该过程在业界被称为回测。回测是量化工作者常见的工作内容之一。
Note
很遗憾的是，回测跟实盘交易永远存在差距，再好的系统也无法回避。现在市面上有几个开源的回测引擎框架，虽然减少了回测的开发工作量，但或多或少都存在回测的误差。在此，我们优先介绍概念，其次介绍一些常见的规避或者补偿误差的方法，供读者在实践中使用。
回测工具有哪些功能？
历史交易过程和结果的模拟
顾名思义，回测当然是回顾一段时间，用既定的交易策略，向模拟的交易平台提交交易请求，然后统计交易的结果。
这样，一个策略到底能不能运作，是不是像想象中的那样运作（实战中，策略辞不达意的情况概率很大），运作的效果在特定的行情下是不是有预期的效果（不是所有策略都适用于所有行情，显而易见的事情），一目了然。
自动记账
如果每一笔交易都要自己手动记录交易结果，计算扣费，遇到限制条件还要进行异常处理，这个工作量是及其繁琐和容易出错的。一般来说，回测会有专门的记账功能，确保量化系统的交易请求能被正确处理。
回报分析
为了辅助回测人员对自身的策略效果建立一个客观的认识，回测往往附带一套指标系统，包括但不限于回报率、alpha、beta、夏普率、最大回撤等，通过这些指标，一个策略的收益情况、收益的相对好坏、收益的稳定和波动程度、最坏情况等，都可以得到一个参考，在常规的理解里，这些指标在实盘中依然有同样的表现水准（严格数学证明略）。
当然，为了分析的方便，回测还会提供基准参考与图形可视化功能，把市场的平均回报连同策略的回报按时间顺序用图形展示，能极大地具象化策略运作情况。
怎么使用回测工具？
回测工具有很多，这里只介绍我们推荐的相对简单可靠的方式。
回测工具与量化系统高度集成。在理想的情况下（参照我们设计的简单的量化系统），用户可以原样照搬量化系统里面的策略内容，并添加少量的系统变量设置，然后回测工具自动装载策略，加载回测情报系统，对回测的交易系统进行操作，记账。
这跟量化系统的执行逻辑非常相似，差别是：
- 情报系统是实时在更新，而回测数据系统提取历史数据；
- 交易系统会向交易平台提交交易请求，模拟交易记账系统则是在本地进行模拟撮合交易，记录结果；
- 回测系统有专门的分析结果。
有了这样的系统，重复地运行，不断地调整参数，找到你认为可以接受的结果为止，回测也不是那么难，对不对？
所以到底需要准备什么才能进行回测呢？
答：完整且规范的数据源，自动记账程序，和你想测试的策略。
可是这几件都不是省油的灯，要自己重头写一遍，基本就是《量化交易从入门到放弃》的故事原本了。
如果你一直读到这里，还对自己完成这样的任务抱有期待，WeQuant佩服你的坚持。
新手做回测时容易犯什么样的错误？
这里面学问很多，主要围绕如何降低回测的系统与人为误差，回头有机会再慢慢更新。
结语
回测是调优你的量化系统的比较有效的手段，不过有效的回测并不容易，也不是所有的场景都能通过回测解决。对于回测可以解决的问题，我们设计了一套简单的标准和配套工具，降低大家使用回测的门槛。请阅读下一篇。