相信大家看到下边这类策略的走势，一定心潮澎湃的希望拿到策略代码去实盘吧，给大家泼一盆冷水，巴老爷子的年化不过20%，难道真的存在不论市场风格如何切换，回撤不仅小，收益还如此之高的策略？
懂代码的朋友看过策略这类sharpe极高的策略，大概率会发现达成高收益很有可能是因为未来函数的问题，下边讲讲未来函数是什么，为什么在回测中能产生如此高的收益，但是实盘就不行了？
未来函数：即在回测中使用了未来的数据，举个例子：
策略A:
买入策略：在开盘9：31分，买入涨幅超过3%，按照市值从小到大排列前3
卖出策略：-5%止损
筛选满足条件的股票常用两种方式：
1.问财：get_iwencai('买入涨幅超过3%，按照市值从小到大排列前3') #自然语句选出股票池 ;
2.获取行情数据自己计算：
stocklist = list(get_all_securities('stock',date = datetime.datetime.now()).index) #获取所有股票
data=get_price(stocklist,None,datetime.datetime.now(), '1d',['open','high','low','volume','turnover','close','quote_rate'], bar_count =1, is_panel=False) #按日查询行情
假设我们正在回测20240327这天的数据，按照真实情况应该是，获取到在9：31分涨幅>3%的股票，按照市值从小到大排列买入前3
但是，如果按照上述的两种方式获取行情数据，实际上拿到的是20240327的收盘数据！！！
如此一来回测就变成了提前知道今天收盘xx股票会涨3%以上，然后在9：31开盘买入，这样收益自然会很高
卖出策略同理，提前知道今天收盘之后xx股票会打到止损线-5%，提前在9：31开盘卖出，提前规避了大跌
这就是未来函数造成回测和实盘差异的问题所在，那么怎么解决这个问题使得回测和实盘保持一致呢？
解决方案：只使用策略执行时间节点之前的数据，还是上边这个例子，因为策略是9：31执行，那么获取的最新数据也是9：31的数据
获取行情的方法改为:
get_price(stock, None, get_datetime().strftime("%Y-%m-%d")+' 09:31:00', '1m', ['close'], True, None, 1, is_panel=1)
至此问题解决，如果大家有更好的解决方案欢迎交流
