期货回测：成本、回放与滚动前推（walk-forward）

先定义规则，再选择参数

记录品种、合约、交易时段的时区、K线构建方式和信号时点。足迹图交易规则需要按 bid/ask 记录的成交；热力图规则需要历史深度。两者都无法从普通K线中重建。

保存展期规则和数据覆盖报告。数据缺口不等于市场横盘。一个期货合约上的价位，不处理合约间价差就不能直接套用到另一个合约上。

K线测试、成交回放与订单簿回放

如果止损和目标都落在同一根K线内，OHLC 无法判断哪一个先被触及。要写明引擎的处理规则。某个限价被成交触及，并不能证明你自己的订单会成交。

成本可能反转结果

示例：毛期望 2.5 跳，减去入场滑点 0.5 跳、出场滑点 0.5 跳以及折合 0.8 跳的往返手续费，剩下净 0.7 跳。总滑点再多一跳，结果就变成 −0.3 跳。这些是假设输入，并非平台实测表现。

按品种实际的每跳价值换算手续费。区分按合约和按订单收取的费用，避免遗漏或重复计算点差。

无信息泄漏的 walk-forward 测试

1. 事先固定训练长度、测试长度和参数选择方法。
2. 只在训练数据上拟合，并冻结选定的参数。
3. 评估随后的窗口，计入成本和亏损交易。
4. 按时间顺序推进，保留每一个样本外结果。
5. 保留一段完全未动用的最终区间，用于尚未针对这些结果调优的决策。

从大量配置中挑出最优者会引入选择偏差。The Probability of Backtest Overfitting 研究了这一问题。稳健性分析是在检验结果，而不是为未来收益背书。

实验记录

• 规则版本、参数以及尝试过的配置数量。
• 数据来源、合约、日期、时段和缺失区间。
• 入场时点、模糊K线的处理规则、手续费和滑点。
• 训练/测试划分、各窗口的净结果和回撤。
• 淘汰标准以及对更高成本的敏感度。

Hurst 指数估计或 GEX 状态可以启发一个假设，但不能替代对决策当时已知信息的记录。

在 Senzoukria 中做研究

用脚本编写指标和规则，再用历史回测测试受支持的 JavaScript 和 Python 策略。历史执行模型基于K线，并不重建排队优先级。C++ 使用独立的运行环境，没有历史回测功能。

回放和经纪商执行是两个不同的步骤。可选的实盘自动驾驶需要明确的手动启用和兼容的 Rithmic 账户。回测不会启用它，也不能证明获得了自营交易公司的许可。请把研究记录保存在交易日志中。

从量化交易入门开始。