4. 截面回测引擎

作用：用「日期 for-loop + 截面矩阵运算」逐日模拟组合净值，输出绩效与报告。

输入是信号层的每日合成分截面和预处理层的 returns 面板。输出是净值曲线、绩效指标（Sharpe / 最大回撤 / Calmar / 胜率 / 盈亏比）和图表报告。

这一层对上下游的承诺：T 日的每一个决策只用 T-1 及更早的信息；信号、风控、因子筛选与实盘走同一套实现。回测数字的意义完全建立在这两条之上——破坏任何一条，Sharpe 再高也只是自欺。

Alpha101 是每日对 500 只标的进行截面评分排序的截面问题，而非针对单只标的的突破交易。Backtrader 等事件驱动框架把每根 K 线当事件逐个处理，在此场景下性能开销过高；自研矩阵驱动引擎约 300 行代码，执行效率更优，且更容易从结构上杜绝未来函数。

一般化的判据：回测框架应匹配问题形态。逐标的的时序策略适合事件驱动；逐日全截面的选股策略适合矩阵驱动。

信号矩阵在进入主循环之前，就对每个标的整体后移一天——T 日行上放的是 T-1 收盘后就能算出的分数。主循环里没有任何「这个数据是不是未来的」的时间判断，因为被后移过的矩阵在结构上就不可能包含未来。

这个设计的好处是审计成本低：要验证回测无未来函数，只需要检查一处（入口的 shift），而不需要逐行审查整个循环体。

换手成本不是事后估算，而是每个调仓日精确计入：

算个例子：旧组合 {A: 50%, B: 50%}，新组合 {B: 50%, C: 50%}。A 清仓 50%、C 建仓 50%、B 不动，换手率 = (50% + 0 + 50%) / 2 = 50%，按单边费率 0.1% 计，当日成本 = 50% × 0.1% × 2 = 0.1%，直接从当日收益里扣。

这个算术直接解释了为什么调仓频率必须与实盘一致：同样的组合，每日调仓的摩擦成本约是 5 日调仓的 5 倍。回测按 5 日、实盘按每日，亏损的主因就不是因子失效而是摩擦 → 事故档案 · 调仓频率不一致导致摩擦放大。

调仓相位（首次调仓落在第几天）同样是显式参数：同一策略把相位从 0 拨到 4，净值曲线可能差出一截。这就是 timing luck——好策略应该对相位不敏感，所以它必须可测。

以默认参数（Top 10、5 日调仓、单边成本 0.1%）为例，设今天是 T 日且距上次调仓已满 5 个交易日：

非调仓日只有第 6、7 步：持仓不动、换手为 0，净值随市场漂。

历史回测在特定区间与参数下得到 Sharpe 1.3–1.8 量级的结果。口径不一、均为局部拟合，须与 SPY/QQQ 基准对比才有意义——详见指标口径与免责声明。

主要缺口：回撤止损只在回测路径生效。权重类风控（单票 / 持仓数 / 总仓上限）已通过复用同一个风控模块接入执行路径，但回撤状态只有回测的日终记账在维护，实盘路径没有喂入回撤数据，回撤降仓不会触发。

上一层：3. 因子与信号 DWS · 下一层：5. 交易执行层 ADS