你上周把 notebook 发给我：信号相同、标的范围相同、同样是 14 个月的 BTCUSDT 永续合约数据。唯一变化是执行方式。你不再主动吃单，而是把买单挂在价差内侧 1 个 tick，Sharpe 就从 0.42 升到了 2.14。你问我这结果是不是真的，还是哪里出了问题。
确实出了问题。我想带你仔细看看问题出在哪里，因为这个 bug 就在一行代码里，但背后的教训远不止这一行。
这是从你的引擎里复制出来的成交规则：
if bar.low <= limit_price: fill(limit_price)
这段规则的意思是：如果这一分钟内市场有成交价达到或低于我的价格，我就按我的价格成交。它实际编码的只是价格触及了你的价位。触及不等于成交。两者之间隔着一条队列，而你的模型把队列当成了空的。
排在你前面的是谁
当你在 BTCUSDT 永续合约上以 84,120.0 挂出买单时，你会排到当时该价位所有挂单的末尾。在这个合约的最优档位，排在你前面的量通常在 4 到 30 BTC 之间，具体取决于时段；你的样本窗口中位数约为 12 BTC。你的订单只有 0.4 BTC。要让你的订单成交，卖方主动单就得以足够的总量打到这个价位，清掉所有比你先到的人，而且必须赶在该档位被撤空或市场价格向上离开之前。
所以，你的回测该问的不是“价格有没有到过 84,120.0”，而是“我的订单挂在那里时，是否至少有 12.4 BTC 的市价卖单在 84,120.0 成交”。这是截然不同的两种情况。在你的数据里，两者相差约 3 倍。
3 种成交规则，3 种不同策略
我用同一信号、相同入场，套上 3 种执行模型重新跑了一遍。alpha、手续费和资金费率都相同，变化的只有成交逻辑。
| 成交规则 | 成交笔数 | 成交后 60s 平均边际收益 | Sharpe |
|---|---|---|---|
触及：low <= limit | 4,180 | +2.6 bp | 2.14 |
严格穿越：low < limit - 1 tick | 1,712 | +0.4 bp | 0.61 |
| 按价位成交量模拟队列 | 1,306 | +0.9 bp | 0.77 |
中间这一行是大家最先想到的粗略修正：只有当市场价格严格穿过你的价位时才算成交，理由是价格既然越过了你，就一定消耗了你的挂单。方向上没错，也能戳破大部分幻想。但它还有个相当严重的偏差，稍后我会解释。
底下一行才是你该实现的方案。它不需要 L3 行情，也不需要逐笔重建订单簿。你手头的数据已经够用了。
用 aggTrades 就能搭建的队列模拟
拉取聚合成交流，而不是 klines。每条成交记录都带有价格、数量、时间戳和 maker 方向标记，可以据此判断主动方是买方还是卖方。这些信息足以模拟你自己的被动挂单：
- 你的订单挂出时，记录该价位的在簿挂单量。如果你只有 100ms 的订单簿行情，就用最近一次快照；与正在修正的误差相比，这点误差很小。
- 将
queue_ahead = resting_size设为该挂单量。按悲观情况处理，假设你排在最后。除非是你自己创建了这个价位，否则你就是排在最后。 - 遍历成交流。每笔价格等于或低于你买价的主动卖出成交，都按成交量递减
queue_ahead。当它降到负数时，你就在该时间戳按你的价格成交。 - 如果价格离开你一个 tick，不要把队列重置为零，而要让它逐渐衰减。部分排在你前面的订单会在该价位失去热度时撤单，另一些则不会。与我的重建结果相比，价格离开触及状态后的每整秒衰减 30-40%，比假设队列完全不变或立即清空都更贴近实际。
- 如果你的策略会撤单并重新挂单，就要把重新挂单建模为新价位队列末尾的一笔新订单。很多人会漏掉这一步，剩下的幻想就藏在这里。
你可能会想反驳第 2 步。没错，有时你确实排在前面，因为你在该价位刚形成时就挂了单。可以，那就记录下来，不要凭空假定。记录挂单时前方的挂单量，让数据告诉你有多少订单真的来得早。在你的策略里，这个比例是 11%，因为你的信号是在价格变动之后才触发的，这意味着你加入的价位早已形成，上面也早就挤满了其他挂单。
你成交的往往是那些你宁愿没成交的单
接下来讲真正关键的部分，也解释了为什么严格穿越规则存在偏差。
想想你的买单在什么情况下会被完全吃掉。只有卖压大到足以吃完整个价位的挂单时才会发生。也就是说，按定义，这恰好是市场向下穿过你价格的时候。你最确定能成交的那些单，往往是成交后立刻处于不利位置的单。
按成交方式拆分你的成交记录，并计算 60 秒 mark-out：
| 成交类型 | 成交占比 | 60s mark-out |
|---|---|---|
| 该价位成交，价格随后反弹 | 38% | +3.1 bp |
| 该价位成交，价格持平 | 21% | +0.2 bp |
| 价格穿过该价位至少 2 个 ticks | 41% | −2.4 bp |
你的朴素回测把这 3 类成交全都算了进去，还把它们全当成免费成交。严格穿越规则几乎只会给你第 3 类，这就是它的边际收益为什么比队列模拟还低。两者都不对。队列模拟能给出更真实的组合，而这个组合就是策略的全部关键：被动执行让你赚取价差，同时也让你承担不利选择；两者之间的比例才是策略的真实表现。
老牌股票交易台的说法依然成立：maker 订单相当于你卖给市场的一份免费期权。当这份期权对别人有利可图时，对方就会行权。你的回测收了期权费，却忘了期权还有一条收益支出曲线。
没成交的交易改变的是策略本身，而不只是成本
这一点我最希望你认真想想。taker 执行模型做得不好时，你仍会得到正确的交易，只是价格不对，修正手续费就能解决大部分问题。maker 执行模型做得不好时，你得到的会是完全错误的一组交易。你 4,180 笔入场里，约有 2,900 笔从未发生。其中一些本来是你的最佳信号，出现在先急涨后反转的 K 线上；这种形态恰好意味着市场已经跑远，没等到你成交就离开了。
所以，你需要为未成交分支加入真实逻辑。信号失效时入场单还没成交，策略会怎么做？追价用 taker 订单成交，支付价差和冲击成本？把订单挂得更低，接受不同的入场基准？放弃这笔交易，保持空仓？每种选择都会带来实质不同的权益曲线，没有一种是“假设已经成交”。在我们的测试中，加入诚实的追价规则（未成交 20 秒后主动吃单，滑点上限为 3 bp），找回了约三分之一的漏失交易，也弥补了朴素模型与队列模拟 Sharpe 差距的大约一半。这是个很有意思的结果，只有当成交模型足够真实、让这个问题真正有意义时，它才会显现出来。
简单的合理性检查，只要 10 分钟：拿出实盘模拟交易日志和同一时间窗口的回测，比较成交率，不要比较 PnL。如果回测里挂单的成交率是 100%，而模拟盘只有 34%，你比较的就不是策略，而是成交模型出了 bug。先修好这个，再看任何收益数字。
再补充两件小事
post-only 拒单。如果你用 post-only 来确保 maker 费率档位，而订单簿在你做出决定到交易所确认之间发生了变化，订单就会被拒绝，而不是留在簿上。在我们的模拟盘日志里，正常时段 BTCUSDT 的尝试中有 3-6% 会被拒；美国 CPI 数据公布后的那一分钟，比例超过 15%。被拒订单既不是成交订单，也不是仍在簿上但未成交的订单；它是一笔从未存在过的交易。如果你的回测没有这个状态，那么你最关心的市场环境里，交易数就会被高估。
自成交防护和你自己的市场影响。你下 0.4 BTC 的单，不足以推动 BTCUSDT，所以暂时不用管。但你提过想把策略用在一只中盘山寨币永续合约上，那里的最优档名义金额常常不到 $15k。在那里，你的订单确实会占队列中相当大的比例，而你记录的前方排队量也包含了你上一笔订单带来的影响。一旦你的下单量超过在簿量的约 10%，模拟就得考虑其他参与者会对你作出反应。说实话，到那个阶段，我会更相信模拟盘，而不是你我能写出的任何模拟。
用队列模拟重新跑一遍，然后把按成交类型拆分的 mark-out 表发给我。如果反弹那一档仍然贡献了大部分边际收益，而穿越那一档没有把它全部吃掉，你或许真的有值得放进模拟盘验证的东西。如果策略表现全靠那 2,900 笔你根本不可能成交的单子撑着，那最好现在就发现，总比看着模拟账户连续 4 周都没按 notebook 里的承诺运行要好。
← 全部文章
