回测的目的是模拟真实交易环境，验证策略在历史数据上的表现是否具有统计意义，而不是通过优化历史数据找到"完美曲线"。一个好的回测应当：正确处理时间顺序（避免未来函数）、覆盖完整的市场环境（包含退市股票）、设置合理的成本假设、并通过样本外数据最终验证。

**本文将从四个维度帮助你构建可靠的回测

![](/wiki/api/attachments.redirect?id=4c913689-3af4-47af-aec0-f8a2bd830

本文档基于 因子分析框架 中的 AlphaMiner 类，逐步骤、逐细节地介绍整个因子分析流程。

目录

1. [因子配置参数说明](#%E4%B8%80%E5%9B%A0%E5%AD%90%E9%85%8D%E7%BD%AE%E5%8F%82%E6%95%B0%E8%

注：为保证实盘和模拟交易曲线一致，实盘是集合竞价下单，因此本代码也是集合竞价下单。

文末提供的脚本只支持单一策略的自动化实盘，如果要运行多个实盘策略，请将脚本复制几份，下单时间略微错开。

功能描述

本功能实现了从云端（bigquant.com）策略信号生成到终端自动获取并下单的完

引言：散户的连板迷思

在短线交易的战场上，绝大多数散户都陷入过同一个怪圈：那些封单巨大、开盘秒封、看起来极其强势的“完美龙头”，你费尽心思挤进去，结果隔天等待你的往往是毫无还手之力的“A杀”——冲高回落直接走低，甚至连续跌停。

相反，那些全天反复炸板、封板姿态“烂”到让人不敢直视的股票，