6周实测：模拟交易"零成本"幻觉，让策略收益虚高22%

开发者圈子里有个心照不宣的默契：上线真金白银之前，先用模拟交易（paper trading）跑一遍策略。零风险、零成本，数据还漂亮。但有个问题几乎没人认真想过——这些漂亮数字，到底有多少水分？

一位叫Ryan Bell的开发者做了个实验。他用自己写的Python交易机器人TradeSight，连续6周模拟多种策略、多种资产。结果出来后，他把代码直接扔上了GitHub。「我原以为差距在5%以内，」他在博客里写，「实际差距是22%。」

这22%的窟窿，不是策略不行，是模拟器在撒谎。

滑点：每笔交易都在偷偷抽税

真实市场里，你下单的价格和最终成交的价格永远有落差。这叫滑点（slippage，价格滑移）——市场深度不够、订单簿变化、流动性瞬间蒸发，都会导致你想买100块，实际成交100.05块。

但大多数模拟平台假设你能以报价完美成交。Ryan在代码里加了一层修正：买入时价格上浮0.05%，卖出时下浮0.05%。

```python import yfinance as yf

# 模拟滑点：假设每笔成交损耗0.05% def apply_slippage(price, direction='buy', slippage_pct=0.0005): if direction == 'buy': return price * (1 + slippage_pct) return price * (1 - slippage_pct)

data = yf.download('AAPL', period='1d') raw_price = data['Close'].iloc[-1] actual_buy = apply_slippage(raw_price, 'buy') print(f'Raw: ${raw_price:.2f}, After Slippage: ${actual_buy:.2f}') ```

6周跑下来，滑点单独吃掉总收益的0.3%。单看一笔交易，5分钱差异几乎可以忽略。但策略交易频率越高，复利效应越狠——50笔交易后，0.3%会变成策略生与死的分界线。

成交率：3%的订单会凭空消失

真实券商不会保证你的单子一定能成交。流动性枯竭、价格跳变、系统延迟，都会导致订单被拒或部分成交。模拟器默认100%成交，现实里这个数字大概是97%。

Ryan在TradeSight里加了第二层：随机拒绝3%的订单，另外5%以 worse price（更差价格）成交。

```python import random

def simulate_fill(requested_price, fill_rate=0.97, slippage_range=0.001): if random.random() > fill_rate: return None # 订单被拒绝 actual_fill = requested_price * (1 + random.uniform(0, slippage_range)) return actual_fill ```

这层滤镜打开后，他表现最好的策略从模拟收益12%直接跌到9.4%。22%的收益差距，就这么凭空蒸发。

不是策略失效，是模拟器之前根本没告诉你「失效」长什么样。

买卖价差：高频策略的隐形绞肉机

第三个被模拟器忽略的成本是买卖价差（bid-ask spread，买卖报价差）。你想买的时候按「卖一价」，想卖的时候按「买一价」，这个差额就是市场 maker 的利润，也是你的成本。

Ryan拉了6周的逐笔成交数据（tick data），算出不同资产的平均价差：

```python import numpy as np

# 从逐笔数据计算各资产平均价差 spreads = { 'AAPL': 0.03, # 百分比 'SPY': 0.01, 'TSLA': 0.08, }

avg_spread = np.mean(list(spreads.values())) print(f'Average Spread Cost: {avg_spread:.2%}') ```

特斯拉这种高波动资产，价差干到0.08%。标普500 ETF（SPY）流动性好，只有0.01%。平均下来0.04%的价差成本，对持仓几天的策略影响不大。但如果你一周交易50次以上，这个数字会像钝刀子割肉——每周2%的成本，一年下来足够让任何「圣杯策略」变成慈善捐款。

当模拟器学会说实话

Ryan把这三层成本全部塞进TradeSight的默认配置：滑点修正、成交率模拟、价差损耗。代码开源在GitHub上，路径是github.com/rmbell09-lang/tradesight。

他的结论很直白：「如果你用模拟交易验证策略，却不调整这些参数，你得到的不是『接近真实』，是『系统性乐观』。」

这种乐观有多危险？想象一下：你在模拟盘里跑出一个年化30%的策略，信心爆棚地上了实盘。结果滑点吃掉5%，成交失败再吃掉3%，价差磨损再叠2%。30%的预期变成20%，再扣掉管理费、税费、情绪干扰导致的操作变形——最终收益可能连银行理财都打不过。

更隐蔽的伤害是策略迭代。开发者根据模拟数据反复调参，其实是在拟合一个不存在的市场。参数越精细，对模拟器的幻觉依赖越深，上线后的落差越大。

Ryan的6周数据没有给出「完美修正公式」。不同资产、不同时间段、不同策略类型，成本结构完全不同。但他证明了一件事：承认不确定性的存在，比假装它不存在更接近真相。

TradeSight现在把三层成本设为默认开启。新用户第一次跑策略，看到的数字会比竞品难看一截。但Ryan觉得这是 feature，不是 bug。「如果你接受不了真实的难看，就不配拥有真实的收益。」

他在文章结尾留了个问题：你在自己的模拟交易设置里，发现过哪些隐藏成本？