问题描述
解决方案
在量化策略回测中，**“未来函数”（Look-ahead Bias）**是指在策略进行决策时，利用了当时那个时间点实际上无法获取的数据。这会导致回测结果虚高，实盘却严重亏损。
在 QMT 平台中，要确保回测的真实性，需要从撮合机制理解、行情数据获取、财务数据处理以及代码逻辑四个方面进行严格控制。
以下是具体的操作指南和注意事项：
1. 理解 QMT 的回测撮合机制
QMT 的 Python 策略主要通过 handlebar(ContextInfo) 函数驱动。
-
默认机制（安全）： 在日线回测中，
handlebar在每一根 K 线结束时被调用。此时，你拥有了这根 K 线的 Open, High, Low, Close (OHLC)。- 信号生成： 你利用当天的收盘价计算指标，产生买卖信号。
- 订单执行： 默认情况下，QMT 会将交易指令发送到下一根 K 线的开盘时刻（Open）进行撮合。
- 结论： 这种“今日收盘决策，明日开盘执行”的模式是避免未来数据的最标准做法。
-
风险点（quickTrade 参数）：
- 如果在
passorder函数中设置quickTrade=1，或者使用do_order()，意味着你试图在当前 K 线立即成交。 - 危险场景： 如果你基于当天的
Close（收盘价）计算信号，并在当天就以Close价格成交，这就是典型的用到未来数据（因为在盘中你不可能知道收盘价是多少）。 - 修正： 如果必须在当天成交（例如收盘前5分钟），必须确保你的逻辑是基于盘中实时数据，而非全天收盘数据。
- 如果在
2. 行情数据的正确获取
在使用 ContextInfo.get_market_data_ex 或 get_history_data 时，要注意数据的时间范围。
错误的做法
在计算指标时，获取了包含“明天”或“未来”的数据进行归一化或计算移动平均。
正确的做法
始终基于当前回测进度 ContextInfo.barpos 来截取数据。
# -*- coding: gbk -*-
def handlebar(ContextInfo):
# 获取当前 K 线索引
index = ContextInfo.barpos
# 获取当前主图品种
code = ContextInfo.stockcode + '.' + ContextInfo.market
# 【正确】获取截止到当前 K 线的数据（count 设为一定长度，不要设为 -1 获取全部）
# 注意：在 handlebar 运行结束时，当前 bar 的数据是已知的
data = ContextInfo.get_market_data_ex(
['close'],
[code],
period=ContextInfo.period,
count=20, # 获取过去20根
end_time='', # 默认为当前进度时间
subscribe=False
)
if code in data:
df = data[code]
# 确保数据长度足够
if len(df) < 20:
return
# 计算指标，例如 MA20
ma20 = df['close'].mean()
# 获取上一根 K 线的收盘价（用于判断交叉）
# 这里的 iloc[-1] 是当前 bar，iloc[-2] 是上一根 bar
current_close = df['close'].iloc[-1]
prev_close = df['close'].iloc[-2]
3. 财务数据的“公告日”原则
这是量化回测中最容易忽视的未来数据陷阱。
- 报告期 (Report Date)： 财报所属的时间段（如 2023年一季报，报告期是 2023-03-31）。
- 公告日 (Announcement Date)： 财报实际对外发布的时间（如 2023年一季报可能在 2023-04-25 发布）。
如果在 2023-04-01 就使用了一季报的数据进行选股，就是使用了未来数据。
QMT 中的正确用法
在使用 ContextInfo.get_financial_data 时，务必注意 report_type 参数。
report_type='announce_time'(默认值/推荐)： 系统会根据公告日期来返回数据。即在 4月1日时，系统只会给你看 2022年年报的数据，只有到了 4月25日，系统才会给你看 2023年一季报的数据。这是真实的。report_type='report_time'(慎用)： 系统会根据报告期返回数据。这会导致你在 4月1日就能看到 4月25日才发布的数据，造成回测虚假繁荣。
# -*- coding: gbk -*-
def handlebar(ContextInfo):
# ... 省略部分代码
# 【正确】使用默认的 announce_time 或显式指定
# 这样能确保在回测历史时间点上，只获取到当时已经公告的财报
fin_data = ContextInfo.get_financial_data(
['ASHAREINCOME.net_profit_incl_min_int_inc'], # 净利润
['600000.SH'],
startDate=ContextInfo.get_bar_timetag(ContextInfo.barpos - 10), # 示例时间
endDate=ContextInfo.get_bar_timetag(ContextInfo.barpos),
report_type='announce_time' # 关键参数
)
4. 避免特定的逻辑陷阱
- 最高/最低价成交： 不要编写类似
if price <= low: buy的逻辑。因为在实盘中，你无法预知当天的最低价是多少，除非你挂单在那个价格等待成交（但回测很难模拟挂单排队）。建议以open或close价格成交。 - 全样本标准化： 如果你在回测开始前，先把所有历史数据拿来进行
Z-Score标准化，然后再进行回测，这是严重的未来数据。标准化必须使用滚动窗口（Rolling Window），只利用过去 N 天的数据计算均值和方差。
5. 总结检查清单
在运行回测前，请检查以下几点：
- 交易时机： 策略是否是“今日信号，明日开盘成交”？如果是“今日成交”，是否确保了没有利用今日收盘价作为成交价？
- 财务数据：
get_financial_data是否使用了announce_time模式？ - 数据引用： 是否只引用了
barpos及其之前的数据，没有引用barpos + 1的数据？ - 偷价行为： 是否设置了合理的滑点（
ContextInfo.set_slippage）和手续费？虽然这不是未来数据，但忽略滑点会高估策略表现。
Q&A: 常见问题解答
Q: QMT 回测时，ContextInfo.get_market_data_ex 如果不填 end_time，默认是什么时间？
A: 在回测模式下，如果不填 end_time，默认是当前回测运行到的时间点（即 ContextInfo.barpos 对应的时间）。这保证了你不会取到比当前回测进度更晚的数据。
Q: 我想在收盘前 5 分钟交易，如何避免未来数据？
A: 你需要使用分钟线（如 5分钟或 1分钟周期）进行回测，或者在日线策略中使用 timetag_to_datetime 判断时间，并配合 do_order。但最稳健的方法是使用分钟周期回测，在每天的最后一根分钟 K 线（如 14:55）产生信号并下单。
Q: 为什么我的策略回测收益率极高，但实盘不行？
A: 除了未来数据（如提前知道财报、提前知道涨跌停）外，常见原因还包括：未计算滑点和手续费、成交量超过了市场实际流动性（买入量超过了当时的盘口挂单量）、使用了复权数据但未考虑除权日的实际买卖限制等。
Q: quickTrade=1 在回测中到底能不能用？
A: 可以用，但必须非常小心。它表示“立即下单”。如果在日线级别回测，且逻辑是 if close > ma20: passorder(..., quickTrade=1)，这就是利用未来数据（因为盘中不知道收盘价）。如果逻辑是 if open > ma20: passorder(..., quickTrade=1)，则是合理的（利用开盘价判断，开盘即买入）。