今天想简单说说量化回测的流程、各流程中的参数设置和可能遇到的问题。借助最近做的一个简单的事件策略的回测，来开始我们今天的“小白”讨论。
假设该策略的逻辑是，当发生事件A时，买入并持有3天。
一般做事件策略的做法，都是发生事件A的时候，作为信号触发的T日，然后根据你的假设检验或者归纳演绎，先测试一下持有n天的一个情况。 根据策略的性质，可以选择看绝对收益还是超额收益。
首先完成数据观察、清洗、落地。
整理出来从2013年到2023年初的数据如下图，一共有5202条记录。
然后根据规则形成持仓：从发生事件的T日起，持有到T+3。
在形成持仓的时候，一般会对备选股票有所限定，比如我的限定一般如下。限定的原因是希望事件策略回测的股票本身具有较好的适用性，是真实可以交易的标的。
1. 在观测期至少上市了 6 个月，在观测期至少交易 10 天，剔除所有北交所的股票
2. 以交易额衡量流动性，以 A 股流通股本衡量市值
3. 取流动性、市值和股东户数都在前 95% ，且股票价格在前98%的股票的交集(univ_research)，与指数成分股(hs300, zz500, zz1000, sz50)的并集
4. 即univ_research | hs300 | zz500 | zz1000 | sz50
形成的持仓数据概览如下，一共有2587个交易日(10年)，平均一天是2-3个票。
接下来对持仓进行回测，由于持仓数量很少，所以这次我们计算绝对收益。一些回测时的假设如下。
1. 每天所有标的都是平均持仓，如果当日无持仓，则空仓
2. 涨跌停和停牌均不交易
3. 使用0930到0959的vwap价格作为买卖成交价
4. 佣金万2，印花税千1
回测结果如下。
看到这个10年接近10倍的结果是不是特别心动？先别着急，一般来说，结果这么好的策略，如果不是回测有问题，就是逻辑或者数据出了问题。我们来检查一下。
很快就发现有个很细节的问题，很多信号的入库时间其实不全是开盘前，而是盘中或者盘后不定时入库的。这就导致我们回测时假设的交易时间和价格不对了。
按照是日频信号的假设，把当天触发的信号，改到下一个交易日开始建仓交易，仍然是持有3天，重新回测如下。一下子少掉了接近70%的收益，这基本可以推断出这个信号是当天大涨之后，就会触发的概率很大，而且大部分的收益都在第一天结束了。
做到这里，一个基本的回测就做的差不多了，后面当然还可以加一些其他的条件进行筛选，不过基本上是一个数据挖掘的过程，没有太多经济学的背景了，所以我个人判断也不是那么“健壮”，就不继续往下写了。