Strasmore Research
学习 Matt Connor作者： Matt Connor · data as of July 31, 2026 · refreshed weekly

纸面交易 模拟交易 真实资金 区别

纸面交易能验证操作流程，但无法测试买卖价差成本和真实心理。了解模拟器省略了什么、练习多久合适、哪些指标真正重要。

纸面交易是在经纪商的模拟账户中提交模拟订单，使用实时市场价格和虚拟资金。它能证明你可以操作订单界面、遵循书面计划并坚持记录日志。在模拟器中，有两件事始终未经测试：每笔成交中跨越买卖价差的成本，以及当屏幕上的余额属于自己时，一个人的行为方式。

纸面交易能证明什么

模拟账户是一个操作实验室。在模拟账户中，初学者可以了解：当报价偏离设定价格时限价单如何运作；在快速行情中止损单的表现；2000美元的头寸与20000美元的头寸相比是什么样子；以及书面日志如何将直觉转化为可测试的规则。这些经验可以完整迁移。真实资金账户的订单界面与模拟账户相同。

模拟日志还能低成本地暴露计划缺陷。一个没有退出规则的策略、一个将账户三分之一资金投入单一品种的仓位方案、一个需要在交易时段内监控四个屏幕的日常流程：这些缺陷在几周的模拟交易中就会显现，而成本为零。

模拟器永远不会向你收取的费用

大多数模拟器按最后一笔成交价或报价中点成交。而真实的可市价订单在买入时支付卖价，卖出时接收买价，这两个价格之间的差距，即买卖价差，由挂出报价的人承担。

假设性的计算能清楚说明这一遗漏的规模。一只股票报价为买价20.00美元、卖价20.05美元，其中点为20.025美元。按中点成交的模拟器以20.025美元记录入场。真实买入则以20.05美元成交，贵了2.5美分，而卖出时又会损失另一半价差。一次完整的来回交易，每股成本5美分，而模拟日志记录为免费。

这一成本并非对所有品种都相同。下表衡量了截至2026年7月可用的最近几个完整交易时段中，六只广泛持有股票的中位数报价价差（以中点价格的基点计，一个基点为万分之一）。

查询实际成交成本：中点报价中位数价差（bps），常规时段，近期已完成交易时段
每个数字背后的完整 SQL
SELECT ticker,
       round(quantileExactIf(0.5)(toFloat64(ask_price - bid_price) / (toFloat64(ask_price + bid_price) / 2), bid_price > 0 AND ask_price > bid_price) * 10000, 2) AS typical_spread_bps,
       round(quantileExactIf(0.5)(toFloat64(ask_price - bid_price), bid_price > 0 AND ask_price > bid_price) * 100, 1) AS typical_spread_cents,
       round(count() / 1e6, 1) AS quote_updates_m
FROM global_markets.cache_stocks_quotes
WHERE ticker IN ('SPY', 'AAPL', 'MSFT', 'NVDA', 'TSLA', 'F')
  AND sip_timestamp >= toDateTime(today() - 10)
  AND sip_timestamp < toDateTime(today() - 3)
  AND (toHour(sip_timestamp) * 60 + toMinute(sip_timestamp)) BETWEEN 810 AND 1199
GROUP BY ticker
ORDER BY typical_spread_bps
Run this yourself

价差最窄的一端是SPY，测得0.27个基点，中位数基于18.8百万次报价更新。价差最宽的一端是F，测得6.96个基点，报价差距为1美分。对于一笔10,000美元的订单，一个基点就是一美元。一个包含200次来回交易的模拟日志，其背后有一笔真实的账单，而模拟日志本身从未显示过这笔费用。交易一只股票的成本 在更广泛的品种范围内列出了不同价位的成本。

成交质量随时间变化

模拟器在上午9:31和下午1:00给出的成交结果相同。但实时报价并非如此。将一只中等价位股票的所有合并报价更新按半小时分组，可以展示一个交易时段的形态，测量基于相同的近期时间窗口。

查询单日走势：每半小时报价中位数价差，福特（F），近期已完成交易时段
每个数字背后的完整 SQL
SELECT formatDateTime(toStartOfInterval(toTimeZone(sip_timestamp, 'America/New_York'), INTERVAL 30 MINUTE), '%H:%i') AS et_time,
       round(quantileExactIf(0.5)(toFloat64(ask_price - bid_price) / (toFloat64(ask_price + bid_price) / 2), bid_price > 0 AND ask_price > bid_price) * 10000, 2) AS spread_bps,
       round(count() / 1e6, 2) AS quote_updates_m
FROM global_markets.cache_stocks_quotes
WHERE ticker = 'F'
  AND sip_timestamp >= toDateTime(today() - 10)
  AND sip_timestamp < toDateTime(today() - 3)
  AND (toHour(sip_timestamp) * 60 + toMinute(sip_timestamp)) BETWEEN 810 AND 1199
GROUP BY et_time
ORDER BY et_time
Run this yourself

09:30时段，即常规交易时段的头半小时，测得7.01个基点。12:30时段测得6.94个基点，而收盘时段15:30测得6.98个基点。一个在开盘前十五分钟交易的模拟策略和一个在午盘交易的模拟策略，在真实资金账户中的成本不同，但在大多数模拟器中成本相同。

一个模拟窗口覆盖多少市场

四周的模拟交易大约覆盖二十个交易日。下表统计了一只广泛市场基金在五个日历年度内的每个常规交易日，从开盘到收盘，记录了收盘价高于开盘价的交易日比例以及典型日间波动的幅度。

查询五年交易时段：收盘高于开盘的比例、典型波动及极端值（SPY，2021-2025）
每个数字背后的完整 SQL
SELECT toString(y) AS year,
       count() AS sessions,
       round(100 * countIf(ret > 0) / count(), 1) AS pct_up_sessions,
       round(quantileDeterministic(0.5)(abs(ret) * 100, cityHash64(d)), 2) AS median_abs_move_pct,
       round(min(ret) * 100, 2) AS worst_session_pct,
       round(max(ret) * 100, 2) AS best_session_pct
FROM (
    SELECT d,
           toYear(d) AS y,
           toFloat64(session_close) / toFloat64(session_open) - 1 AS ret
    FROM (
        SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d,
               argMin(open, window_start) AS session_open,
               argMax(close, window_start) AS session_close
        FROM global_markets.delayed_stocks_minute_aggs
        WHERE ticker = 'SPY'
          AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2021-01-01')
          AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2025-12-31')
          AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
               + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
        GROUP BY d
    )
    WHERE session_open > 0
)
GROUP BY year
ORDER BY year
Run this yourself

在2021年，该基金交易了252个常规交易日，其中54.8%的交易日收盘价高于开盘价，中位数绝对波动为0.38%。在2025年，同一比例为52%，中位数绝对波动为0.46%。该年度的极端值远高于中位数：最弱的交易日开盘到收盘波动了-4.81%，最强的波动了10.12%。

将行数视为一个覆盖范围问题。一个二十个交易日的模拟窗口大约相当于一年的百分之八，而它恰好包含的交易日决定了日志的结果。在平静时期进行模拟交易和在剧烈波动时期进行模拟交易，即使使用完全相同的规则集，也会产生不同的数字。希望获得结论而非样本的交易者，通常会运行几个月的模拟日志，并在开始使用真实资金后继续并行运行。

优于胜率的指标

模拟日志首先显示胜率，而胜率是其中信息量最少的指标。考虑一个假设的十笔已平仓交易记录：九笔盈利，每笔50美元，一笔亏损600美元。胜率为90%。账户净亏损150美元。

  • 最大回撤，即账户价值从峰值到谷底的最大跌幅，是描述一个策略要求交易者承受多少压力的数字。
  • 平均盈利与平均亏损之比，结合胜率，得出每笔交易的期望值，这是权益曲线实际跟随的指标。
  • 交易次数，其中十二笔交易的日志衡量的是运气，而两百笔交易的日志才开始衡量规则。
  • 每笔来回交易的成本，取自上述价差表格，而非模拟器的费用字段（后者通常设为零）。

确定首批真实交易的规模

交易教育者中常见的惯例是渐进式起步：使用最小可行的头寸规模、遵循模拟日志中使用的相同书面规则，并在固定数量的交易完成前不改变规模。一股200美元的股票将200美元置于风险之下，并产生与一百股相同的情绪数据，但风险敞口仅为百分之一。操作机制从模拟器延续下来，而纪律不会，小规模交易正是衡量后者的方法。

规模也与成本相互作用。固定每笔交易费用对小订单的影响更大，而价差在不同规模下按比例相同。一个计划每月进行四十笔小规模交易的交易者，需要为四十次来回交易付费，而不是一次。希望将基于规则的策略与主观入场进行比较的读者，可以参考定投策略，其中用时间表取代了决策。

常见问题

纸面交易真的有效吗？

它对于其衡量的方面是有效的：订单操作、计划结构以及记录日志的纪律。但它不衡量成交质量或情绪。在相同时间段内，使用相同规则的模拟日志和真实资金日志通常存在差异，上述两个差距正是差异所在。

人们在使用真实资金前会进行多久的纸面交易？

没有标准时间。一个有用的框架是样本量而非日历时间：一个月大约覆盖二十个交易日，而一只广泛市场基金在2025年就交易了250个交易日。许多交易者会运行几个月的模拟日志，并在开设一个小额真实资金账户后继续并行运行。

为什么纸面交易的结果比真实结果好？

三个机制上的差异解释了大部分差距。模拟订单通常按中点或最后一笔成交价成交，而非按买价或卖价；模拟规模永远不会影响报价；模拟亏损不带有任何情绪负担。纸面交易者能够承受回撤，而真实资金交易者会提前平仓。

可以用同样的方式纸面交易期权吗？

操作机制可以延续，但成交差距更大。期权报价在百分比上通常远宽于股票报价，行权和提前行权在模拟器中很少出现，且到期处理因模拟平台而异。将模拟期权日志视为一个操作测试。

纸面交易不能教会什么？

滑点、做空头寸的借券可用性、大额订单的部分成交，以及一个人看着真实资金亏损时的行为。这四点正是模拟日志与真实资金账户之间的固有差距。

上方的每个表格都附带了生成它的精确SQL代码。打开一个表格，将你自己模拟日志中的股票代码替换进去，即可在Strasmore终端上为你的成交定价。

#paper trading#simulators#risk management#trading costs