DolphinDB 策略回测白皮书
策略回测是量化交易投研的一个重要环节。策略上线之前，必须通过回测评估策略在历史数据上的表现。相比于低频策略回测，数据频率较高的策略回测存在两个新挑战。首先，数据量指数级的增长，对系统的查询和计算性能都提出了更苛刻的要求。其次，数据频率较高的策略中，还需要考虑是否成交、成交量、成交价格和市场冲击成本等真实因素，这些通常需要一个模拟撮合引擎来实现。DolphinDB 基于其高性能的分布式存储和计算架构，实现了库内行情回放、模拟撮合引擎和事件型高频回测引擎三大核心组件，支持通过 DolphinScript、Python 或 C++语言完成中高频策略的研发和测试，展示了一个易扩展、性能优的中高频量化交易策略回测解决方案。
内容概况
本白皮书以中高频策略回测面临的挑战为背景，系统地介绍了 DolphinDB 高性能策略回测框架的架构实现、工作原理、功能特性和应用案例等。主要包含以下内容：
基本概念：简述中高频策略回测面临的诸多挑战，介绍了DolphinDB策略回测解决方案中的三个重要环节，即行情数据回放、委托订单模拟撮合以及策略开发与策略回测绩效评估。
数据回放框架：介绍了数据回放功能的发布-订阅-消费流程，对单表回放和多表回放等功能进行了详细说明，并通过实际案例对数据回放的使用方法及性能表现做出了详细介绍。
模拟撮合引擎：介绍了模拟撮合引擎所支持的业务功能，包含：成交比例、延时、订单、位置输出等设置；价格优先、时间优先撮合；实时合成行情订单簿并即时匹配成交信息；并通过实际案例详细介绍了如何使用模拟撮合引擎开发策略。
回测引擎：介绍了DolphinDB 中高频回测引擎的四个核心部分：自定义策略函数、策略配置与创建、行情数据回放和获取回测结果，在每个核心部分都辅以实际示例加以说明。
编写回测策略实战：以动态网格交易、科创版做市、股票高频CTA、期货分钟频CTA举例，详细介绍了如何使用DolphinDB策略回测框架完成策略的编写、调试和执行。
用 Python 和 C++编写策略回测：通过实例，展示如何在 DolphinDB 策略回测框架中使用 Python 和C++编写策略回测，并对不同的编写方式进行了性能测试加以展示。