4. 正确的做法：复权数据只负责“出信号”，真实价格负责“做交易”
   量化交易的标准流程是分离的：

信号产生（在虚拟层）：用前复权主连数据保持趋势连贯，计算出准确的技术指标和信号点位（例如：当复权价向上突破20日高点X时，产生开多信号）。

交易执行（在现实层）：当信号被触发的那一毫秒，立刻查询当前真实主力合约的盘口。以真实合约的对手价（或你设定的限价）直接下单。 止损、止盈和追踪价位，也全部转换为真实合约的真实价格来设置。

在你的回测系统中，也需要模拟这个过程：让信号基于复权价格产生，但模拟的成交价要使用当时主力合约的真实价格（也就是简单拼接数据里的价格）。这样得出来的回测绩效，才是在现实中可以复现的。
**
请问一下我在vnpy使用复权后的主力连续合约回测的时候，它的成交价也是用的复权后的价格吧？
这样计算出来的收益就不对了。
是这样吗？如何解决这个问题呢？**

问题确认

VeighNa 的 CTA 回测引擎（vnpy_ctastrategy 的 BacktestingEngine）撮合逻辑是：买入按 K 线的收盘价（或你设定滑点后）成交，价格来源就是你加载进 BarData 的 close_price。所以：

• 如果你加载的是前复权的主连数据，那么回测中的成交价 = 复权价
• 最终收益率 = (复权价卖出 - 复权价买入) / 复权价买入

在主力合约换月时，前复权会把旧合约价格整体平移对齐新合约，导致：

1. 换月跳空消失 → 回测拿不到真实的换月损益（现实中换月是有真实成本/收益的）
2. 历史价格失真 → 固定金额的保证金、手续费按失真价格计算，仓位规模也失真
3. 长期回测绩效与现实不可复现

解决方案（你说的"信号与执行分离"在 VeighNa 中的做法）

方案一：双数据集回测（推荐，标准做法）

在回测中同时加载两套数据：

1. 复权主连数据：只用于计算技术指标、生成信号（在 ArrayManager 中喂入复权价）
2. 真实主力合约数据：用于撮合成交

具体实现需要修改回测引擎的撮合部分，或在策略层做价格映射：

• 回测时按时间对齐，每个交易日同时读复权价 adj_price 和真实价 real_price
• 策略信号用 adj_price 序列计算
• 触发信号后，用同一时刻的 real_price 作为成交价
• 止损止盈触发判断基于真实价格（或基于真实持仓盈亏）

实现途径：

• 数据入库时，给 BarData 保留真实价格，复权序列作为额外字段（可以把真实收盘价放进 open_interest 不现实，建议自定义数据结构或用数据库多存一张表）
• 继承 BacktestingEngine 重写 cross_limit_order，在撮合时查真实价格映射表
• 或者更简单的做法：在策略 on_bar 里存一个 signal_price → real_price 的比例（ratio = real_close / adj_close），下单价格用 信号价 × ratio 转换，止损逻辑同理

方案二：只用简单拼接的真实主力数据 + 换月处理

• 回测数据直接用真实价格简单拼接的主力连续数据（不做复权）
• 在策略里对指标计算做换月平滑处理（比如用收益率序列计算 MA，而不是价格序列）
• 这样成交价天然是真实价格，但指标处理稍复杂

方案三：用组合策略/价差模块

如果涉及跨合约（换月前后的两个合约）的精细模拟，vnpy_portfoliostrategy 模块支持多合约组合回测，可以分别订阅换月前后的真实合约，自行管理换月移仓逻辑——这是最贴近现实的做法，但开发成本最高。

简单验证

你可以用我查一下文档确认回测撮合细节：

文档也印证了这一点（来源：cta_backtester.md）：

回测过程中策略发出委托的成交价不一定是原始下单的价格，而要由回测引擎基于当时的行情数据和下单价格进行撮合后算出。

这里的"当时的行情数据"就是你加载的 K 线数据——你喂进去的是复权价，撮合就用复权价，逐日盯市的持仓盈亏也全部基于复权价计算。所以收益失真是必然发生的。

总结建议

实盘时的对应做法：实盘本身不存在这个问题——实盘你订阅的是真实主力合约的 Tick，成交价天然是真实的；你只需在策略内部维护一个复权价格序列（换月时按比例调整历史缓存）用于指标计算，下单时直接用真实盘口价即可。这正是你说的"信号在虚拟层、执行在现实层"。