回测里的交易成本假设：改一个小数点，一半策略当场死掉

有个实验你可以在脑子里做一遍。

你手上有一套规则，跑了回测——也就是拿历史数据假装重走一遍，看看按这套规则会赚会亏。结果年化 30%，看着挺稳。现在别改规则，一个字都别动，只把「每买卖一次要交多少钱」这个设定往上抬一点点，从万分之三抬到千分之一。再跑一遍。

如果这套规则一年只进出几次，曲线基本不动。如果它一周进出好几次，那条向上的曲线很可能直接被压平，甚至翻到零线以下。

同一套规则、同一段历史、同一份数据，只因为一个你几乎没认真看过的参数，结论从「能做」变成「不能做」。这不是极端情况，这是量化里最常见的一种死法——而且死得特别安静，因为默认参数一般是系统替你填的，你从头到尾没做过任何决定。

先说人话：成本假设到底是什么东西

想象你在机场换外币。牌子上写着两个价：银行买你的美元给一个价，卖给你美元给另一个价，中间差一截。你换过去再换回来，钱没动地方，但少了一块。柜台还要收一笔固定的手续费，不管你换多少都收。

现在假设你要做一件事：靠汇率的小波动来回换，赚差价。你在纸上算，一年来回换两百次，每次赚千分之三，看起来很美。可你只要把中间那截差价和每次的固定手续费算进去，两百次一乘，赚的还不够填。

这就是交易成本假设的全部含义：你在纸面上推演的时候，到底把「换一次要掉多少肉」算成了多少。 算少了，纸面收益就是假的；而人在做纸面推演的时候，天然倾向于把它算少——因为掉的那块肉不显眼，它不是一笔转账，是从每一次操作里悄悄扣走的。

再换个更狠的比喻。成本不是从你的收益里减掉一个数，它是乘在你操作次数上的一个数。你操作得越勤，它被放大得越厉害。一个只有微弱优势的规则，配上高频操作，就像一个只赚一分钱的生意配上一块钱的快递费——生意本身没错，运费把它吃了。

投资层：这几个假设，各自在遮什么

回测里的「成本」通常不是一个数，是好几件性质完全不同的事被打包在一起。拆开看，你才知道自己漏了哪一件。

第一件：费率用哪一档

券商和交易所的收费往往是分档的——交易量大的客户便宜，散户贵；有的地方还分「主动成交」和「挂单等成交」两种价。回测系统必须替你选一档。

问题在于，它选哪一档，你的成绩就变成哪一档。用大机构的费率去检验一套散户能不能做的规则，结论天然偏乐观。反过来也有人为了「保守」把费率设得离谱地高，然后得出「什么都做不了」的结论，同样没用。

这里还有一个特别容易被忽略的：费率是按次收的，一次往返要收两遍。买的时候一遍，卖的时候一遍。所以你看到的「单次成本万分之几」，在一笔完整的买卖里要翻倍。有些系统在文档里会专门强调这一点，就是因为漏算一半的人太多。

第二件：算不算滑点

滑点说的是你想按某个价成交、实际成交价却差了一点这件事。回测里最省事的做法是假设它不存在——你在图上看到某根 K 线里有这个价，就当你按这个价成交了。

这个假设有多离谱，取决于你交易什么。买一只成交活跃的大盘股，差个一两跳；碰上开盘几分钟、或者一只本来就没什么人交易的品种，差的可能不是一两跳。而回测不会告诉你这一点，它只会安静地按你要的价格给你记账。

第三件：自己把价格买高了没有

这一件比滑点更隐蔽。滑点还只是「市场本来就在动」，冲击成本说的是你这笔单子本身把价格推走了。你要买的量越大、这个品种平时成交越不活跃，推得越狠。

几乎所有回测系统在这一层都有同一个盲点：成本被写成一个固定比例，跟你下多大的单没有关系。 你买一万块和买一个亿，每股的成本被算成一样。这直接导致一件事——回测里你的策略规模可以无限放大而成绩不变，现实里它有个天花板。你在纸面上看到的「这套方法能管一个亿」，多半是这个盲点的产物。

第四件：有没有最低收费

很多市场的佣金是「按比例收，但不低于某个数」。这条规则对大单毫无影响，对小单是毁灭性的：单子越小，那个固定的最低收费摊到每股上就越贵，实际成本率会往上飙。

后果是，一套「分散买很多只、每只买一点」的方法，在纸面上看不出问题，落到现实里每一笔都在踩最低收费。如果回测系统没建这个模型，你永远发现不了。

第五件：买和卖收得一样吗

有些市场对卖出单边征税，有些不。这意味着买入和卖出的成本天然不对称。如果回测只用一个数字同时代表买和卖，那么你的每一次往返都在系统性地少算一头。

系统层：三套系统各自怎么建模

把三套真实系统的做法摆在一起看，你会发现「交易成本」这件事根本没有标准答案，每一套都在不同的地方做了不同的妥协。

系统	费率从哪来	滑点	成本随下单量变吗
freqtrade	交易所默认费率（最低档）	明确假设为零	不变
qlib	配置里给开仓/平仓两个费率 + 最低收费	不单独建模	不变（可选限量）
Vibe-Trading	按市场分引擎，各自一套费用结构	固定比例	不变

三行看完，第三列全是「不变」。这不是巧合，下面会说为什么。

freqtrade：先承认自己用的是最好的价

它的文档在讲基本概念时就把话说死了：所有收益计算都含费用，而回测、参数搜索、模拟盘这三种模式一律使用交易所的默认费率，也就是最低那一档（这是文档明确写的口径）；只有真实下单时，才用交易所实际收的那个数。

有意思的是它的取值逻辑。源码里那段拿到「挂单成交」和「主动成交」两个费率之后，取的是两者里更大的那个，日志会直说这是「最坏情况」：

self.fee = max(fee for fee in fees if fee is not None)

所以它同时做了两个方向相反的选择：在挂单/主动这一维取最保守，在客户分档这一维取最优惠。你要是不知道这一点，就会误以为「默认值已经很保守了」。

它也留了口子：命令行可以直接给一个费率覆盖默认值，而且文档专门注明这个值会被应用两次——进场一次、出场一次。这句注明本身就说明了漏算一半是个常见错误。

关于滑点，它在「回测所做的假设」那一节里写得毫不含糊：只要价格落在那根 K 线的最高最低之间，所有订单都按你要的价格全部成交，没有滑点。同一节里还有一条特别值得记住的细则：止损被触发时，成交价按止损价算，但实际亏损会比止损价多出两倍费用。也就是说，你以为止损把亏损锁在某个位置，费用还会在那之外再啃一口。

这套写法的价值不在于它建模有多精细，而在于它把假设一条条列出来了。列出来的假设是可以被质疑的，没列出来的假设才是真正杀人的那种。

qlib：把最低收费认真建进去

qlib 的交易所模块把成本拆成三个参数：开仓费率、平仓费率、最低收费。（这几个都是配置项，默认值随版本而定，官方示例配置里给的值和源码默认值本身就不一样，用之前务必看你手上那份。）

拆成开仓、平仓两个数，正是为了表达前面说的第五件事——买和卖可以不一样。在对卖出单边征税的市场里，平仓那一档天然更贵，用一个数糊过去就是系统性低估。

更值得看的是最低收费的处理。它在计算「这些现金最多能买多少」的时候，专门算了一个临界价：

critical_price = self.min_cost / cost_ratio + self.min_cost
if cash >= critical_price:
    max_trade_amount = cash / (1 + cost_ratio) / trade_price
else:
    max_trade_amount = (cash - self.min_cost) / trade_price

这段的意思是：金额大到一定程度，成本就是按比例算；金额没到那条线，成本就是那个固定的最低收费，得先把它整个从现金里扣掉再算能买多少。换句话说，小单的成本率不是常数，是随金额变化的。 一个把资金切成很多小份的方法，在这条逻辑下会被如实地惩罚——这正是很多简化版回测看不到的东西。

至于下单量的影响，它提供了一个可选的成交量上限设置，可以写成「不超过当日累计成交量的某个比例」之类的表达式。但要注意：这个参数默认是不开的。 不开的时候，你想买多少买多少，价格和成本都不受影响。所以「能不能买到这么多」这件事，在默认配置下根本不在检验范围内。

Vibe-Trading：不同市场，不同的费用结构

它的做法是按市场分成不同的引擎，每个引擎自己声明一套费用结构，因为不同市场的收费方式压根不是同一种东西：

• A 股引擎：佣金按比例收但设了最低收费门槛、过户费按比例、印花税只在卖出时收、再叠加一个滑点比例。四项加起来才是一笔交易的真实代价。
• 加密永续引擎：区分挂单费率和主动成交费率，另外有按固定周期结算的资金费率——这是一笔持仓越久扣越多的费用，跟你交易多少次无关。
• 期货引擎：按合约品种查手续费和保证金比例，还要乘上合约乘数。

（以上各项的默认数值都写在代码里且是可配置项，实际以你的券商、交易所和当时的政策为准，不要拿代码默认值当事实。）

这份清单本身就是干货：「交易成本」在不同市场是完全不同的几件事。 持有加密永续合约，你就算一动不动，资金费率也在按周期扣；做 A 股，你不动就不花钱，但每次卖出都要交税。用同一套成本假设跨市场套用，等于用汽油车的油耗算电车的电费。

它的滑点处理是一个固定比例，按方向推价格：买的时候往上推一点，卖的时候往下推一点。比「假设没有滑点」诚实，但仍然和下单量无关。

三套系统的共同盲点

回到那张表的第三列。三套系统，没有一套让成本随下单量增长。

这不是它们偷懒，而是这件事真的很难建模——你要预测「我这笔单子会把价格推走多少」，需要的信息（挂单簿的深度、当时的对手方）在日线级别的历史数据里根本不存在。所以工程上的通行做法是把它简化成常数，然后把这个简化留给你自己去意识到。

于是有了一条很实用的判断：回测告诉你的是「这套逻辑在成本为常数的世界里成立不成立」，它不告诉你「这套逻辑能管多少钱」。 后面那个问题，回测结构上就回答不了。

为什么一改假设就死掉一大片

有了前面的拆解，这件事就很好理解了。

成本是乘在换手上的。 一套一年调仓两次的方法，一年只交四次费；一套一周调两次的方法，一年交两百多次。同样把单次成本抬高万分之五，前者一年多掉万分之二十，后者多掉一个百分点还不止。所以每次「改成本参数就死一片」的时候，死掉的一定是操作最勤的那批——不是因为它们的逻辑更差，而是因为它们放大倍数更高。

微弱优势经不起任何加价。 很多短周期规则的单次期望本来就只有千分之几。往返成本一旦逼近这个量级，剩下的就是零。这类规则不是「不太赚」，是在成本线的两侧非黑即白：成本略低于阈值，它是印钞机；略高于阈值，它是碎纸机。而你选的那个费率参数，决定了它落在哪一侧。

成本还会吃掉复利的根。 每次少赚一点，看着不多，但它是从每一次的本金基数上扣的。扣掉的部分不参与后面的滚动，长期看差距会比你直觉估的大得多。

所以真正该做的不是「找一个正确的成本值」，而是把成本当变量扫一遍：从乐观的一档一直加到明显悲观的一档，看那条收益曲线是平缓下沉还是断崖式塌方。断崖式塌方意味着这套方法的全部生存空间都押在「成本必须足够低」上，而这恰恰是你最控制不了的一件事——费率会变，市场活跃度会变，你的资金规模一变冲击成本也变。这一遍扫描用 滑点与手续费敏感度 就能粗算：把单次成本和年换手次数填进去，几档成本下的收益差距会直接列出来。

顺带说一句，这也解释了为什么很多公开分享的漂亮曲线在你手上复现不出来：分享者用的可能是机构费率、零滑点、无限容量，而你三项全占反面。这中间的落差不需要任何人撒谎就能产生。

失效边界与常见误用

把成本假设当成「调参」的一部分。 有人会一路往下调费率，直到曲线好看为止。这已经不是检验了，这是在给自己编故事。成本参数应该由你的真实交易环境决定，定完就锁住，不参与任何搜索。

只测一个成本值。 单点结果没有信息量，你不知道自己站在悬崖边上还是平地上。至少测三档：乐观、你实际的、明显悲观的。

忽略持仓型成本。 融资利息、加密永续的资金费率、期货的展期，这些跟你交易多少次无关，只跟你持有多久有关。一套长期持有的方法可能交易成本极低，持仓成本却不低。两者是两笔账。

用小资金的成本假设去推大资金的结论。 前面说过，三套系统的成本都不随规模变化。所以「这套方法年化多少」这个结论，只在某个隐含的资金规模内成立，而那个规模从来没人写出来过。

把成本问题和别的回测毛病混在一起。 成本假设偏乐观，和用了当时拿不到的信息（前视偏差）、和参数被历史噪音磨得过分合身，是三种完全不同的病。三者都让成绩虚高，但检查方法和补救方式毫无交集。把它们分清楚，才知道该修哪儿。想按体系顺着读，可以回到量化与 AI 投研卷。

以为算准成本就万事大吉。 扣掉真实成本之后还剩下的优势，才是起点，不是终点。一套扣完成本还剩一点点的方法，仍然要面对它到底是真优势还是历史巧合这个更根本的问题。

小结

• 回测里的「成本」不是一个数，至少是五件事：费率用哪一档、算不算滑点、算不算自己把价格推走、有没有最低收费、买卖是不是对称。
• 成本是乘在操作次数上的，不是从总收益里减一次。操作越勤，同样的假设偏差被放大得越厉害——所以每次收紧成本假设，最先倒下的永远是换手最高的那批。
• 三套真实系统的做法各不相同：一套明确声明「零滑点、用交易所最低档费率」并把假设逐条列出；一套把开仓/平仓拆成两个费率并认真建了最低收费的临界逻辑；一套按市场分别建模，A 股、加密永续、期货各有各的费用结构。
• 三套系统有个共同盲点：成本率不随下单量变化。这意味着回测能回答「这套逻辑成不成立」，回答不了「它能管多少钱」。
• 正确的做法不是找一个「对的」成本值，而是把成本当变量扫一遍。断崖式塌方的曲线，说明这套方法的命押在一个你控制不了的参数上。

一句话记住这篇：纸上赚的那点钱，先看看够不够付来回的路费。

本文所引源码与文档均来自上述快照版本，是阅读代码得出的机制说明，不是运行结果；具体数值和行为请以你手上那个版本、你的券商与当时政策为准。回量化与 AI 投研概念库看其它概念各自在说什么；本站内容为投资教育，不构成任何投资建议，边界见免责声明。