~safe_trend, fees=0.001),
}
pd.DataFrame({k: pf.stats(metrics) for k, pf in pfs.items()}).astype(float).round(2)

                      naive    safe
Total Trades         107.00  107.00
Win Rate [%]          93.46   25.23
Total Return [%]  854502.66  315.56
Sharpe Ratio           4.41    0.87

同样 107 笔交易，错误对齐时胜率 93%，安全对齐时为 25%。多时间周期分析详细介绍对齐与重采样。

时点资产池

只在今天仍上市的股票上测试，策略永远不会持有倒闭或退出指数的公司。为避免幸存者偏差，应保留曾属于资产池的全部品种，在其非成员期间填充 NaN，让回测看到各日期当时实际存在的资产池。没有价格的 K 线，VBT 会忽略全部信号，包括离场，因此应在品种仍属于资产池的最后一根 K 线上平仓。数据流程展示如何构建成员资格掩码。

交易成本与可用资金

即使使用正确价格，策略仍可能花掉实际上没有的资金。VBT 处理订单时计入手续费和滑点，因此成本既影响最终收益，也影响可买入数量。使用比例佣金、固定手续费和滑点，检验策略在成本后是否仍有效。手续费、滑点和杠杆介绍这些设置及借贷成本。

多个资产竞争同一笔资金时，使用共享现金余额。数量限制、整股或手数取整及部分成交设置，可模拟符合账户能力的订单。成交、限制与拒单提供订单被限制、部分成交和忽略的示例。

回测与实盘一致性

实盘与回测结果不同时，应逐步比较。相同输入、设置，以及使用随机性时的相同随机种子，可复现 VBT 模拟并找到首个差异。

数据： 检查实时 K 线与历史数据是否一致，包括最后一根仍在形成的 K 线。
指标与信号： 在实时数据上重新计算，比较数值与时间戳。各平台的指标定义也可能不同，例如 RSI 的平滑和预热方式，因此应先逐根比较数值，再比较交易。
订单： pf.orders.readable 列出每笔订单的信号、创建和成交 K 线，以及止损类型，可定位两次运行从哪里出现分歧。
成本： 检查回测遗漏的手续费、滑点和价差，详见手续费、滑点和杠杆。

订单已到执行阶段，却未按要求成交时，可启用 log=True 并检查 pf.logs.readable。日志展示请求订单、执行结果及前后账户状态，帮助区分资金不足与数量限制导致的减单，无须从净值曲线猜测。

实时模拟在新数据上逐根继续回测，日内与逐笔回测则在各根内部用更细数据检验成交。

结果好得不寻常时

先在图上查看几笔交易。若恰在 K 线最低或最高价成交，检查订单是否在达到该价格前已存在。超过 80% 的胜率或远超市场的收益值得深入检查，但单凭其中任何一项都不能证明策略偷看未来。