数字货币量化策略回测系统：回测收益不等于实盘，怎么搭才靠谱

数字货币量化策略回测系统：回测收益不等于实盘，怎么搭才靠谱

做了五年数字货币量化，踩过的坑最贵的一个就是：回测年化两百度，实盘亏到怀疑人生。这套回测系统的搭建我反复推了十几版，说几个真正影响结果的点。

最大的坑是过拟合。K线级别太细、参数调太多次，回测曲线漂亮得离谱，实盘直接打脸。我现在的规则：参数不超过六个，回测样本至少覆盖一个完整牛熊周期，留百分之三十样本外单独验证，绝不碰。

指标别只看夏普。数字货币24小时交易、周末不闭市，最大回撤和Calmar比比夏普更能反映真实风险。还有换手率，高频策略回测看着年化三百，一算手续费和滑点数字货币量化策略回测系统：回测收益不等于实盘，怎么搭才靠谱，净收益可能只剩个位数。

手续费和滑点必须按实际交易所数据填，别用理想值。我拿币安和欧易跑了同一套策略，滑点差异能拉出百分之十五的年化差距。回测里把每笔预估滑点算进去，哪怕保守估，也比实盘亏强。

结构上，数据层、策略层、执行层一定要解耦。数据用Parquet存，策略用Python写，回测引擎我选自研的event-driven框架，不直接套backtrader——币所API限频和深度数据，现成框架处理不了。你现在的回测数字货币量化策略回测系统，滑点到底怎么算的？