
回测是用历史数据验证交易策略效果的过程。
它把策略的买卖规则套到过去的价格与成交数据上,模拟资金进出与成本,输出收益曲线、最大回撤、胜率、夏普比率等指标,用来判断策略是否值得进入实盘或继续优化。
回测能在不冒实盘风险的情况下,提前看到策略可能的收益与亏损。
对于加密市场这种波动大的环境,回测能帮助你设定预期。例如你看到一个策略的最大回撤曾达到30%,就知道在极端市况下要控制仓位或加止损。它还能避免“拍脑袋下单”,让决策基于数据,而不是情绪。
回测围绕“规则+数据+成本+评估”四件事展开。
规则是进出场信号与仓位管理,比如价格突破、均线交叉、固定网格间距等。数据是历史K线与成交量,尽量选择稳定来源,并与交易所实际品种、时区一致。
成本包括手续费与滑点。手续费是平台收取的交易费用,滑点是下单与成交之间的价格差,类似抢票时票价跳变。忽略成本,结果会过于乐观。
评估常用指标有:收益率与收益曲线、最大回撤(账户从高点到低点的最大跌幅)、胜率(盈利交易占比)、夏普比率(单位风险的回报,通常>1被认为较稳健)。这些指标结合看,才能避免被单一数字误导。
为了避免“背答案”,还需要做样本内与样本外验证。样本内是你用来设计策略的时期,样本外是没有参与调参的时期;在样本外仍保持可接受表现,策略更可信。进一步可以做“步进前推”(分段滚动优化与测试),检验稳定性。
回测在加密里主要发生在现货、合约与DeFi场景。
现货网格:把资金分成多档价格网,价格来回波动时反复低买高卖。回测会展示在过去一年内网格触发次数、累计手续费、净收益与最大回撤。
趋势跟随:例如BTC突破近20日高点才开仓,跌破均线平仓。回测能看到在震荡期的亏损密度与在单边行情中的拉升收益,从而决定是否加过滤条件。
永续合约资金费率策略:当资金费率长期为正,做空合约拿费率;为负则做多。回测要叠加费率、价差、杠杆的影响,并严格模拟强平规则。
DeFi做市:为AMM池提供流动性,赚手续费与可能的挖矿奖励。回测要模拟无常损失、交易量与费用分成,评估净值波动。
在Gate的策略工具或API环境里,你可以先用回测或模拟交易观察历史表现,再决定是否小仓位上实盘,常见于现货网格、定投与趋势策略。
第一步:选品与时间段。明确标的(如BTC/ETH)与回测窗口(如近一年与2025年全年),避免仅用极短周期。
第二步:准备数据。用交易所的K线与成交量数据,统一时区与精度;缺失值要剔除或填补,避免“未来数据”混入。
第三步:写规则。清楚地定义入场、出场、加减仓与风控,比如触发价、止损线、最大持仓。
第四步:加入成本。设置手续费与滑点的合理区间。现货手续费常见区间为万分之三到万分之五;滑点可按波动与深度估计。
第五步:运行与看指标。输出收益曲线、最大回撤、胜率、夏普比率、交易次数与连续亏损长度,观察是否符合你的风险承受能力。
第六步:做样本外与步进前推。把时间段切片,避免只在一个阶段表现“完美”。
第七步:小仓位试验。先用纸上交易或极小仓位在Gate等平台验收执行层面的差异,如下单延迟与真实滑点。
近一年,回测更重视真实成本与执行细节,尤其是滑点与流动性约束。
在时间口径上,建议跟踪“2025年全年”和“2025年下半年到2026年初”的关键数据点:
波动率区间:BTC与主流币在高波动月份的月度年化波动率常见在30%到70%区间,策略的止损与网格间距需要随波动率调整。
手续费与资金费率:现货基础费率常见在万分之三到万分之五;永续资金费率多数时间在±0.01%到0.05%之间波动,极端事件可能偏离。观察费率的持续性与与价格趋势的关系,有助于评估套利策略的稳健性。
交易深度与滑点:在2025年下半年到2026年初的高波动时段,滑点敏感度上升,小账户更应保守估计成交价偏差;做回测时可设更宽的滑点区间做压力测试。
策略稳健性:对比“2024年全年”与“2025年全年”的样本外表现,若策略在不同阶段保持相近的胜率与最大回撤,说明抗环境变化能力更强。
这些数据点不要求完全一致,关键是统一口径与时间窗口,并用压力测试检验策略在不同市场环境下的韧性。
过拟合:把参数调到完美匹配过去的行情,像背答案,换个年份就失效。通过样本外与步进前推缓解。
忽略成本:不计手续费与滑点,纸面收益虚高。务必设定合理区间,并在高波动期加严估计。
未来函数与数据泄露:错误地用到未来信息,如当日收盘后才知道的指标去做当日交易。确保信号只用当时可获得的数据。
只看单一指标:胜率高不代表盈利,可能小赚多亏。综合看收益曲线、最大回撤与夏普比率。
脱离实盘约束:不考虑下单延迟、最小交易量与强平规则。用小仓位在Gate等平台做实盘演练,校准执行差异。
回测是用历史数据模拟交易策略的效果,而实盘交易是真实市场中用真金白银操作。回测能帮你在不亏钱的情况下检验策略,但回测结果不一定能完全复现实盘表现,因为实际交易还要面对滑点、手续费波动和突发事件等真实因素。建议先用回测验证策略有效性,再谨慎进行小额实盘测试。
不一定。数据过多可能导致过度拟合,即策略在历史数据上表现完美,但到了新行情就失效了。通常选择1-3年的历史数据已足够检验策略的稳定性。更重要的是数据质量和多个市场周期的覆盖,包括牛市、熊市、震荡市等不同阶段,这样回测的结果才更有参考价值。
这是回测最常见的"陷阱"。主要原因包括:策略过度优化导致不适应新行情、忽视了交易成本(手续费、滑点)、历史行情不代表未来走势、实盘执行纪律不严格等。建议回测时留出20%的margin安全边际,设置严格的风控规则,并在实盘前进行小额试错来验证。
Gate本身没有内置回测工具,但Gate提供了完整的历史数据API和现货、合约交易接口。你可以通过Gate的API接口获取历史K线数据,配合Python等编程工具自己编写回测程序,或使用专业的回测平台(如VN.Py、Backtrader等)导入Gate的数据进行测试。
建议先从简单策略入手,如均线交叉或基础的突破策略。学习一门编程语言(Python最常用),掌握基础的数据处理和策略逻辑。然后在Gate或其他平台获取历史数据,用开源回测框架(如Backtrader)进行实践。重点不是追求复杂策略,而是理解回测的原理和如何科学地评估策略有效性。


