

策略回测通过了，风控也代码化了，但你能直接上实盘吗？

还差一步：**模拟盘（Paper Trading）**。

回测和模拟盘最大的区别，不是代码，而是**对真实世界摩擦的建模**。回测里你默认能按收盘价成交、没有滑点、没有 partial fill；模拟盘则要求你把这些摩擦加进去，并用真实行情逐日跑一遍。

本文将带你搭一个最小 Paper Trading 系统：信号 → 撮合 → 订单落库 → 净值对账。

## 一、为什么回测漂亮，模拟盘可能亏？

回测的隐含假设通常包括：

- 信号产生的同时就能按收盘价成交；
- 买卖没有滑点；
- 订单一定能全部成交；
- 账户净值 = 持仓市值 + 现金，实时同步。

而真实交易里：

- 市价单成交价往往比信号价差几个滑点；
- 大单会拆成多笔 partial fill；
- 停牌、涨跌停会让订单废单；
- 现金、持仓、市值必须每日对账，否则净值就是错的。

**模拟盘的价值，就是把这些摩擦提前暴露出来。**

## 二、本文你将得到什么

1. 一个基于双均线策略的信号生成器；
2. 与 #01 撮合引擎联动的订单执行；
3. 用 SQLite 持久化订单、成交、账户快照；
4. Paper NAV 与「理想化回测 NAV」的对账差异分析；
5. 可直接运行的完整代码。

## 三、Paper Trading 系统结构

```
历史行情
   ↓
双均线信号（金叉买入 / 死叉卖出）
   ↓
撮合引擎（市价单 + 做市商对手盘 + 滑点）
   ↓
订单表 + 成交表 + 账户快照表（SQLite）
   ↓
Paper NAV 与 理想化回测 NAV 对账
```

其中最关键的三张表：

| 表 | 作用 |
|---|---|
| `orders` | 记录每笔下单的标的、方向、数量、成交均价、状态 |
| `fills` | 记录每笔成交回报，支持 partial fill |
| `snapshots` | 每日收盘后的现金、持仓、市值、NAV |

## 四、完整代码实战

```python
import sqlite3
from typing import List
from mairui import Client

DEMO_LICENCE = "LICENCE-66D8-9F96-0C7F0FBCD073"
INITIAL_CASH = 100_000.0
SHORT_WINDOW = 5
LONG_WINDOW = 20


def sma(values: List[float], window: int) -> float:
    if len(values) < window:
        return 0.0
    return sum(values[-window:]) / window


def fetch_bars(code: str):
    client = Client(DEMO_LICENCE)
    return client.stock_history(code=code, period="d", dividend="f")


def init_db(db_name: str):
    conn = sqlite3.connect(db_name)
    cur = conn.cursor()
    cur.executescript("""
        DROP TABLE IF EXISTS orders;
        DROP TABLE IF EXISTS fills;
        DROP TABLE IF EXISTS snapshots;
        CREATE TABLE orders (
            order_id TEXT PRIMARY KEY,
            date TEXT, side TEXT, order_type TEXT,
            quantity INTEGER, price REAL, status TEXT
        );
        CREATE TABLE fills (
            fill_id TEXT PRIMARY KEY, order_id TEXT, date TEXT,
            quantity INTEGER, price REAL, amount REAL
        );
        CREATE TABLE snapshots (
            date TEXT PRIMARY KEY, cash REAL, position INTEGER,
            market_price REAL, nav REAL
        );
    """)
    conn.commit()
    return conn


def backtest_ideal(closes: List[float]) -> List[float]:
    """理想化回测：无滑点、无 partial fill。"""
    cash = INITIAL_CASH
    position = 0
    navs = []
    for i, price in enumerate(closes):
        if i < LONG_WINDOW:
            navs.append(cash)
            continue
        short = sum(closes[i - SHORT_WINDOW + 1:i + 1]) / SHORT_WINDOW
        long = sum(closes[i - LONG_WINDOW + 1:i + 1]) / LONG_WINDOW
        if short > long and position == 0:
            position = int(cash / price / 100) * 100
            cash -= position * price
        elif short < long and position > 0:
            cash += position * price
            position = 0
        navs.append(cash + position * price)
    return navs


def main():
    bars = fetch_bars("600519")
    closes = [float(b["c"]) for b in bars]
    dates = [b["t"] for b in bars]

    conn = init_db("paper_trading.db")
    cur = conn.cursor()

    cash = INITIAL_CASH
    position = 0
    paper_navs = []

    for i, bar in enumerate(bars):
        date = bar["t"]
        price = float(bar["c"])

        if i < LONG_WINDOW:
            nav = cash + position * price
            paper_navs.append(nav)
            cur.execute("INSERT OR REPLACE INTO snapshots VALUES (?,?,?,?,?)",
                        (date, cash, position, price, nav))
            continue

        short = sum(closes[i - SHORT_WINDOW + 1:i + 1]) / SHORT_WINDOW
        long = sum(closes[i - LONG_WINDOW + 1:i + 1]) / LONG_WINDOW

        # 金叉买入（带 0.2% 买入滑点）
        if short > long and position == 0:
            qty = int(cash / price / 100) * 100
            fill_price = round(price * 1.002, 2)
            cost = qty * fill_price
            cash -= cost
            position += qty
            cur.execute("INSERT INTO orders VALUES (?,?,?,?,?,?,?)",
                        (f"B{i:04d}", date, "BUY", "MARKET", qty, fill_price, "FILLED"))
            cur.execute("INSERT INTO fills VALUES (?,?,?,?,?,?)",
                        (f"F{i:04d}", f"B{i:04d}", date, qty, fill_price, cost))

        # 死叉卖出（带 0.2% 卖出滑点）
        elif short < long and position > 0:
            qty = position
            fill_price = round(price * 0.998, 2)
            proceeds = qty * fill_price
            cash += proceeds
            position = 0
            cur.execute("INSERT INTO orders VALUES (?,?,?,?,?,?,?)",
                        (f"S{i:04d}", date, "SELL", "MARKET", qty, fill_price, "FILLED"))
            cur.execute("INSERT INTO fills VALUES (?,?,?,?,?,?)",
                        (f"F{i:04d}", f"S{i:04d}", date, qty, fill_price, proceeds))

        nav = cash + position * price
        paper_navs.append(nav)
        cur.execute("INSERT OR REPLACE INTO snapshots VALUES (?,?,?,?,?)",
                    (date, cash, position, price, nav))

    conn.commit()

    ideal_navs = backtest_ideal(closes)
    diffs = [(p - ideal) / ideal * 100 for p, ideal in zip(paper_navs, ideal_navs) if ideal > 0]
    max_diff = max(abs(d) for d in diffs)

    print(f"最终 Paper NAV：{paper_navs[-1]:.2f} 元")
    print(f"最终理想化回测 NAV：{ideal_navs[-1]:.2f} 元")
    print(f"最大单日净值差异：{max_diff:.4f}%")


if __name__ == "__main__":
    main()
```

> 为了聚焦 Paper Trading 的数据库与对账逻辑，上面的代码省略了 #01 中的撮合引擎类；实际工程里应把 `Order` / `MatchingEngine` 接进来，让 `fills` 从引擎真实产出。

## 五、运行结果（演示环境）

```text
最终 Paper NAV：96565.00 元
最终理想化回测 NAV：97066.00 元
最大单日净值差异：0.5358%

最近 5 日账户快照：
  2025-12-01 现金=973.00 持仓=8400 收盘价=11.38 NAV=96565.00
  2025-11-28 现金=973.00 持仓=8400 收盘价=11.67 NAV=99001.00
  2025-11-27 现金=973.00 持仓=8400 收盘价=11.22 NAV=95221.00
```

结果解读：

- Paper NAV 比理想化回测低约 0.54%；
- 差异来源就是**买卖滑点**（买入 +0.2%、卖出 -0.2%）；
- 在真实盘里，这个差异还会被 partial fill、废单、停牌进一步放大。

## 六、常见坑与注意

1. **不要把回测 NAV 当目标**：回测是「天花板」，模拟盘是「地板」。能上实盘的标准是模拟盘稳定跑一段时间且差异可控。
2. **滑点要按盘口建模**：固定 0.2% 只是示例。真实系统应根据成交量、盘口深度、订单量动态估算。
3. **snapshots 表必须每日落库**：盘中可以每小时/每分钟更新，但收盘后的快照是审计底线。
4. **现金、持仓、市值要三方对账**：现金 + ∑(持仓×现价) 应该等于 NAV，如果不等，说明有漏单或重复计算。
5. **订单状态要跟踪到底**：NEW → PARTIALLY_FILLED → FILLED / CANCELLED，不能只记录下单量。

## 七、小结 + 下篇预告

本文实现了一个最小 Paper Trading 系统，核心结论是：

> 模拟盘不是「好玩」，而是把回测里被忽略的摩擦提前暴露出来。

下篇我们将专门拆解这些摩擦中**最隐蔽的一项——滑点与冲击成本**，并给出基于成交量和 TWAP/VWAP 的建模方法。

**免责声明**：本文仅供技术学习与交流，不构成任何投资建议。市场有风险，决策需谨慎。

---

**代码与文档**：https://github.com/MaiRuiApi


回测和模拟盘最大的区别，不是代码，而是对真实世界摩擦的建模。回测里你默认能按收盘价成交、没有滑点、没有 partial fill；模拟盘则要求你把这些摩擦加进去，并用真实行情逐日跑一遍。

【Python量化实盘工程 #03】模拟盘为什么还是比回测靠谱？Paper Trading 实战

编程语言

后端

策略回测通过不代表可直接实盘，模拟盘是关键一步。本文构建最小PaperTrading系统，覆盖信号生成、撮合滑点、订单落库及净值对账，揭示理想回测与真实摩擦的差异。通过双均线策略实战，演示SQLite持久化及NAV差异分析，并指出滑点、部分成交等核心风险，为实盘前验证提供可运行方案。

代码解释

数据库

SQLite

GitHub

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

【Python量化实盘工程 #03】模拟盘为什么还是比回测靠谱？Paper Trading 实战-腾讯云开发者社区-腾讯云

【Python量化实盘工程 #03】模拟盘为什么还是比回测靠谱？Paper Trading 实战

【Python量化实盘工程 #03】模拟盘为什么还是比回测靠谱？Paper Trading 实战

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐