BanBot 回测指南

回测（Backtesting）是在历史数据上模拟运行交易策略，是进行策略优化和评估的重要步骤。BanBot回测引擎有下面特点：

• 事件驱动回测引擎，杜绝未来函数，确保回测结果的可靠性。
• 支持任意复杂度的时间序列策略，无需修改用于实盘。
• 高性能指标库banta，更快的回测速度。
• 灵活组合不同品种、策略和时间周期；

快速开始

从WebUI回测

banbot提供了用于回测研究的WebUI，您可以在WebUI中直接编写策略、配置参数并运行回测。

只需编译您的golang项目为可执行文件，然后启动即可运行WebUI：

go build -o bot
./bot web

WebUI顶部有[策略]/[回测]/[数据]/[实盘交易]四个选项。

您可先在[策略]中编写策略，如果您想要使新修改或添加的策略生效，您需要在右上角点击[编译]按钮（刷新图标）。

然后在[回测]中配置参数并运行回测。

回测结束后您可进入回测报告页面，查看详细的回测报告。

从命令行回测

在BanDataDir环境变量指向目录下打开 config.local.yml（或config.yml），对重要的回测参数进行配置：

market_type: linear
leverage: 10
time_start: "20251101"
time_end: "20251112"
stake_amount: 30
pairs: [BTC, ETH]
stake_currency: [USDT]
wallet_amounts:
  USDT: 1000
run_policy:
  - name: ma:demo
    run_timeframes: [1h]

然后编译您的golang项目为可执行文件，并运行回测命令：

go build -o bot
./bot backtest

回测完成后，你可以在BanDataDir中的 backtests 目录下找到详细的报告。

回测注意事项

订单撮合周期 (refine_tf)

默认情况下，BanBot 在策略的 K 线周期（run_timeframes）上撮合订单。例如，如果策略在 1h 周期上运行，订单的成交价将基于 1h K 线进行撮合。然而，这在某些场景下可能与实盘不符，例如：

• 高频波动：K线价格剧烈波动时，可能同时满足止盈和止损，单个K线丢失了内部细节，banbot为避免偏差，会优先触发止损。
• 回撤分析：无法观察到在一个大周期 K 线内部的更细粒度的资金回撤情况。

为了解决这个问题，BanBot 引入了 refine_tf 配置项，允许在更小的时间周期上进行订单撮合，以模拟更真实的市场行为。

在 config.yml 的 run_policy 中为指定的 job 添加 refine_tf：

run_policy:
  - name: ma:demo
    run_timeframes: [1h]
    refine_tf: "1m" # 或 4, "3-6"

refine_tf 支持多种格式：

• 固定周期 (字符串): 如 "1m", "5m"。直接指定一个精确的撮合周期。
• 相对倍数 (整数): 如 4。表示将 run_timeframes 周期进行 N 等分。例如，run_timeframes 为 1h，refine_tf 为 4，则撮合周期为 15m。
• 相对倍数范围 (字符串): 如 "3-6"。程序会自动在范围内选择一个常见的周期。例如，run_timeframes 为 1d，refine_tf 为 "3-6"，则会选择 4h (24h / 6) 作为撮合周期。

高级回测功能

超参数优化

超参数优化（Hyper-Optimization）可以自动寻找策略参数的最优组合。详情请参阅 超参数优化 文档。

滚动回测

滚动回测（Rolling Backtesting）是一种更严谨的回测方法，它将数据分为多个时间窗口，在每个窗口上进行“训练”（参数优化）和“测试”，以模拟策略在不同市场环境下的适应性。详情请参阅 滚动回测 文档。