Backtesting.py框架中停止订单执行机制的分析与改进
2025-06-03 21:01:11作者:牧宁李
背景介绍
Backtesting.py是一个流行的Python回测框架,它允许交易者和量化分析师测试他们的交易策略。在交易策略中,停止订单(Stop Order)是一种常见的订单类型,它会在市场价格达到指定水平时触发执行。然而,在实际使用中发现Backtesting.py框架中的停止订单执行机制存在一些不符合预期的行为。
问题现象
通过测试案例可以观察到Backtesting.py框架中停止订单执行存在三个主要问题:
- 执行时机延迟:停止订单应该在T+1周期触发,但实际在T+2周期才执行
- 边界条件处理不当:当市场价格等于停止价格时,订单未能正确触发
- 交易记录异常:卖出停止订单导致EntryBar大于ExitBar和负的Duration值
技术分析
测试案例设计
测试使用了三个简单的策略类来验证停止订单的行为:
- test1:测试简单的买入停止订单
- test2:测试同时包含停止价和限价的买入订单
- test3:测试卖出停止订单
测试数据包含四个交易日的数据,每个交易日包含开盘价、最高价、最低价和收盘价。
预期行为分析
按照金融市场常规理解,停止订单应该:
- 在订单提交后的下一个交易日(T+1)检查是否触发
- 对于买入停止订单,当最高价≥停止价时触发
- 对于卖出停止订单,当最低价≤停止价时触发
- 当价格等于停止价时也应视为触发条件满足
实际行为差异
测试结果显示:
- 所有停止订单都没有在预期的T+1周期触发
- 当市场价格等于停止价时,订单未被触发
- 卖出订单的交易记录显示EntryBar(3)大于ExitBar(2),且Duration为负值(-1),这与时间顺序逻辑相矛盾
问题根源
经过分析,这些问题可能源于以下几个方面:
- 订单检查时机:框架可能在订单提交后的第二个周期才开始检查订单条件,而非下一个周期
- 边界条件判断:价格比较可能使用了严格大于/小于,而非包含等于的情况
- 交易记录逻辑:在记录交易时,可能错误地设置了进入和退出的时间戳
解决方案建议
针对这些问题,建议对Backtesting.py框架进行以下改进:
- 调整订单检查时机:确保在订单提交后的下一个周期立即开始检查触发条件
- 修正边界条件判断:将价格比较改为包含等于的情况(≥或≤)
- 修复交易记录逻辑:确保EntryBar总是小于或等于ExitBar,Duration为非负值
- 复合订单处理:对于同时包含停止价和限价的订单,应明确执行规则并保持一致
对用户的影响
这些问题会影响策略回测的准确性:
- 订单执行延迟会导致策略表现与实际情况不符
- 边界条件处理不当会遗漏部分本应触发的交易
- 错误的交易记录会影响绩效统计和分析
最佳实践建议
在使用Backtesting.py框架时,建议用户:
- 对停止订单行为进行充分测试验证
- 考虑在策略中加入日志记录,跟踪订单触发和执行情况
- 对于关键策略,考虑手动验证几个典型交易场景
- 关注框架更新,及时应用修复这些问题的版本
总结
Backtesting.py框架中的停止订单执行机制存在一些需要改进的地方,这些问题会影响回测结果的准确性。理解这些问题有助于用户更合理地使用框架,并对回测结果保持适当的谨慎态度。框架开发者已经注意到这些问题并在后续版本中进行了修复,用户应关注更新并及时升级。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210