回测引擎是量化的「时光机」，而时光机的诚实度决定了你看到的历史是否可信。本篇讲两类引擎的架构取舍与五个核心模块的设计要点——无论用开源框架（见框架概览 ）还是自建，都需要理解这些内部机制。
两种范式：向量化 vs 事件驱动
向量化回测：整列运算——信号矩阵 × 收益矩阵 = 净值。1000 组参数秒级完成。它的隐含假设极其简化：下一 bar 收盘价成交、无资金约束冲突、无盘中状态。适合：因子海选、参数扫描、快速迭代（VectorBT 的定位，见框架概览 ）。
事件驱动回测：按时间逐事件推进——每个 bar/tick 依次经过「数据 → 信号 → 组合 → 订单 → 撮合 → 账户」的状态机。慢 2–3 个数量级，但可以诚实建模：信号在 T 日收盘后生成、T+1 开盘下单、部分成交、停牌冻结、现金不足拒单。适合：策略的最终验证与实盘前置仿真。
正确的分工是两级流水：向量化做「快而糙」的探索（初筛 200 组参数），事件驱动做入围者的「慢而诚实」的终审。只用向量化做最终结论是最常见的自欺；只用事件驱动做探索则是算力的无底洞。
回测引擎的五个核心模块
① 数据层：统一接口与 PIT 门禁
数据层对上提供唯一接口 get(code, field, dt)——语义必须是「dt 时刻可知的最新值」（PIT 语义，见数据清洗
）。设计要点：行情（复权口径）、财务（公告日对齐）、股票池（动态成分）三类数据分表管理；引擎不信任任何「顺手处理过」的数据——复权与对齐的显式配置在引擎层强制声明（A 股细节见A 股数据特有问题
）。
② 信号层：与执行的时间协议
信号层最容易藏前视偏差。时间协议要写成铁律：T 日收盘后可得的数据 → T+1 的委托价成交（或 T 日收盘价成交但信号只用 T-1 及以前数据，全引擎统一一种并单元测试锁定）。信号层输出的是「目标组合」（每个标的的目标权重），而非「买卖指令」——把「想持有什么」与「怎么从当前仓位变过去」解耦，换手计算与执行优化才有清晰的输入（见执行算法 ）。
③ 组合层：约束与优化的落点
目标组合 → 受约束的目标组合：预算约束、行业/风格暴露上限、单票上下限、换手上限、禁交易名单（停牌、涨停买/跌停卖）。这层是约束优化 的实现处；个人简版可只做「等权 TopN + 缓冲带」，但禁交易名单的处理不能省——停牌股进不了也出不去，是 A 股回测与实盘差异的稳定来源。
④ 撮合层：模拟成交的诚实原则
撮合模型从糙到诚的阶梯：
- 下一 bar 收盘价成交（向量化默认）：最乐观，只有粗筛资格；
- 下一 bar 开盘价成交 + 成本函数：日频策略的务实下限——成本 = 佣金 + 印花税 + half-spread + 冲击模型（
σ×√(Q/ADV)，见交易成本分解 ）； - 穿越原则的限价撮合：限价单只有当 bar 内价格穿越挂价才成交（日内高频必须）；
- 订单簿撮合（tick 级 + L2 深度）：排队位置、部分成交、撤单——微观结构研究的形态（见订单簿 ）。
不可成交状态的显式建模（A 股三件套）：跌停封死的卖单不成交（顺延）、涨停封死的买单不成交、停牌冻结。这三条是 A 股回测可信度的试金石——框架默认没处理的，自己写进撮合层。
⑤ 账户层：现金流与净值会计
现金、持仓、成本、保证金（有杠杆时）的账本。两个易错点：分红送转的账户处理（现金分红进现金、送转改股数与成本价——不能靠复权价隐含，见A 股数据 ）；日终净值 = 现金 + Σ持仓 × 收盘价，净值曲线的每一点都要能从账本重算（审计性）。杠杆/期货场景要加：保证金占用、追保线、强平逻辑（见杠杆与保证金 ）。
引擎的可信度验证
自建引擎（或评估框架）的验收测试：
- 回归测试：同一数据集 + 同一策略，引擎任何改动前后净值曲线必须逐点一致（引擎本身的 CI，见DevOps ）；
- 解析解对照：构造有精确答案的场景（恒定权重持有指数、固定利率现金）验证账户会计无误；
- 偏差注入测试：故意在信号里加一行「未来函数」，引擎应产生不同结果——如果结果不变，说明你的前视防线形同虚设；
- 成本敏感性：成本参数从 0 扫到 3 倍，净值应平滑单调变化——跳变说明撮合层有结构性错误。
关联阅读：本篇的对立面回测偏差大全 ——引擎设计就是为了消灭它们；框架选型量化常用开源框架 ；引擎产出物的正确读法绩效指标 。