Lesson 4：回測架構與工具選型

學習目標

• 分辨 vectorized（向量化）與 event-driven（事件驅動）回測。
• 依研究階段選工具，而不是依 GitHub stars 選工具。
• 理解資料工具、研究框架、交易機器人與執行引擎不是同一層。

1. 先定義問題，再選框架

工具選擇取決於策略需要模擬的細節：

• 單資產日線、訊號簡單：pandas 即可建立透明 baseline。
• 大量參數與資產的快速掃描：vectorized framework 較有效率。
• 訂單狀態、部分成交、多資產現金競爭：event-driven framework。
• Crypto 多交易所行情／下單：CCXT 是 API abstraction（介面抽象），不是完整回測器。
• 需要 dry-run 與 bot lifecycle：Freqtrade 類框架。
• 研究到實盤共用引擎：LEAN 類完整引擎。

2. Vectorized backtest

向量化回測以整列／整欄陣列運算產生 position 與 return，例如：

signal = close > close.rolling(20).mean()
position = signal.shift(1).astype(float)
strategy_return = position * close.pct_change()

shift(1) 表示今天收盤產生的訊號，最早從下一期承擔報酬。優點是快速、透明、適合 parameter sweep；缺點是複雜 order state、部分成交、同 bar 路徑與資金競爭較難真實建模。

VectorBT 的官方文件顯示其 Portfolio 物件可建立 position、equity curve、基本交易成本、orders、trades 與 drawdowns，適合大規模陣列研究；但高速不代表執行假設自然正確。

3. Event-driven backtest

事件驅動架構依序處理 market event、signal、order、fill、portfolio update。它較接近實際交易系統：

新 bar/tick → 更新資料 → 策略決策 → 建立訂單
→ broker 模擬撮合 → 回報 fill/reject/partial → 更新部位

Backtrader 官方訂單文件明確區分 Submitted、Accepted、Partial、Completed、Canceled 等狀態；一般 market order 在回測中於下一個可用價格、通常下一 bar open 成交。LEAN 則是模組化的開源研究、回測與 live engine。

代價是程式較複雜、速度較慢，且「event-driven」仍不保證真實：若 broker model 假設所有量都能成交，仍會高估容量。

4. 四層工具地圖

層級	目的	例子	不負責什麼
Data/API	抓行情、下單介面	CCXT、vendor SDK	不自動保證資料品質
Research	特徵、統計、快速回測	pandas、NumPy、vectorbt	不必然模擬完整訂單生命週期
Engine	事件、portfolio、broker model	Backtrader、LEAN	不保證預設參數符合你的市場
Bot/Operations	排程、dry-run、監控	Freqtrade 等	不替策略創造 alpha

CCXT 官方 manual 提供多交易所 unified API，但各交易所仍有 market id、pagination、rate limit、funding、精度與私有參數差異；「統一」不等於完全相同。

5. 工具選型評分表

每項 0–2 分：

• 最近 release／commit 與 issue 回應；
• 官方文件與可執行範例；
• 測試覆蓋與 reproducible environment；
• 是否支援目標 asset／calendar／order type；
• commission、slippage、partial fill、corporate action；
• 資料授權與 live broker 整合；
• 能否匯出逐筆 trade／order log；
• 是否能鎖定版本並重現舊結果。

低分工具不是一定不能用，但應縮小責任範圍。

6. Evan 的合理路線

目前以學習與 ORB 驗證為主：

1. 先以 pandas 教學回測建立可讀 baseline。
2. 用自寫測試確認 signal timing、成本與 position。
3. 參數探索增加時，再考慮 vectorbt。
4. 需要 order lifecycle 或 paper/live parity 時，才升級 event-driven engine。
5. Vibe-Trading／QuantDinger 可作工作介面，但不能取代 data audit 與獨立驗證。

通關判準

你應能說明：「我的策略為何需要這個框架的某項能力」，而不是只說「大家都用」或「stars 很多」。