7.2 从回测到 paper 的迁移清单

7.2 从回测到 paper 的迁移清单

本节摘要：策略从回测进入 paper，不是换个按钮，而是换一套运行环境：数据源从历史整段变成实时流，费率从静态假设变成交易所实际档位，延迟从零变成网络往返加撮合排队。本节用三张差异表把这些配置差逐一核对，然后定义两个核心观察指标——成交假设偏差（paper 成交价与回测假设价的系统性差距）与信号滑出（信号发出后价格已走的幅度），它们是"回测假设是否在实时世界成立"的量化答案；最后讨论 paper 至少跑多久：给出一个依据框架（市场状态覆盖、样本量、极端时段经历），建议量级为数周到数月，并说明为什么短于此的观察不具判读价值。清单结尾是一张可打勾的迁移检查表。

学习目标

• 按数据源、费率、延迟三张差异表完成回测到 paper 的配置核对。
• 计算并解读成交假设偏差与信号滑出两个指标。
• 用市场状态覆盖与样本量框架论证自己的 paper 观察时长。
• 执行迁移检查清单，避免"配置漂移"造成的假偏差。

一、三张差异表：先排除环境差，再谈策略差

paper 阶段观察到的一切偏差，都混杂着两类原因：环境差异（配置没对齐）与策略真实差异。必须先把前者排除，指标才有解释力。

逐表的典型错法。数据源表：回测用某数据源的收盘价口径，实时流用另一口径，信号天然对不齐——先做第 03 章的口径核对。费率表：回测填了吃单 0.1%（示意值），paper 按默认档位走了挂单——成交假设偏差里会混入费率差，读数前先核对档位。延迟表：回测滑点设 5bps（示意值），paper 实测信号到成交的等效滑点远超此值——这不是策略变差了，是假设太乐观，正确动作是回 6.3 调整压力测试参数重新判读。

配置对齐的执行建议：把 paper 账户配置与回测配置放进同一目录做 diff，逐行确认差异项都有解释。这份 diff 与 6.3 的判读记录一起归档。

二、两个核心观察指标

环境对齐后，观察指标度量的才是"回测假设 vs 实时世界"。

指标一：成交假设偏差。对每笔成交，取 paper 实际成交价与"回测假设价"（同一信号在回测撮合模型下的成交价）之差，按基点统计：

# calc_fill_bias.py —— 成交假设偏差统计（示意逻辑，字段以实际报告导出格式为准）
def fill_bias_bps(paper_fills, backtest_fills):
    """逐笔配对后计算偏差：正=paper 成交更贵(买入方向吃亏)，负反之"""
    diffs = []
    for pf in paper_fills:
        bf = backtest_fills.match(pf.signal_id)     # 按信号标识配对
        if bf is None:
            continue
        diffs.append((pf.price - bf.price) / bf.price * 10000)
    diffs.sort()
    n = len(diffs)
    return {
        "median_bps": diffs[n // 2],
        "p90_bps": diffs[int(n * 0.9)],
        "sample": n,
    }
​

读法：看中位数与 90 分位。中位数系统性为正且幅度可观（超过回测滑点假设，量级自定），说明回测成交假设整体乐观；90 分位刻画最差情形的偏差尾巴。样本量不足时（经验上少于百笔）不要下结论，继续收集。

指标二：信号滑出。信号产生时刻的价格，到策略本可以成交的时刻，价格已经移动的幅度。它度量"延迟吃掉了多少信号价值"。读法与上面类似：分布的右尾如果长期显著非零，策略的有效性高度依赖低延迟执行，对基础设施的要求就要上调（第 11 章可观测层会持续盯订单延迟）。

信号滑出同样可以脚本化（示意逻辑，字段以实际导出格式为准）：

# calc_slipout.py —— 信号滑出统计（示意逻辑，字段以实际导出格式为准）
from datetime import datetime

def slipout_stats(signals, fills):
    """按 signal_id 配对信号与成交；未成交的信号不入样本，另行单独计数"""
    pairs = []
    for f in fills:
        s = signals.get(f.signal_id)
        if s is None:
            continue
        slip_bps = (f.price - s.price) / s.price * 10000   # 买入视角：正=价格已走
        lag_s = (datetime.fromisoformat(f.ts)
                 - datetime.fromisoformat(s.ts)).total_seconds()
        pairs.append((slip_bps, lag_s))
    if not pairs:
        return {"sample": 0}
    pairs.sort()
    lags = sorted(p[1] for p in pairs)
    n = len(pairs)
    return {
        "sample": n,
        "slip_p50_bps": pairs[n // 2][0],
        "slip_p90_bps": pairs[min(n - 1, int(n * 0.9))][0],
        "lag_p50_s": lags[n // 2],   # 延迟中位数：把滑出拆成时间与幅度两半
    }
​

两个实现细节值得展开。其一，未成交的信号被排除在样本外：滑出度量的是"成交时刻价格走了多少"，未成交样本属于另一个口径（拒单与撤单分析），混在一起会同时污染两个数。其二，把延迟中位数一并算出来：滑出由延迟与价格漂移共同决定，先看延迟能帮你判断该修执行链路还是该修策略节奏——这与判读矩阵 C 行的结论互相印证，C 行的"策略吃延迟"到底吃到多少，一半答案在这行延迟读数里。

两个指标合起来的判读矩阵：

三、paper 至少跑多久：依据框架与建议

没有普适标准答案，但有一个依据框架。观察期要同时满足三个条件：

• 市场状态覆盖：至少经历一段与你目标环境不同的行情状态（例如趋势策略至少见过一段横盘震荡）。单一状态下的 paper 结论无法外推。
• 样本量条件：成交笔数积累到统计上可判读（配合 6.2 的样本量直觉，经验上百笔量级起步）。
• 极端时段经历：至少经历一次波动显著放大或数据异常时段，观察策略与数据层的反应。

量级建议：数周到数月（作者建议，非官方标准；低频策略取上限，信号密集策略取下限）。比时长更重要的两点：第一，观察期内的判读要按固定节奏做（例如每周一次按指标矩阵过一遍），而不是"到期看总账"；第二，观察期内策略代码与配置冻结——边跑边改的 paper 没有判读价值，任何修改都应重置观察窗口并记录原因。

四、迁移检查清单

第 7 项常被忽略：虚拟账户虽不动真钱，但异常运行会污染观察数据、占用资源，处置路径同样要事先想好。

五、迁移日走查：一个示意案例

把清单变成体感，走一遍示意案例。某读者的趋势策略已通过 6.3 判读（红绿灯全绿），迁移日安排在周一开始：

三个踩坑点，都来自真实容易犯的错。其一，首日就盯着偏差指标看：样本个位数时的中位数毫无意义，首日该看的是"信号在按设计产生"，指标判读从周末的固定节奏开始。其二，观察期内手痒改了一行策略代码：按冻结纪律，这次修改使观察窗口重置、此前样本作废——比损失两周观察更贵的，是不承认损失、继续用混合样本下结论。其三，把 fill_bias 的配对做成按时间就近匹配：必须按信号标识配对，时间就近在信号密集时会把两笔不同信号错配成一红一绿的假偏差。三个坑的共同教训：迁移清单管的是环境，判读节奏管的是结论，两者都不许临场发挥。

本节要点回顾

• 先排除环境差再谈策略差：数据源、费率、延迟三张表逐项核对，配置 diff 归档。
• 成交假设偏差度量回测成交模型的乐观程度，信号滑出度量延迟吃掉的价值，两者构成判读矩阵。
• 观察时长看三个条件：状态覆盖、样本量、极端时段；量级建议数周到数月，期间代码与配置冻结。
• 迁移清单七项全部打勾之前，不进入实盘讨论——这是本章与下一章之间唯一的门。

paper 观察达标后，下一个决定沉重得多：接入真实交易所。第 08 章讲六家加密交易所适配器与两家券商通道、API key 的权限最小化、测试网先行流程，以及比技术更重要的每日对账与合规边界——在那之前，请再读一遍每章末尾的免责声明。