从模拟盘到真金白银的10个注意事项
第227页 · 预计12页
回测结束后，对方最关心的问题从“策略历史表现怎么样”转向了“实盘跑会不会不一样”。这是非常务实的疑问，也是绝大多数量化策略从纸面到落地的第一道坎。很多人回测曲线做得漂漂亮亮，一上实盘收益直接打对折，甚至亏钱，核心差异来自四个层面：数据、执行、成本、心理，每一层都会放大偏差，最后累积成显著的差距。
第一是数据层面的延迟与缺失。回测用的是清洗对齐后的历史数据，所有时间点都是完整对齐的。实盘中，行情数据收盘后很快就能拿到，但主力资金流向数据，主流数据源通常要到交易日19点之后才更新完整。如果你收盘后立刻运行筛选，用的其实还是前一天的资金数据，次日买入清单就会和回测中的清单有偏差。另外免费数据源偶尔会出现单只股票某日数据缺失的情况，回测里可以用前后值填充，实盘中如果缺失的是关键的转向信号，就可能错过买点或者卖点。
第二是执行层面的滑点与流动性。回测默认总能以开盘价成交任意数量的股票。实盘中，小盘股开盘瞬间波动1%很常见，你的限价单可能没法按开盘价成交；如果个股日均成交额低于5000万，单笔买入几十万都可能直接推高价格，这就是滑点成本。更极端的是开盘跌停，你想止损卖出，但根本没有接盘，挂单也卖不出去，连续跌几个停板，实际亏损远大于回测里的假设。
第三是成本层面的隐性费用。回测里我们设定了固定的佣金和滑点模型，但实盘中，佣金可以和券商协商，低的能到万分之一，但滑点是随市场波动的，行情剧烈的时候，滑点能到千分之五甚至更高。还有沪市的过户费，虽然只有十万分之二，累积下来也不是小数目。很多人回测里不算过户费、不算最低佣金，成本算少了，实盘收益自然就低了。
第四是心理层面的执行偏差。这是最隐蔽也最致命的差异。回测的时候，你看着净值下跌，知道是历史数据，心态毫无波澜。实盘中，真金白银每天在缩水，你会忍不住怀疑策略是不是失效了，要不要提前卖，要不要加仓抄底，这些念头会让你偏离规则，做出回测里从来不会出现的操作。很多时候不是策略不行，是人没守住规则。
对方问有没有办法缩小这些差异，我给出了实盘部署前的十项检查清单，逐项落地能把实盘和回测的差距控制在合理范围内。
第一项是数据源确认与备份。至少选两个数据源，主用Tushare Pro，备用AKShare，提前写好自动切换逻辑，主源返回空值或者异常值的时候自动切备用。每天开盘前检查数据更新状态，如果缺失标的超过5%，就暂停当日交易。不要单吊一个数据源，哪天接口调整或者服务挂了，策略直接停摆。如果需要多数据源自动切换的现成脚本，可以到intoquant.com壹信量化官网获取定制服务。
第二项是时间同步。确保运行策略的电脑时间和交易所时间同步，误差小于1秒。Windows系统可以开启Internet时间自动同步，Linux服务器用ntpdate命令定时校准。别小看时间同步，差个几秒钟，开盘下单的价格就可能差很多，条件单触发也会不准。
第三项是异常处理代码。提前写好各类异常场景的处理逻辑：数据接口超时就重试3次，还失败就调用缓存数据；返回值格式变动就捕获异常，发送告警通知；个股停牌、退市就标记跳过，不纳入当日选股；买入清单里的股票开盘涨停就放弃买入，对应资金留到次日。不要遇到异常程序就崩溃，也不要硬凑数据强行交易。
第四项是资金管理规划。提前定好初始资金总额和每阶段的投入比例。建议分三阶段进场，第一阶段第一个月只用10%的资金，第二到第三个月用30%到50%，第四个月起再用100%。就算到了100%仓位，也永远不要满仓，至少留10%的现金应对极端情况。
第五项是券商端条件单设置。不要只靠程序下单，在券商APP里也给每只持仓股票设置条件止损单，比如成本价的85%自动触发止损。防止程序故障、网络中断、停电这些意外情况，导致止损指令没执行，亏出大窟窿。
第六项是滑点压力测试。回测的时候把滑点参数从0.1%逐步提到0.3%、0.5%，看策略还能不能取得正收益。如果0.3%滑点策略就亏钱了，说明策略对交易成本太敏感，调仓频率太高，不适合实盘，要重新调整交易逻辑。
第七项是模拟盘试运行。实盘之前，先用模拟资金至少跑一个月，每天手动记录净值，和历史回测结果对比。如果模拟盘和回测的偏差超过两倍标准差，就停下来找原因，不要急着实盘。
第八项是日志记录与备份。每天的买入清单、成交记录、净值计算都要完整保存日志，格式用JSON或者CSV都行，每天自动上传到云存储。不要只看当天的盈亏，日志是后续复盘、定位问题、调整参数的核心依据。
第九项是熔断机制测试。手动构造熔断触发条件，比如临时把回撤阈值改成1%，验证清仓和暂停交易的逻辑能不能正确执行。测完再把参数改回正常值。别等真的暴跌的时候才发现熔断逻辑写反了，那就晚了。
第十项是心理预案。提前写好一份极端情况应对的决策树，贴在交易桌旁边。比如连续5个交易日亏损超过2%就暂停交易一天复盘；单月亏损超过10%就暂停一周，找专业人士复核；单月最大回撤超过15%就触发熔断，清仓空仓观察两周；连续三个月跑输基准就停止策略，等待市场风格切换。
对方问为什么要分四周，不能直接满仓吗。我回答，策略的核心不是选股，是你对规则的信任。信任是靠时间建立的，不是靠赌出来的。四周阶梯式加仓，每一步都有机会发现问题，调整心态，不用满仓了才发现自己承受不了波动。
第一周只用10%资金，每日核对。只投总资金的10%，剩下的放在货币基金里。每天收盘后，把实盘持仓和模拟盘的结果对比，记录差异，比如哪只没成交、滑点多少、有没有涨跌停的情况。如果第一周实盘收益和模拟盘偏差超过1%，就停下来找原因，不要继续加钱。
第二周提到30%资金，观察资金面信号。重点验证资金面信号的稳定性，实盘里的主力净流入数据和回测时是不是一致，有没有明显延迟。如果资金面信号和回测偏差超过20%，可以考虑放宽一点资金面的连续性要求，比如从4/5正调成3/5正，减少无效交易。
第三周提到50%资金，验证风控规则。重点验证止损和再平衡规则的执行情况，模拟盘中亏损到15%的时候是不是真的会触发卖出，实盘中跌停卖不出去怎么处理。记录第一次触发止损的时候，自己是什么感受，有没有执行到位。风控规则永远是极端行情下的生命线，必须提前验证。
第四周提到100%资金，但设置每日最大亏损限额。资金提到满额，同时加一条额外的安全垫：当日净值回撤超过2%的话，次日自动减仓50%。这是额外加的缓冲规则，不是原策略的一部分，用来缓冲极端波动的冲击，等适应了再取消。
实盘运行中会遇到各种模拟盘里想不到的问题，这里整理了最常见的七类问题和对应处理方案。
数据源失效的情况，症状是某天无法获取股票列表或者资金流向数据。应对方式是立刻切换到备用数据源，两个都失效就暂停交易，等服务恢复。不要自己估算数据硬跑筛选，结果不准还不如不交易。
开盘涨停无法买入的情况，症状是买入清单里的股票开盘直接封涨停，买不进去。应对方式是放弃这只标的，不追高，对应资金留到次日。如果连续三天同一只股票开盘涨停买不到，就把它从买入清单里移除，说明已经错过最佳买点，别追高站岗。
开盘跌停无法卖出的情况，症状是触发止损的股票开盘封跌停，卖不出去。应对方式是连续三天挂跌停价排队卖出，还卖不掉的话，按复牌后第一笔成交价计算亏损，认下额外损失，不要死扛。流动性风险是实盘的一部分，要提前预留预期。
滑点过大的情况，症状是实际成交价比开盘价差0.3%以上。应对方式是下单的时候用对方最优成交指令，减少等待时间。同时找券商谈佣金费率，能谈到万三到万五。如果滑点持续很大，就降低调仓频率，减少交易次数。
资金曲线与模拟盘偏差超过5%的情况，症状是一个月下来差了5个百分点以上。应对方式是暂停交易，复盘每一笔差异的来源。如果主要是滑点导致的，就提高回测的滑点参数重新验证；如果是数据差异导致的，就更换更稳定的数据源。
连续多日无股可买的情况，症状是连续五个交易日合格股票都少于3只，天天空仓。应对方式是严格执行空仓规则，同时可以每天记录接近合格的股票，比如只差资金面一个条件的，观察市场什么时候回暖。别为了买而降低标准，强行买入不如空着等待机会。
心理压力过大的情况，症状是看着净值跌就失眠，频繁刷账户。应对方式是把仓位降到50%，直到能睡好觉为止。钱是赚不完的，但能亏完。必要的时候寻求专业的交易心理辅导，别硬扛。
我给对方画了一个四层决策树，不是一亏钱就要停，分情况判断处理。
第一层，连续三个月跑输基准指数超过5个百分点。先做归因分析，是选股不行还是仓位管理的问题。如果选股超额收益是正的，只是仓位太高导致回撤大，就调整仓位结构；如果选股超额收益本身就是负的，就暂停策略。
第二层，单月最大回撤超过20%，也就是触发熔断之后。熔断已经自动清仓了，就暂停交易两周，分析回撤原因。如果是市场极端事件比如系统性股灾，等市场企稳后可以考虑重启；如果是策略逻辑本身失效，就永久停止。
第三层，选出的合格股票数量连续10个交易日少于3只。说明四维框架在当前市场环境下找不到合格标的，主动空仓观察。如果这种情况持续超过一个月，就转入休眠状态，每个月检查一次就行，不用天天跑筛选浪费精力。
第四层，产业趋势发生根本性逆转。比如核心赛道的需求见顶、政策转向、技术路线被替代。这种是底层逻辑变了，再怎么调参数都没用，策略永久失效，就转去低风险资产，寻找新的方向。
对方问最后一种情况怎么判断，我回答是保持日常阅读，关注行业领袖的公开发言，关注国家产业政策文件，关注头部公司的资本开支变化。连续三个季度，持仓赛道的公司业绩增速下滑、资本开支缩减、券商研报数量环比减少，就是趋势转向的明确信号。
对方最后问，如果用一年觉得不错，想加入自己的思路，应该怎么改。我给出了四步进化路径，每一步都有时间周期和注意事项，不要跳步。
第一步是完全复制，第1到3个月。一个参数都不改，严格按照四维框架和交易规则运行。目标是建立对规则的信任，积累实盘数据作为后续调整的基准。不要上来就改，改坏了都不知道是策略本身不行还是自己改坏的。
第二步是微调参数，第4到6个月。根据实盘表现，适当调整权重或者阈值。比如觉得资金面太敏感导致交易太多，就把近5日累计净流入占比门槛从0.3%提高到0.5%。每次修改都要记录原因，用至少六个月的历史数据回测验证了再上实盘。
第三步是增加新因子，第7到12个月。在四维框架基础上，加一个你觉得有效的因子，比如北向资金持仓变化、机构调研次数、分析师评级上调。新因子权重从5%开始，从其他维度里等比例扣除。回测验证没问题了再正式纳入框架。
第四步是切换市场，一年之后。把同样的逻辑应用到港股、美股或者期货市场。注意调整参数，港股流动性差滑点更高，美股没有主力资金数据可以用机构持仓变化代替。建议先跑半年模拟盘再实盘，不要直接套用。
最后我补充，进化不是堆砌更多条件，而是保持框架的简洁和可解释性。每加一个维度，都要问自己，这个维度带来的边际收益，超过了它增加的复杂度吗。
对方点头说明白了，先从10%资金开始，一步一步来。
本章内容节选自原创量化书籍《因子会说谎》，更多实盘落地与策略进化的实战经验，可登录intoquant.com查阅完整内容。
本章完。下一章将讲解策略失效的识别与应对方法，包括早期预警信号、归因分析框架、失效后的处理流程与重启条件。
⚠️ 风险提示：本书内容仅为量化研究与知识分享，不构成任何投资建议。套利交易存在基差、费率、流动性、平台与极端行情等风险，历史表现不代表未来收益。投资有风险，入市需谨慎，请自主决策、量力而行。
💡 键盘 ←/→ 翻章 · T 键切换目录