12、冲击成本回测框架：回测环境搭建、冲击成本模拟、绩效评估指标

做量化交易的朋友都知道，策略在纸上跑得再漂亮，一上实盘就变脸。为什么？说白了，就是冲击成本在作祟。我这些年踩过的坑，十有八九都跟这个有关。今天咱们就来聊聊，怎么搭建一个靠谱的冲击成本回测框架。

12.1 回测环境搭建：别让基础设施拖后腿

回测环境这东西，看着简单，其实门道不少。我个人习惯用 Python + Pandas + NumPy 这套组合，够用且灵活。但要注意几个关键点：

• 数据精度：至少要用 tick 级数据，分钟级数据做冲击成本分析，误差会大到离谱。我见过有人用日线数据算冲击成本，结果回测收益翻倍，实盘直接亏光。
• 订单簿重建：你得能模拟出真实的订单簿状态。光有成交价不够，还得有买卖盘口的深度信息。
• 撮合引擎：要支持限价单、市价单、冰山订单等多种订单类型。别小看这个，不同订单类型的冲击成本差异很大。

这里给个简单的环境搭建示例：

import pandas as pd
import numpy as np
from collections import deque

class OrderBook:
    def __init__(self, depth=10):
        self.bids = deque(maxlen=depth)  # 买单队列
        self.asks = deque(maxlen=depth)  # 卖单队列
        
    def update(self, bid_prices, bid_volumes, ask_prices, ask_volumes):
        self.bids = list(zip(bid_prices, bid_volumes))
        self.asks = list(zip(ask_prices, ask_volumes))
    
    def simulate_market_order(self, side, volume):
        """模拟市价单的冲击成本"""
        if side == 'buy':
            book = self.asks
        else:
            book = self.bids
            
        remaining = volume
        total_cost = 0
        for price, qty in book:
            if remaining <= 0:
                break
            trade_qty = min(remaining, qty)
            total_cost += trade_qty * price
            remaining -= trade_qty
        
        return total_cost, volume - remaining

12.2 冲击成本模拟：从理论到实战

冲击成本模拟，说白了就是算一笔账：你要吃掉多少流动性，得付出多少代价。我常用的模型有这么几种：

模型名称	核心逻辑	适用场景
线性冲击模型	冲击成本与成交量成正比	流动性较好的股票、期货
平方根冲击模型	冲击成本与成交量的平方根成正比	流动性一般的品种
Almgren-Chriss模型	考虑时间因素，动态优化拆单	大单交易、算法交易

嗯，这里要注意一点：没有万能模型。我在做A股策略时，发现线性模型在茅台这种股票上表现不错，但换到小盘股就完全失灵。后来我改用平方根模型，效果好了不少。

来看一个实际的冲击成本模拟代码：

def calculate_impact_cost(order_book, side, volume, model='linear'):
    """计算冲击成本"""
    if model == 'linear':
        # 线性模型：cost = alpha * volume
        alpha = 0.0001  # 冲击系数，需要根据历史数据拟合
        return alpha * volume * order_book.mid_price()
    
    elif model == 'sqrt':
        # 平方根模型：cost = beta * sqrt(volume)
        beta = 0.001
        return beta * np.sqrt(volume) * order_book.mid_price()
    
    elif model == 'almgren_chriss':
        # Almgren-Chriss模型
        # 这里简化处理，实际需要更多参数
        sigma = 0.02  # 波动率
        gamma = 0.01  # 永久冲击系数
        eta = 0.005   # 临时冲击系数
        
        T = 1.0  # 交易时间
        N = 10   # 拆单次数
        
        x = volume / N  # 每单成交量
        impact = (gamma * volume + eta * x) * order_book.mid_price()
        return impact

12.3 绩效评估指标：别只看收益率

冲击成本回测做完，怎么评价效果？我建议从三个维度来看：

• 成本维度：冲击成本占总交易金额的比例，这个最直观。我一般要求控制在0.1%以内，超过0.5%的策略基本没法实盘。
• 执行维度：滑点率、成交率、订单完成时间。这些指标能反映你的订单执行质量。
• 风险维度：冲击成本波动率、极端情况下的最大冲击成本。别只看平均值，尾部的风险往往更致命。

下面是我常用的绩效评估指标表：

指标名称	计算公式	理想范围
冲击成本率	冲击成本 / 交易金额	< 0.1%
滑点率	(实际成交价 - 预期价格) / 预期价格	< 0.05%
成交率	实际成交量 / 委托量	> 95%
成本波动率	冲击成本的标准差	越低越好
极端冲击成本	99%分位数的冲击成本	< 0.5%

最后，我习惯把回测结果可视化，这样一眼就能看出问题。下面这张图展示了冲击成本回测的整体框架：

这张图把整个框架串起来了。从数据输入开始，经过回测引擎的模拟，最后输出绩效指标。每个环节都有对应的模型和算法支撑。

好了，冲击成本回测框架的核心内容就这些。记住：回测不是目的，实盘才是。框架搭好了，后面就是不断迭代优化的事。