回测按贵宾价算账，实盘按你的真实价算账

朋友转给你一份策略业绩报告，说这套东西他跑了三年历史数据，年化二十几个点，回撤也不吓人。你把逻辑问了一遍，他讲得挺清楚，你也挑不出毛病。

这时候你其实还漏了一句话没问，而且这句话跟策略逻辑一点关系都没有：这份报告在算账的时候，是按谁的价钱收的手续费？

听上去像抠细节。但这一格里填的数字，决定了那条曲线到底是这套规则的成绩，还是"这套规则 + 某个特定身份的人"的成绩。它是整份报告里唯一一个跟策略无关、只跟人有关的输入，也是最容易被整份报告悄悄跳过的一格。

回测好看实盘亏，差的到底是哪三件事 已经把这件事点名了，这一篇专门把它挖到底。至于手续费本身由哪几笔构成、印花税怎么单边收、一次往返到底扣多少，手续费与印花税 那篇已经拆得很细了，这里不重讲费用结构，只讲一件事：回测那一格里的数，和你实际要交的数，差在哪，以及这个差会被什么放大。

那个年化数字，一半属于策略，一半属于人

先打个比方

设想你在一家连锁超市上班，员工买东西打八折。有个朋友做小生意，问你某样东西倒手能不能赚。你回家拿计算器一算：进价这么多、卖价这么多，一件赚三块，能做。

朋友照着你的账去做了，做完发现每件亏一块。

哪一步错了？逻辑没错，价格没错，商品没错。错的是你算账用的是员工价，他掏的是外部价。八折那一层，从头到尾没出现在你写给他的那张纸上——因为对你来说那是背景，是默认的，是你根本不会特意写出来的东西。

一份回测报告里的费率，就是那个八折。

这对你的判断意味着什么

先接受一个有点别扭的结论：年化收益不是策略的属性，是"策略 + 执行人"这个组合的属性。

同一段历史行情，对所有人都一样——你看到的那根 K 线和写报告那个人看到的完全相同，这是公共信息。但费率不是公共信息，它是身份信息：跟你的交易量、你的开户渠道、你签的合同、你所在的市场都有关系。

于是在一份回测报告的全部输入里，出现了一个很微妙的错位：

• 行情数据是公共的，可以直接搬。
• 策略逻辑是公共的，也可以直接搬。
• 费率是私有的，搬过来就是错的。

所以当你看到一条曲线，正确的读法不是"这套规则能做到年化 X"，而是"这套规则在报告作者那个费率下能做到年化 X"。这两句话的差别，在低频策略上可以忽略不计，在高频策略上足以颠倒结论。后面那个乘法会让你看清楚差多少。

再进一步，还有一个大部分人从来没想过的推论：你的费率会变，但报告里的费率是一个常数。 你的交易量档位可能升降，券商的费率政策可能调整，市场层面的税费本身也是政策变量。回测拿一个固定的数字盖住了三年，而你未来三年要交的，是一条会动的曲线。这不是精度问题，是回测把一个变量当成了常数。

为什么会是这样

框架的作者不是懒，也不是想骗你，他们面对的是一个没有正确答案的问题：默认值该填谁的数？

软件里的默认值有一个天然职责——让系统能跑起来，而且对所有用户都说得通。作者不知道你是谁、你交易量多大、你签的什么合同，所以他必须填一个"普适"的值。而在费率这件事上，最普适、最不需要额外信息、最容易从交易场所公开页面上直接读到的那个数，恰好就是面向所有人的基础报价，也就是最优惠或者说门槛最低的那一档。

这里可以看一眼开源框架的原话。freqtrade 是一个公开的自动交易框架，它的基础概念文档里有一小节专讲费用处理，说的是：所有收益计算都包含费用；回测、参数搜索和模拟盘这三种模式，用的是交易所的默认费率，并在括号里点明这是交易所上最低的那一档；只有真实下单的时候，才用交易所实际收你的那个费率，包括各种返还和折扣在内。

它的配置文档里那个费率参数的说明还多补了两句，直白得像在提醒你：这个参数是回测和模拟盘用的，正常情况下不建议你自己配，让框架回落到交易所默认值就行；并且明确写出，这笔费用每笔交易要收两次，买一次卖一次。

把这两段合起来读，你会读出一个非常清晰的设计意图：框架承认自己填的是一个"公用值"，并且专门留了一个入口让你把它换成"你的值"。 一个入口的存在，本身就是在承认默认值不等于你的值。

那么第一个可操作的动作也就出来了：拿到任何一份回测报告，问一句"费率这一格填的是什么，来源是哪里"。答不上来，说明这一格是默认值；答得上来但填的是别人的档位，说明这条曲线不是给你看的。

顺便说一个容易被误解的细节，免得你把"默认值"想成铁板一块。同一个框架在取默认费率的时候，实际做的是把"主动吃单"和"挂单等成交"两种价格都拿到，然后取其中更贵的那个，日志里还老老实实写着这是"最坏情况"。

Using fee 0.1000% - worst case fee from exchange (lowest tier).

一行日志里同时出现了"最坏情况"和"最低档"，看着矛盾，其实是两个维度：在订单类型这一维往贵了假设，在客户等级这一维往便宜了假设。 这两个维度分别是怎么回事、几套系统各自怎么建模，回测里的交易成本假设 那篇讲透了机制，这里你只要记住结论：看到"我们的默认值已经很保守了"这句话，要追问一句保守在哪一维。

差的不是那一点，是那一点乘以次数

先打个比方

家里有个龙头在滴水，一秒一滴。你去看一眼，觉得这能有多少，随手关上门。

一个月后水费单来了。

滴水这件事之所以反直觉，是因为你观察它的时间尺度和它累积的时间尺度不是同一个。你盯着看十秒，看到的是几乎为零；它按月工作，攒出来的是一个你要交钱的数。

费率误差是同一种东西。你看单笔，那点差额小到懒得算；你看一年，它已经变成了年化里明晃晃的几个点。

这对你的判断意味着什么

这里要做一个区分，很重要，别和上一篇文章里的乘法混了。

概念库里算过一个乘法：年成本 = 一次往返的成本 × 一年往返多少次。那算的是成本本身，答案是"你一年要交多少钱"。

这一篇要算的是另一个乘法：年误差 = 一次往返的费率差 × 一年往返多少次。算的是误差，答案是"这份报告在费用这一项上，一年虚报了多少"。

两个乘法长得一模一样，问的问题完全不同。前者是你的账，后者是报告的账。

下面这张表全是假设值，只为让你能拿计算器自己核对，不代表任何现行费率：

每次往返的费率差（假设）	年往返 4 次	年往返 20 次	年往返 100 次	年往返 250 次
0.05%	0.2%	1%	5%	12.5%
0.1%	0.4%	2%	10%	25%
0.2%	0.8%	4%	20%	50%

盯着第一列和最后一列的对比看三秒。

同样是"每次往返差万分之五"这么一个小到听着可笑的误差：一年调仓四次的方法，报告虚报了 0.2 个百分点，四舍五入等于没虚报；一年往返 250 次的方法，报告虚报了 12.5 个百分点——这个数字足以把一份"年化 15%"的报告，还原成"年化 2.5%"。

同一个误差，在两份报告里的破坏力差六十倍，区别只在换手次数。

由此得到一条判断规则，我认为它比任何具体数字都值钱：

一份回测报告的费率失真程度，和这套策略的换手频率成正比。

推论一：低频策略的报告，你在费率这一格上可以宽容一些；高频策略的报告，费率这一格不写清楚，整份报告就是不可读的。不是"参考价值打折"，是不可读——因为你不知道那个年化里有多少是真的。

推论二，也是更实用的一条：不要把不同频率的两份报告放在一起比。 一份年化 20% 的低频报告和一份年化 40% 的高频报告，如果两份都用默认费率算，那这个对比本身就是歪的——高频那份领到的美颜滤镜厚得多。你要么把两份都换成各自的真实费率重算，要么干脆别比。

想理解换手频率这个变量本身还牵动着什么，调仓频率 那篇专门讲它。要提醒一句，这里说的"换手频率"指的是你一年做多少笔买卖，跟"程序多久判断一次"是两码事——那是另一台机器上的问题，回测里你每根 K 线看一眼盘 那篇负责。

为什么会是这样

为什么框架作者敢用一个会被放大几十倍的默认值？

因为框架的设计初衷是验证逻辑，不是核算利润。你写一套规则，想知道它在历史上大致有没有捕捉到什么东西，这时候费率填得准不准，不影响"有没有"这个判断。默认值服务的是这个场景。

出问题的是另一个场景：有人把这个用于验证逻辑的工具跑出来的数字，当成了向别人展示的收益承诺。工具没变，用途变了，于是那个本来无伤大雅的默认值，摇身变成了一份财务预测里的核心假设。

所以真正的错不在框架，在把研究工具的输出当成理财产品说明书的那个环节。你作为看报告的人，位置恰好就在这个环节的下游。

报告里藏着一个从没写出来的数：作者有多少钱

先打个比方

你点外卖，看到某家店"满 30 减 15"，觉得半价挺划算。真下单才发现，你一个人吃只要点 18 块的东西，凑不到 30，于是要么多买一份不想吃的，要么原价付。

同样一句"半价"，对人多的办公室是真半价，对一个人吃饭的你根本不存在。优惠没骗人，是这条优惠里隐含了一个"你有几个人"的前提，而这个前提没写在广告上。

这对你的判断意味着什么

券商佣金通常带一条"按比例收，但不低于某个固定金额"的门槛。这条门槛对大单几乎不存在，对小单是实打实的加税。临界金额怎么算、小单的实际费率会飙到多高，手续费与印花税 那篇已经算过一遍，这里不重算。

我要你看的是另一层：这条门槛，让一份回测报告悄悄携带了一个"作者资金规模"的假设。

写报告那个人如果每笔下单几十万，最低佣金那条线对他等于不存在，他的实际费率就是比例档，干干净净。你拿几万块跟着做，为了分散又切成好几笔，每笔几千块——你可能每一笔都在踩门槛，实际费率是他的好几倍。

于是出现了一个很少有人明说的现象：同一份回测、同一套规则、甚至同一个费率档位，在两个资金规模不同的人手里，结果可以不一样。 差别不来自策略，来自你每笔单子的大小。

这还带来一个反直觉的推论。"把钱分散成很多小份、每份买一点"，这在风险上是好习惯，但在费用结构上要额外交学费——分得越碎，踩最低门槛的笔数越多。分散不是免费的，你得知道自己为它付了多少，然后再决定分到什么程度。这不是叫你别分散，是叫你知情地分散。

要命的是，绝大多数回测报告根本不会告诉你作者的单笔金额。所以第二个可操作的动作是：问一句"你这份回测的单笔下单金额大约多少"。 如果对方的量级比你大一个数量级以上，那份报告在费用这一项上对你的参考价值要再打一次折。

为什么会是这样

这条门槛在系统里建不建模，是引擎作者的一个选择题，而且两种选择都真实存在。

qlib 是一套面向 A 股研究的开源量化平台，它的交易所模块里就有一个"最低收费"参数，源码默认值是 5，同时给了开仓和平仓两个独立的费率参数。更能说明它认真的是现金约束那一段：它在算"这些现金最多能买多少"的时候，会先判断你的现金够不够付那个最低收费——不够的话，这笔单子直接买不了，能买的数量是零。够了以后还要分两种情形算，金额过了临界线按比例算，没过按固定值扣。（这些都是源码里的默认值和可配置项，你的实际值以你券商的合同为准。）

而另一类引擎，比如面向加密市场的那种，费用就是"成交额 × 费率"一行乘法，结构上压根没有"最低收费"这个概念——因为那个市场本来就没有这条规则。

这两种建模都没错，各自忠实于各自的市场。错的是把一边的结果搬到另一边来看。这就引出下一节。

如果这份回测是给另一个市场写的，缺的可能不是数值，是一整项

先打个比方

你照着一份国外的菜谱做菜，把每一步都做对了，味道就是不对。回头一看，那份菜谱的配料表里压根没有你们这儿必放的那一味料——不是分量写少了，是这一行不存在。

分量写错，你尝一口能调回来；整行缺失，你尝到最后也想不到该往哪儿加。

这对你的判断意味着什么

费用这件事，不同市场差的不只是数值，是项目本身。

我翻了一个开源交易研究仓库的回测引擎目录，里面按市场分成了十几个文件：A 股、A 股期货、加密、外汇、港美股、印度股、韩国股，各是各的。同一个"算手续费"的函数，在不同文件里长成了完全不同的形状：

• A 股那个：佣金按比例但设了最低门槛，过户费双边收，印花税只在卖出时收，源码里就是一个"如果不是开仓才加这一项"的判断。
• 港股那个：佣金、印花税、监管征费、结算费，四项相加，而且印花税那一项是双边的。
• 美股那个：佣金直接是零。
• 加密那个：区分吃单和挂单两种费率，一行乘法，没有最低收费，也没有任何形式的交易税。

四个市场，四种结构。这不是精度差异，是账本的行数不一样。

对你的意义非常直接：一份用境外或加密市场的工具跑出来的 A 股回测，在费用模型上可能从结构上就缺项，最典型的就是缺那笔只在卖出时收的税。这种缺失有个很坏的性质——它是系统性的，每一次卖出都少算，不会正负抵消，笔数越多缺口越大。而且它不会报错，曲线照样漂亮。

值得注意的是，市面上不少现成的开源回测框架诞生于加密市场，天生没有"交易税"这个概念。如果有人拿这类工具跑 A 股策略给你看，第三个可操作的动作就是问："你这个回测引擎是给哪个市场写的？卖出那笔税建进去了吗？" 这句话不需要你懂代码，但对方的反应会告诉你很多。

为什么会是这样

因为费用规则是制度产物，不是市场产物。它由监管规则、交易所规则、券商合同三层叠出来，跨市场之间没有可比性也没有可移植性。写引擎的人只能一个市场一个市场地建模——那个仓库把十几个市场拆成十几个文件，本身就是在承认这件事不能通用。

一句可以带走的判断：关于费用，任何"大差不差"的跨市场类比都是不成立的。

费率一改，死掉的不是一点利润，是一批交易

先打个比方

一群人跳高，横杆放在某个高度，一百个人里过了六十个。现在把横杆抬高两厘米。

过杆人数会从六十变成五十八吗？不一定。如果这一百个人的实力大量集中在横杆附近，抬高两厘米可能一下子刷掉十几个人。抬杆的高度是线性的，被刷掉的人数不是。

这对你的判断意味着什么

策略的交易也是这样分布的。一套规则做出来的几百笔交易里，赚大钱的是少数，亏大钱的也是少数，中间挤着一大堆"小赚一点点"的交易。这批交易离盈亏线最近。

费率往上抬一点，最先出事的就是这批。它们不是"少赚了一点"，而是整批从正翻到负。而且它们在笔数上往往是大头，一旦翻面，对总收益的影响远超过你按比例估算的那个数。

所以别用"费率提高 50%，收益就降 50%"这种线性直觉去估。费率和最终收益之间可能是一条陡峭的、带断崖的曲线，尤其是对那些单笔目标幅度本来就薄的策略。

这条推论直接给出一个更聪明的提问方式。与其问"你用的费率是多少"（对方随便报一个数你也验证不了），不如问：

"把费率翻倍再跑一遍，年化变成多少？翻三倍呢？"

这一问的高明之处在于，它要的不是一个数字，是一条响应曲线。而这条曲线会暴露一件报告作者自己可能都没意识到的事：

• 曲线平缓 → 这套策略的收益来源和成本不在同一个量级，费率填错一点也不伤筋动骨，报告可信度高。
• 曲线陡峭 → 这套策略的利润和成本处在同一个量级，本质上它赚的就是"成本没那么贵"这件事。这种策略不是风险高，是脆——它对一个你无法控制、还会随政策变动的外部变量高度敏感。

而且这一问对方赖不掉。改一个费率参数重跑，是任何回测工具都支持的最基础操作。答不上来，只有一种解释：从来没试过。

你不会写代码，也能做的三件事

一、把你自己的往返成本算出来，变成一个你随时能报出的数。 站内有个交易费用计算器，把你真实的单笔金额和费率填进去，看一次完整的买进卖出到底掉多少肉。这个数是你和任何一份报告对话的底气——没有它，你连"差多少"都问不出口。

二、拿这个数去做减法，而不是等对方给你结论。 把你的往返成本减去报告假设的往返成本，得到每次往返的差额；乘上这套策略一年的往返次数，你就有了这份报告在费用一项上的虚报量级。这个乘法你用手机计算器就能做完，不需要任何工具。

三、要一条曲线，不要一个数字。 让对方把费率翻倍、翻三倍各跑一遍，看年化怎么变。平缓说明策略结实，陡峭说明它赚的是成本的钱。

三件事都不要求你看得懂一行代码。它们要求的只是：在被那条漂亮曲线说服之前，先把"这条曲线是按谁的价格画的"问清楚。

顺便提醒一句，费用只是成本的一半。你成交的价格和你看到的价格之间还有一道缝，那部分叫滑点，它从来不出现在任何账单上，对较大的单子经常比手续费本身还贵。把两样一起算，才是完整的成本。

小结

• 一份回测报告里，费率是唯一一个跟策略无关、只跟人有关的输入。行情和逻辑可以照搬，费率搬过来就是错的。年化不是策略的属性，是"策略 + 执行人"的属性。
• 框架的默认费率倾向于用最优惠的那一档，是因为默认值的职责是让系统跑起来、对所有人都说得通，而不是替你个人算账。开源框架在文档里明说了这一点，还专门留了一个手动指定费率的入口——入口的存在，就是在承认默认值不是你的值。
• 关键的乘法不是成本的乘法，是误差的乘法：年误差 = 每次往返的费率差 × 一年往返次数。同一个万分之五的误差，在低频报告里可以忽略，在一年往返 250 次的报告里能虚报十几个百分点。报告的失真程度和换手频率成正比。
• 最低佣金那条门槛，让报告悄悄携带了一个从不写出来的"作者资金规模"假设。你的单笔金额比作者小一个数量级，实际费率就可能是他的几倍；分散成小份是有代价的，要知情地分散。
• 费用规则是制度产物，跨市场不是数值差异，是账本行数差异：有的市场卖出单边收税，有的双边，有的零佣金，有的连最低收费的概念都没有。用境外或加密市场的工具跑 A 股，最容易缺掉的就是卖出那笔税，而且缺得系统性、不报错。
• 费率抬高，最先死的是那批"小赚一点点"的边际交易，它们会整批翻负，所以费率和收益之间可能带断崖，不是线性关系。
• 最值钱的一问不是"你费率多少"，而是"费率翻倍再跑一遍，年化变成多少"。要曲线，不要数字。
• 三条机制的全景在回测好看实盘亏，费用结构本身在手续费与印花税，几套系统各自怎么建模在回测里的交易成本假设，整卷在量化与 AI 投研卷。

一句话说完这篇：别人给你看的那条赚钱曲线，是用他的价钱算出来的；你要花的是你的钱，就得先问清楚，你这一档，还剩下多少。