回测数据"大体靠谱但有偏差"，实盘和回测之间出现滑点是常态而不是异常。​​关键在于你回测时有没有把滑点因素考虑进去。​​

PTrade回测数据的准确度

PTrade的历史行情数据来自交易所，日线级别的准确性很高。但回测本质上是对历史的"理想化模拟"，和实盘之间天然存在几类偏差：

​​① 成交价假设偏乐观。​​ 回测默认信号触发就能按目标价成交，但实盘中从信号发出到订单到达交易所有延迟，盘口深度也在不断变化，真实成交价几乎不会刚好等于信号价。

​​② 交易摩擦容易被低估。​​ 佣金、印花税、过户费这些如果回测时没设或设低了，回测收益就会被高估。高频策略尤其敏感——一个小数点的差异，年化收益可能差好几个百分点。

​​③ 涨跌停和停牌处理不同。​​ 实盘中跌停卖不出、涨停买不进、停牌资金被冻结，回测引擎如果没严格模拟这些限制，收益就会虚高。

⚡ 滑点：实盘和回测最大的差距来源

​​滑点就是委托价和实际成交价之间的差值。​​ 回测里如果滑点设为0（很多人的默认状态），实盘收益打折是必然的。

滑点大小跟几个因素直接相关：

- ​​标的流动性：​​ 大盘蓝筹滑点小（ 买卖价差 窄），小盘冷门股滑点大得多， 网格策略 在小票上滑点损耗尤其严重。

- ​​资金体量：​​ 单笔委托占当天成交量比例越大， 市场冲击 越强，滑点越大。

- ​​行情波动：​​ 剧烈波动时盘口快速变化，滑点会瞬时放大。

怎么让回测更接近实盘？

这几个设置做对了，回测可信度能大幅提高：

​​① 回测必须设置滑点参数。​​ PTrade里用 set_slippage() 函数设置滑点，大盘股可以设千分之一到二，小盘股要更高。回测时如果没设，先跑一次带滑点的版本，对比收益缩水幅度——如果从年化20%掉到10%以下，说明策略对滑点太敏感，实盘大概率不划算。

​​② 用成交比例限制模拟真实撮合。​​ set_volume_ratio 控制单笔成交占市场成交量的比例，避免"回测里全成交、实盘里只成交一半"的情况。

​​③ 回测周期要覆盖多种行情。​​ 至少包含牛、熊、震荡各一段，只在牛市数据上跑出来的策略，换个环境就可能失效。

​​④ 回测跑完先跑模拟盘。​​ 用模拟盘跑1-4周，对比回测的信号、成交价、滑点，确认差距在可接受范围再上实盘。先小额试单跑一段时间，验证稳定后再放大仓位。

总结一下：​​回测是"实验室"，实盘是"真实路况"。​​ 实验室跑通了说明策略逻辑没问题，但上路前一定要把滑点、成本、流动性这些"摩擦力"加上，再用模拟盘和小额实盘双重验证。