回测引擎最小模型：现金、持仓与成交
写出买卖规则以后，很多人会立刻问：“那到底赚不赚钱？”别急，先要有一台能按规则记账的机器。就像开小卖部，不是喊一句“今天卖得不错”就行，现金还剩多少、货架上还有多少货、每一笔买卖有没有记清，都要对得上。
这是什么
回测引擎，就是用程序模拟现金、持仓、成交和账户净值变化的一套记账机器。它不负责替你发明好策略，只负责按你写好的量化策略规则，一天一天往前走：该买就扣现金加持仓，该卖就减持仓加现金，每天算一次账户还值多少钱。
如果把量化策略规则比作“进货和清货的规矩”，回测引擎就是收银台加库存本。规矩再漂亮，收银台记错钱、库存本记错货，最后看到的盈利和亏损都不可信。
一个最小回测引擎至少要管四张账：
| 账本 | 记录什么 | 为什么重要 |
|---|---|---|
| cash | 现金还剩多少 | 没现金就不能继续买入 |
| position | 持仓数量和成本 | 不知道持仓，就不知道能不能卖 |
| trades | 每一笔成交 | 方便复盘买卖是否按规则发生 |
| equity | 账户净值 | 现金 + 持仓按当日价格估算后的总价值 |
经验
第一版回测引擎越小越好。先让一只教学样本股票、几天行情、几笔买卖完整跑通，再扩大范围。
为什么不能只看买卖信号
买卖信号只是“想做什么”，回测引擎要处理的是“做完以后账户变成什么”。这两个差得很远。
比如策略在 2024-01-10 给出买入信号，如果账户只有 1 万元现金，就不能按 5 万元去买；如果买入当天普通股票遵守 T+1，就不能假装当天又卖掉；如果已经满仓，再出现买入信号，也不能继续凭空加仓。
散户手动交易时，经常忽略这些细节，感觉“这里买、那里卖”好像挺顺。程序一旦认真记账，很多漂亮想法会露馅：现金不够、仓位超了、卖出日期不对、持仓数量对不上。所以最小回测引擎的存在意义，不是让曲线好看，而是把交易规则和仓位控制落到每一天的账户变化里。
用一笔买卖看清账怎么走
还是用贵州茅台（600519，白酒行业，上交所主板，2001 年 8 月 27 日上市）作为真实 A 股公司例子；下面数字是教学样本，不代表真实历史行情。
假设账户初始现金 10 万元，策略规定单只股票最多 20% 仓位。教学样本数据如下：
| date | code | close | signal | can_sell |
|---|---|---|---|---|
| 2024-01-10 | SAMPLE | 100.00 | buy | no |
| 2024-01-11 | SAMPLE | 102.00 | hold | yes |
| 2024-01-12 | SAMPLE | 98.00 | sell | yes |
这里为了展示记账流程，假设第一天的信号可在同日按 100.00 元成交；真实回测如果使用收盘后数据生成信号，通常应在下一交易日执行，避免偷看当天收盘价。
第一天出现买入信号，20% 仓位就是 2 万元。按 100.00 元买入，先不考虑额外成本，能买 200 股。账户变化是：现金从 10 万元变成 8 万元，持仓从 0 股变成 200 股。
第二天没有卖出信号，持仓不变。账户净值大约是 8 万元现金 + 200 股 × 102.00 元 = 10.04 万元。
第三天出现卖出信号，且 can_sell 是 yes，说明这笔持仓已经不是当天刚买入，可以卖。按 98.00 元卖出 200 股，现金变成 9.96 万元，持仓归零。这次从买入到卖出亏了 400 元。
这就是回测引擎最朴素的价值：它把“我觉得这里可以买卖”变成一串能核对的账。
最小代码长什么样
先别追求复杂结构。一个入门版可以把账户状态放在一个小字典里：
account = {
"cash": 100_000,
"shares": 0,
"buy_date": None,
}每天读一行行情和信号，然后按顺序处理：
def run_one_day(account, row):
price = row["close"]
if row["signal"] == "buy" and account["shares"] == 0:
budget = account["cash"] * 0.2
shares = int(budget // (price * 100)) * 100
account["cash"] -= shares * price
account["shares"] += shares
account["buy_date"] = row["date"]
elif row["signal"] == "sell" and account["shares"] > 0 and row["can_sell"]:
account["cash"] += account["shares"] * price
account["shares"] = 0
account["buy_date"] = None
equity = account["cash"] + account["shares"] * price
return equity这段代码故意很直白：先看现金，决定能买多少；再看持仓和 can_sell，决定能不能卖；最后用当天收盘价估算账户净值。这里把买入数量按 100 股整数倍取整，是为了更接近 A 股普通股票的买入习惯；更严格的版本还要预留交易费用，不能把每一分钱都假装能买成股票。
这里有三个关键点。
第一，买入要先扣现金。不能只记录“我买了”，却不减少现金。
第二，卖出要先检查持仓。没有持仓就不能卖，普通股票当天买入也不能假装当天卖出。
第三，每天都要算账户净值。只看最后一次卖出结果，会漏掉中间的浮盈、浮亏和回撤压力。
新手最容易踩的坑
第一个坑，是只记录信号，不记录成交。信号说买，不代表一定买得到；现金不够、仓位限制、交易规则，都可能让这笔买入不能发生。
第二个坑，是忘了 T+1。当天买入的普通股票，通常不能当天卖出。如果回测引擎不检查 can_sell，就可能做出真实交易里做不到的动作。
第三个坑，是账户净值算错。有人只看现金，忘了持仓还值钱；有人只看持仓市值，忘了现金也属于账户。正确的最小口径是：现金 + 持仓按当日价格估算的价值。
风险
方向性做法：第一版回测引擎建议先保守，宁愿少算一点机会，也不要让程序做出现实里无法成交的动作。适用条件是你在搭最小模型；反例是为了让结果更好看，放宽 T+1、忽略仓位、让现金变成负数；风险是你会把程序漏洞误认为策略能力。
大坑
不要让回测引擎“替你圆梦”。只要出现现金为负、没有持仓却能卖出、当天买当天卖普通股票这类情况，结果再漂亮也要先停下来查账。
总结
回测引擎是量化研究里的记账机器：它按量化策略规则处理买入、卖出和仓位，把现金、持仓、成交和账户净值一天天算清楚。第一版不用复杂，重点是账要对：买入扣现金，卖出减持仓，T+1 不乱来，账户净值每天能核对。
自检 3 问：
- 为什么只有买卖信号还不够，必须记录现金和持仓？
- 普通股票 T+1 会怎样影响回测引擎里的卖出判断？
- 账户净值为什么要同时包含现金和持仓价值？
股市有风险，入市需谨慎。本文不构成任何投资建议。
本章新学到：回测引擎。