写黄金量化策略时，为什么周末没数据反而更重要？

从一次回测翻车说起

不知道你有没有过这种体验：回测曲线在周五到周一交接的地方，总会出现一段不符合策略逻辑的急涨急跌。我刚入门时碰到过很多次，一度怀疑是自己指标计算写错了，逐行debug了两天。后来我偶然检查了一下原始tick的分时分布，才发现周六和周日的时间里，拉取到的tick数量是零。

这其实不是接口的问题，而是XAUUSD本身就不是24小时连续交易的品种。周五纽约收盘后，全球黄金市场进入休息，所以大部分实时行情API在这段时间内都不会推送任何数据。对于刚接触黄金量化的同学，很容易忽视这个特性。

缺失数据如何影响回测准确性

回测引擎是按时间轴一步步前进的，周六和周日没有新价格进来，引擎就会默认价格保持不变，一直停在周五的收盘价。等到周一早上第一笔成交跳出来，价格可能已经大幅偏离，你的策略模型在图表上看到的是一条垂直的价格线。

举个例子：假设你使用双均线交叉系统，周五收盘时短期均线还在长期均线之下，本周一开盘价格直接高开10美元，短期均线可能瞬间上穿长期均线，产生一个虚假的买入信号。但实际上这只是周末积累的跳空，并不是日内趋势改变。模型误把“跳空”当成了“连续趋势”，这就是回测结果失真的根本。

几种填补方法的实战对比

我当时试了各种办法，从最简单的到稍复杂的，效果差别很大：

忽略周末显然不行。用周五价格填充虽然数据完整了，但背离了实盘中持仓过周末的资金风险。我个人最推荐标记跳空法——把周五收盘到周一开盘的价差单独存成一个“事件”，回测时不补数据，而是事后分析策略在跳空下的表现。

手把手：用Python隔离周末数据

我自己的项目中，会在收到实时行情tick后立即加一层时间过滤。接入ALLTICK API的实时API后，每笔数据都附带时间戳，我可以很方便地判断这一天是不是周末，然后分流处理。

import websocket
import json
from datetime import datetime

def on_message(ws, message):
    data = json.loads(message)
    timestamp = datetime.fromtimestamp(data['time'])
    # Weekend ticks are logged only, never fed to strategy
    if timestamp.weekday() >= 5:
        print(f"Weekend data {data['price']} stored as gap reference")
        # Save to gap buffer for backtesting
        store_gap_data(data)
    else:
        # Normal weekday ticks trigger strategy logic
        process_tick(data['symbol'], data['price'])

ws = websocket.WebSocketApp(
    "wss://apis.alltick.co/websocket-api/stock-websocket-interface-api/transaction-quote-subscription",
    on_message=on_message
)
ws.run_forever()

这样一来，实时交易中策略永远不会收到周末的干扰数据；回测时我把本地缓存的跳空事件重新注入，模拟出周一开盘瞬间的价格断层。

一个稳健的回测习惯

现在我做黄金回测，已经形成一套固定流程：

• 回测之前，先用交易时段表把时间轴切成一段段，确保不会把周末算入连续K线。
• 每周跳空数据单独维护一张表，用来评估策略对跳空的容忍度。
• 实盘和回测共享同一套数据清洗逻辑，绝不“为了让曲线好看”去填补数据。

黄金行情API在周末静默，其实是市场的真实状态。与其费力气虚构连续数据，不如让回测像实盘一样去面对跳空——这样你得到的权益曲线才真正有参考意义。