企业官网建设流程全解析

PanWatch 回测内核详解：如何做到无未来函数、T+1 规则与 A 股成本模型一步到位

【免费下载链接】PanWatchPanWatch — AI stock monitoring for A-shares, HK & US markets, powered by TradingAgents. Portfolio insights, real-time alerts & automated reports.｜盯盘侠：覆盖 A股/港股/美股的 AI 盯盘、持仓分析、实时提醒与自动报告。项目地址: https://gitcode.com/GitHub_Trending/pa/PanWatch

PanWatch 是一款覆盖 A 股/港股/美股的 AI 盯盘工具，它的策略层内置了一个轻量回测内核：信号次日开盘入场（无未来函数）、A 股 T+1 当日不可卖出、印花税/佣金/过户费/滑点全套成本模型。本文用通俗语言讲清这套回测内核的设计取舍，并标注关键源码位置，帮你在评估 AI 选股信号时心里有底。

回测内核长什么样：4 个文件、零依赖

整个回测模块位于 src/modules/strategy/backtest/，只有 4 个核心文件：

设计上一个很讨喜的取舍：纯 Python 实现，没有任何第三方依赖。K 线采集器是延迟导入的（见 data_adapter.py 的模块注释），所以回测内核和单元测试完全可以离线运行，不会被网络库拖慢。

无未来函数：信号次日开盘才入场

回测最容易翻车的点就是"用当天收盘产生的信号、按当天价格成交"——这是典型的未来函数。PanWatch 的解法很简单：

• 信号产生日 D，引擎只认D 之后第一个交易日的 K 线，并以该日开盘价成交。核心逻辑在 engine.py 的 run_single；
• 定位"下一交易日"靠 data_adapter.py 的 first_index_after：返回第一个日期严格大于信号日的 K 线下标，从函数命名到实现都在强调防 look-ahead。

对应测试 test_engine_entry_next_day 用合成数据验证：1 月 1 日发出信号，必须 1 月 2 日开盘价 11 元成交，而不是用信号当天数据。

T+1 规则：买入当天一股都卖不掉

A 股 T+1 意味着当天买入不能当天卖出。引擎把这条规则写死在循环起点上：

• 逐日检查止损/止盈的循环从入场日的下一根 K 线开始（engine.py L126-L127，注释明确写着"入场日当天不可卖"）；
• 同日若止损和止盈都触发，保守判定为先止损（engine.py 模块注释 L8）——宁可低估收益，不夸大结果；
• 开盘直接跳空越过止损/止盈位时，按开盘价成交（gap 处理），避免假设能以理想价位成交；
• 持有满最大持有交易日仍未触发，则按收盘价到期平仓。

四种离场原因stop_loss / target / expire / eod都会记录在每笔交易上，方便事后归因。

A 股成本模型：印花税、佣金、过户费、滑点一次算清

很多回测结果"回测赚钱、实盘亏钱"，差的就是成本。cost_model.py 的默认参数贴近 2023 年印花税下调后的 A 股散户实际：

一个直观的自检用例见 test_round_trip_pnl_deducts_cost：同价买入同价卖出，净结果应为负——因为成本和滑点会吃掉利润。这正是成本模型正确性的"体检题"。

更妙的是复用：模拟盘模块 paper_trading_engine.py 直接共享同一个CostModel，意味着回测口径和模拟盘口径天然一致，不会出现"两个账本"。

绩效指标：回撤、夏普、胜率一站汇总

metrics.py 全是纯函数，输入净值曲线和每笔盈亏，输出一个指标字典：

• 总收益 / 年化收益：按每年 252 个交易日折算；
• 最大回撤：峰值到谷底的最大跌幅，衡量"最难受的时刻"；
• 夏普比率：年化、样本标准差口径；
• 胜率 / 盈亏比 / 平均盈利与亏损：判断策略是"靠胜率"还是"靠盈亏比"。

批量回测时，引擎按平仓日排序逐笔累计已实现盈亏，生成净值曲线（run 方法）。

交叉验证：与信号后验评估同口径

光有引擎还不够，PanWatch 让回测结果可以和既有评估互相印证：

• 策略引擎本身会对历史信号做后验评估，计算 1/3/5/10 天 horizon 的收益（evaluate_strategy_outcomes）；
• 回测内核提供 horizon_return，逐字复刻同一口径，用于交叉验证两边结果是否一致；
• 完整测试套件 tests/test_backtest.py 全部使用合成 K 线，不触发网络，随时可跑回归。

如何获取 PanWatch 动手验证

git clone https://gitcode.com/GitHub_Trending/pa/PanWatch

克隆后运行tests/test_backtest.py，即可离线验证"无未来函数、T+1、成本扣减"三大关键行为——这也是评估任何 AI 盯盘项目回测可信度时，最值得先看的三件事。

【免费下载链接】PanWatchPanWatch — AI stock monitoring for A-shares, HK & US markets, powered by TradingAgents. Portfolio insights, real-time alerts & automated reports.｜盯盘侠：覆盖 A股/港股/美股的 AI 盯盘、持仓分析、实时提醒与自动报告。项目地址: https://gitcode.com/GitHub_Trending/pa/PanWatch