原文连接：https://www.fmz.com/digest-topic/4009
大部分策略在实盘之前都需要回测进行验证，FMZ支持部分品种数字货币现货、期货和永续合约，以及商品期货所有品种。但发明者量化平台的回测机制和常见的onbar回测有所区别，造成了很多新手的困惑。本文将详细说明并解答一些常见的回测问题。
回测系统是如何运作的？
如上图所示，回测开始时间到结束时间可以当作一个时间轴，回测时，回测时间点沿轴从左到右移动开始回测，在这个时间点上，只能获取到此点之前的历史数据，策略根据这些数据做出买卖，最终形成盈亏。显然，回测的时间点的分布是离散的，分布的密集程度代表了回测的精度。
当然考虑到回测时间点越密集，所需的时间越长，实际的回测系统需要在精度和效率之间做出取舍。
传统onBar回测机制
onbar回测机制是基于K线的，即每一个K线产生一个回测时间点，在此时间点上可以获取到当前K线的高开低收价格、交易量等信息，以及此时间点之前的历史K线信息。
这种机制的弊端很明显：在一根K线上，只能产生一次买卖，通常依据的价格是K线的收盘价。并且一根K线只能获取到高开低收四个价格，至于在一根K线内价格如何变化的，是最高价先发生、还是最低价先发生等等信息都无从获取。以1小时K线为例，实盘时肯定每隔几秒获取一次行情信息，交易指令也会在盘中发出而不是等待K线结束。onbar回测机制的好处是易于理解，回测速度极快。
FMZ发明者量化平台onTick回测机制
上图为FMZ回测设置界面。回测模式分为两种模拟级回测和实盘级回测，下面将分别介绍：
模拟级回测要选择回测所使用的K线周期和底层K线周期。比如策略使用小时线回测，底层K线选择5分钟，那么回测时间点的间隔将以5分钟K线生成的tick为基础。具体根据K线生成K线内tick的机制和MT4类似，这个帖子里有详细的说明：https://www.fmz.com/bbs-topic/662
我们使用一个简单的策略来演示一下这个机制，策略代码：
function main() {
while(true){
var records = exchange.GetRecords()
var ticker = exchange.GetTicker()
Log('K线收盘价： ', records[records.length-1].Close, 'ticker买一卖一价: ', ticker.Buy, ticker.Sell)
//js回测不用Sleep，会自动跳到下一个tick。Python需要一个小的休眠时间
}
}
回测结果：
每根K线只有开盘和收盘的tick是固定的，中间加上模拟的12个tick，这样一根K线将会形成14个回测时间点。如果回测一天，共有24×12×14 = 4032 时间点，而传统的onBar回测只有24个，精度大幅提高。在一个K线周期内也能完成开仓平仓操作。虽然中间生成的tick是模拟的，但影响不大。回测中，只要买单价大于卖一，卖单价小于买一，就会撮合成交。这种回测方式兼顾了回测速度和精度，推荐大家使用。
实盘级回测用到了真实的tick，每个时间点的间隔最短只有1s，这种回测的精度到每一秒的变化，但由于数据量大，回测速度慢、回测时间也不能很长。下图为真实的tick。实盘级回测可用于精确的验证策略。
回测和实盘的差距
即使实盘级回测和实盘还是有明显的数据不足，如不能获取到成交历史trades、不能获取到实际的深度变化、真实的网络延时等等。即使这样FMZ目前的回测系统也相对完善，还有很多小功能，如模拟网络错误，可以用于测试策略的容错能力，模拟网络延时、绘制行情图标等。
常见问题
目前只有几个常见交易对数据，其实策略和品种关系不是很大，已经足够验证策略了。
可以,选取BitMEX回测可以打开事件记录。
JavaScript策略的回测在浏览器中进行，Python可以选择FMZ的服务器或者自己的托管者。
可以，日志右上角有下载按钮
FMZ开源了Python回测引擎。参考： https://www.fmz.com/bbs-topic/1687