量化实战入门（21）实盘偏差：被忽视的交易规则和交易细节

实盘偏差：被忽视的交易规则和交易细节

量化投资的核心价值在于利用数学模型和统计方法来指导和优化投资决策。利用历史数据进行回测，评价回测的结果是量化投资的常用方法，然而，在进行量化策略的回测过程中，常常会忽视一些交易规则和交易细节，这些忽视会导致回测结果与实际情况存在较大差异，从而影响投资决策的准确性。本文将详细讨论这些可能被忽视的因素。
一、交易成本的问题
交易成本主要包括券商手续费和印花税。A股市场中券商手续费目前为双边收费，即买入和卖出都需要收费，券商手续费不同的开户券商标准不同，例如有的券商是万分之三，并且最少5元。印花税目前是卖出时单边征收，买入时不征收。另外，交易税费率水平在不同的时期并不相同。
交易成本是量化回测中常常被忽略的一个重要因素。很多时候，投资者在模拟交易时，因为简化计算或者疏忽大意，会忽略交易成本。然而，实际交易中，每一笔交易都会产生一定的交易成本，这些成本会直接影响投资的收益和亏损。交易频率越高，交易成本对回测结果的影响越大，特别是对于高频交易策略来说，交易成本的影响尤为显著。而且，由于每次交易都会产生交易成本，交易成本是以复利的方式影响最终收益。因此，在进行量化回测时，必须将交易成本考虑在内，在每次交易中扣除交易成本，这样才能更准确地模拟实际交易的情况。
二、滑点问题
滑点是指投资者下单价格与实际成交之间的价格差异。尽管在理想情况下，我们可以假设下单价格就是成交价格，但在实际交易中，由于市场价格的波动和交易延迟等因素，下单价格和成交价格往往存在差异。滑点主要由以下因素引起：

市场流动性：在市场流动性较低的时候，买卖盘之间的报价差距可能会增大，同时，流动性较低的市场中，大额交易可能会对市场价格产生更大的影响，这些都会增加滑点。通常小盘股的流动性较差，受滑点的影响较大。
市场波动：在市场波动性较大的时候，价格可能会在非常短的时间内发生大幅度的变动，这也会增加滑点的风险。
在量化回测中，滑点是一个重要的因素，因为它直接影响到交易策略的实际收益。交易次数越多，滑点的影响越大，特别是对高频交易策略影响更大。如果没有正确地考虑滑点，可能会导致策略的回测结果过于乐观。因此，量化回测时需要考虑滑点问题，以更准确地反映实际交易情况。设置滑点的方法可以有多种，以下是一些常见的设置滑点的方法：
固定滑点：这是最简单的滑点设置方法。无论什么情况，每次交易都假设有固定的滑点，比如每次交易价格都比预定的交易价格高出0.01元。这种方法简单易行，但可能无法准确反映实际情况，因为实际的滑点可能会受到很多因素的影响。
百分比滑点：这种方法假设滑点是预定交易价格的一定百分比，比如每次交易价格都比预定的交易价格高出0.2%。这种方法比固定滑点更加灵活，因为它能够反映出价格差异对滑点的影响。
基于流动性的滑点：这种方法假设滑点与交易量和流动性有关。比如，交易量小的时候，滑点可能就会增大；而流动性高的股票，滑点可能就会减小。这种方法需要有足够的数据来估计滑点，但它能够更加准确地反映实际情况。
基于历史数据的滑点：这种方法使用历史数据来估计滑点。比如，可以查看过去的交易数据，计算出每次交易的实际价格与预定价格之间的差异，然后用这个差异来估计未来的滑点。这种方法需要有足够的历史数据，且需要注意过拟合的问题。
以上这些方法都有其优点和缺点，选择哪种方法依赖于具体的交易策略和可用的数据。在设置滑点时，应该尽量选择能够反映实际情况的方法，以便更准确地评估交易策略的性能。
三、停牌问题
在股票市场中，由于各种原因，股票可能会停牌。停牌意味着在一段时间内，投资者无法买入或卖出该股票。如果在量化回测中没有妥善处理停牌股票，可能会导致回测结果与实际情况有很大的差距。停牌股票可能会对策略的表现产生以下影响：
成交问题：停牌的股票无法买入和卖出，如果模型回测时对停牌股票进行了买卖，则与实际不符。
持有问题：如果策略在股票停牌期间仍然持有该股票，需要考虑如何处理持有期间的价格及如何计算收益率。
因此，量化回测时需要通过合理的方法来处理停牌股票，包括：
获取停牌信息：你应该尽量获取停牌股票的信息，包括股票的停牌日期，停牌原因等。
排除停牌股票：在进行策略回测时，可以选择排除所有的停牌股票。这样可以避免停牌股票对策略的影响，但是也可能会使得回测结果过于乐观。
模拟停牌期间的行为：在策略回测时，可以模拟策略在停牌期间的行为。例如，可以假设策略在股票停牌期间继续持有该股票，并在复牌时卖出。
四、涨跌停问题
在股票市场中，为了防止价格过度波动，往往会设置涨停和跌停限制。涨停或跌停意味着股票价格在一天内不能超过或低于前一交易日收盘价的一定比例。在量化回测中，如果没有处理涨停和跌停的股票，可能会导致回测结果存在偏差。当股票涨停时，交易者可能无法买入该股票；当股票跌停时，交易者可能无法卖出该股票。如果策略在回测中没有考虑这一点，可能会假设能够在涨跌停板限制下交易，这将导致回测结果的不准确。比如，有的打板/追板策略在回测时能够买入涨停的股票，从而取得很高的收益，但在实际中这是不可能实现的。因此，量化回测时应考虑涨停和跌停的处理，包括：
获取涨跌停信息：应尽量获取准确的涨跌停信息，包括股票的涨跌停日期、涨跌停价格等。
避免交易涨跌停股票：在回测过程中，应避免买入涨停股票或卖出跌停股票。即使策略生成了这样的交易信号，也应在实际执行时忽略这些信号。
模拟涨跌停影响：可以通过模拟涨跌停对策略的影响，来更准确地评估策略的性能。例如，设置策略在股票涨停时无法买入，跌停时无法卖出，然后观察这对策略的收益和风险的影响。
五、成交价格问题
在量化回测中，常常需要假设按照某个价格成交。然而，在实际交易中，有些成交价格是无法实现或不一定能实现的，比如：
以最高价或最低价成交属于使用未来数据，因为在收盘之前是无法知道最高价或最低价的。
以开盘价或收盘价成交，由于市场的价格波动和交易竞价等因素，可能也无法达成。
因此，量化回测时需要考虑这个问题，并采取合理的假设和方法确定成交价格，以更准确地反映实际交易情况。以下是处理成交价问题的一些具体方法：
以一段时间内的均价作为成交价格，如：以开盘后5分钟内的均价作为成交价格，或以收盘前5分钟内的均价作为成交价格等。
设置合理的滑点，模拟实际成交价格可能与预设价格的差距。
六、流动性限制
流动性描述的是资产买卖的容易程度。在股票市场中，流动性高的股票通常交易量大，买卖容易；而流动性低的股票交易量小，买卖困难。如果一个交易策略在量化回测中没有考虑到流动性的影响，那么这个策略的表现可能会被过度乐观地估计，因为在实际交易中可能难以按照模拟的价格和数量进行交易。
以下是考虑流动性限制在量化回测中的一些具体应对：
流动性筛选：在执行交易策略之前，可以先对股票进行流动性筛选。比如，只选择那些日均交易量超过一定值的股票进行交易。这样可以避免买入或卖出那些流动性较差的股票。
交易量限制：在模拟交易时，可以设置交易量的上限，以避免影响市场价格。一种常见的做法是，将单次交易的数量限制在该股票日均交易量的一定比例以内，如1%。
设置合理的滑点：用滑点来模拟实际交易价格与预设价格的差距，对流动性较差的股票设置较大的滑点。
以上这些策略可以帮助我们在量化回测中更准确地考虑流动性限制。但是，它们也增加了模型的复杂性，并可能引入额外的不确定性。因此，在使用这些策略时，需要仔细考虑其适用性和限制性，以避免误导结果。
七、分红问题
在股票投资中，投资者的收益不仅来自于股票价格的上涨，还包括公司发放的现金红利（分红）。分红实际上是将公司的部分利润分发给股东，这是投资者的重要收益来源之一。然而，在进行量化策略回测时，往往只考虑股票价格的变化，而忽视了分红的因素，导致回测结果可能无法准确反映实际投资收益。如果在量化回测中忽视了分红，可能会低估投资收益。因此，回测时应将分红纳入收益计算，通常将分红按照股息再投资的方式处理，即假设投资者将分红再投资于该股票。
处理分红问题需要收集和处理大量的数据，包括每只股票的分红记录。尽管处理这个问题可以使回测结果更准确，但也会增加模型的复杂性。因此，需要在模型的精度和复杂性之间找到一个平衡。
八、资金限制
在量化策略回测中，资金限制问题是一个要考虑的因素。在实际的证券交易中，投资者的资金是有限的，每次买卖的最小单位也是有限制的，他们不能无限制地买入或卖出股票。因此，在进行量化回测时，如果没有考虑到这一点，就可能无法准确地反映实际的交易情况。例如在有的交易市场中，一手股票（100股）是最小的交易单位，因此，投资者需要购买的股票数量必须是100的整数倍。对于高价股票，一手的价格是比较高的，如果投资者没有足够的资金，他们可能无法进行交易。又如，在回测中通常按照一定规则为每只股票分配仓位比重，但由于最小交易单位的限制，每只股票实际分配的金额并不会等于理论金额，尤其对高价股差异更大。
在进行量化策略回测时，需要考虑资金限制的因素。首先，需要设定一个初始的资金账户，模拟真实的投资情况。然后，在每一次买入或卖出股票时，需要从这个账户中增加或减少相应的资金，这就模拟了实际交易中的资金限制。如果账户中的资金不足以完成某一次的买入交易，或者账户中的资金不足以购买一手（即100股）的股票，那么这次交易就不能进行。
需要注意的是，虽然考虑了资金限制能使回测结果更准确，但也会增加模型的复杂性。在进行回测时，需要不断地跟踪账户的资金情况，这会增加计算的复杂性。此外，资金限制可能还会对交易策略产生影响。例如，如果资金不足，可能就无法执行某些交易策略，这需要在模型中进行相应的处理。因此，在处理资金限制问题时，需要在模型的精度和复杂性之间找到一个平衡。
本节讨论了回测与实盘产生偏差的各种可能情况。量化回测是量化投资的重要步骤，但在回测过程中，需要注意很多可能被忽视的交易规则和交易细节。只有将这些因素考虑在内，才能更准确地模拟实际交易的情况，从而提高投资决策的准确性。