第十八章 回测框架搭建：如何搭建回测框架，验证套利策略的有效性

说实话，波动率曲面套利这个领域，最让人头疼的不是策略本身，而是怎么验证它到底能不能赚钱。

我见过太多人，策略逻辑写得天花乱坠，一上实盘就亏得亲妈都不认识。为什么？因为回测框架没搭好。你想想看，一个连历史数据都跑不通的策略，凭什么相信它能赚钱？

这一章，我就把我这些年踩过的坑、积累的经验，全盘托出。咱们一步步来，把回测框架搭得结结实实。

18.1 回测框架的核心要素

一个靠谱的回测框架，说白了就三个东西：数据、逻辑、评估。缺一不可。

要素	说明	我的经验
数据	期权链数据、标的行情、无风险利率	数据质量决定回测下限，我吃过亏
逻辑	套利信号识别、交易执行、仓位管理	逻辑要可复现，别搞玄学
评估	收益、风险、夏普、最大回撤	别只看收益，回撤才是亲爹

我个人习惯，先把这三个模块拆开写，最后再拼起来。这样调试起来方便，出了问题也知道去哪找。

18.2 数据层：打好地基

数据是回测的命根子。没有干净的数据，一切都是扯淡。

需要哪些数据？

• 期权合约的每日行情：开盘价、收盘价、最高价、最低价、成交量、持仓量
• 标的资产价格序列：至少5分钟级别，最好tick级
• 无风险利率曲线：用国债收益率或者SHIBOR都行
• 隐含波动率曲面：这个需要自己算，或者从数据商买

数据清洗要点：

• 剔除异常值：比如价格跳空、成交量异常放大
• 处理缺失值：用前向填充或者插值法
• 对齐时间戳：不同数据源的时间戳可能不一致，要统一

18.3 逻辑层：策略的核心

这一层就是你的套利策略本身。我一般把它拆成三个步骤：

1. 信号生成：什么时候发现套利机会？
2. 交易执行：怎么进场、怎么出场？
3. 仓位管理：每次下多少手？

举个例子，一个简单的波动率曲面套利策略：

# 伪代码示例
def generate_signals(vol_surface):
    # 1. 计算各期限的隐含波动率
    iv_curve = calc_iv_curve(vol_surface)
    
    # 2. 拟合波动率曲面
    fitted_surface = fit_svi_model(iv_curve)
    
    # 3. 寻找偏离点
    residuals = iv_curve - fitted_surface
    
    # 4. 生成信号
    signals = []
    for i, res in enumerate(residuals):
        if abs(res) > threshold:
            signals.append({
                'strike': strikes[i],
                'expiry': expiries[i],
                'direction': 'long' if res < 0 else 'short',
                'size': abs(res) / threshold
            })
    return signals

18.4 评估层：别被数字骗了

回测结果出来了，一堆数字摆在你面前。怎么看？

核心指标：

指标	计算公式	我的看法
年化收益率	(最终净值/初始净值)^(252/交易日数) - 1	别只看这个，要结合回撤看
最大回撤	从峰值到谷底的最大跌幅	这个比收益率重要十倍
夏普比率	(年化收益 - 无风险利率) / 年化波动率	大于1算及格，大于2算优秀
胜率	盈利交易次数 / 总交易次数	套利策略胜率一般很高，但别太信

你想想看，一个策略年化50%，但最大回撤30%，你敢上实盘吗？反正我不敢。我一般要求最大回撤不超过10%，夏普比率不低于1.5。

18.5 回测框架的完整流程

好了，三个模块都讲完了。怎么把它们串起来？

我画了一张流程图，你看一眼就明白了：

你看，整个流程其实不复杂。数据进来，跑逻辑，出结果，评估，不满意就回去改。循环往复，直到你满意为止。

18.6 回测中的常见陷阱

做回测这么多年，我总结了几条血泪教训：

• 幸存者偏差：只用存续到现在的合约做回测，那些退市的、被行权的全被忽略了。结果回测收益虚高，实盘直接崩。
• 未来函数：用未来的数据去判断过去的信号。比如用收盘价算指标，却在盘中就执行了交易。这属于作弊。
• 交易成本忽略：期权交易的手续费、滑点、买卖价差，加起来可能吃掉你一半的利润。我一般按每手2元手续费+1个tick滑点来算。
• 过拟合：参数调得太精细，回测曲线完美，实盘一塌糊涂。记住，简单的策略往往更有效。

18.7 实战：一个完整的回测示例

好了，理论讲完了。咱们来点实际的。

假设我们要回测一个「波动率曲面套利」策略，具体逻辑是：当某个期限的隐含波动率偏离拟合曲面超过2个标准差时，做多或做空该期限的跨式组合。

import pandas as pd
import numpy as np
from datetime import datetime

class VolArbitrageBacktest:
    def __init__(self, data, threshold=2.0):
        self.data = data
        self.threshold = threshold
        self.results = []
        
    def run(self):
        for date, row in self.data.iterrows():
            # 1. 获取当日波动率曲面
            vol_surface = row['vol_surface']
            
            # 2. 拟合曲面
            fitted = self.fit_surface(vol_surface)
            
            # 3. 计算残差
            residuals = vol_surface - fitted
            
            # 4. 生成信号
            signals = self.generate_signals(residuals)
            
            # 5. 执行交易
            pnl = self.execute_trades(signals, row)
            
            # 6. 记录结果
            self.results.append({
                'date': date,
                'pnl': pnl,
                'signals': len(signals)
            })
            
        return pd.DataFrame(self.results)
    
    def fit_surface(self, vol_surface):
        # 这里用SVI模型拟合
        # 具体实现略
        pass
    
    def generate_signals(self, residuals):
        signals = []
        for i, res in enumerate(residuals):
            if abs(res) > self.threshold:
                signals.append({
                    'index': i,
                    'direction': 1 if res < 0 else -1,
                    'size': abs(res)
                })
        return signals
    
    def execute_trades(self, signals, market_data):
        # 模拟交易执行，考虑滑点和手续费
        total_pnl = 0
        for signal in signals:
            # 计算理论盈亏
            pnl = signal['size'] * market_data['vega'] * signal['direction']
            # 扣除交易成本
            pnl -= 2 * signal['size']  # 每手2元手续费
            total_pnl += pnl
        return total_pnl

这段代码虽然简单，但框架是完整的。你只需要把数据喂进去，跑一遍，就能看到结果。

18.8 回测结果的解读

回测跑完了，一堆数字摆在你面前。怎么解读？

我一般按这个顺序看：

1. 先看最大回撤：如果超过15%，直接pass，别浪费时间
2. 再看夏普比率：低于1的，说明风险调整后收益不行
3. 然后看胜率：套利策略胜率应该在60%以上，低于这个数说明信号质量有问题
4. 最后看收益曲线：是不是平稳向上？有没有突然的暴跌？

你想想看，如果一个策略的收益曲线像过山车一样，你敢把钱放进去吗？反正我不敢。

好了，回测框架就讲到这里。记住，回测不是目的，验证才是。搭好框架，反复迭代，直到你对策略有足够的信心。到那时候，再考虑上实盘也不迟。