美股回测用日线还是分钟线？买卖时点错了，曲线再漂亮也可能白跑

最浪费时间的回测，不是报错的那种。

是脚本一路跑完，曲线也出来了。你开始调参数，后来才发现：策略写的是“盘中突破就进场”，回测却用日线把盘内过程压没了。

那一轮下载、清洗、调参，可能都得重来。更危险的是，你会把原规则下根本不可能发生的买卖，当成策略有效。

回测前先别问“数据够不够细”，先问：信号什么时候才能知道？我又在什么时候允许交易？

TickDB 是面向量化研究、行情监控和投资工具的市场数据服务。本文只验证其中一件事：用历史 K 线、交易日和交易时段，先确认回测输入是否符合策略的决策时点。

先给结论：不是越细越好

日线和分钟线不是清晰度高低的区别，而是两套不同的交易时点。

我用 TickDB 查了一次 AAPL.US

本次真实请求使用 AAPL.US，查询已结束的 2026 年 7 月 28 日。

我同时请求了：

1分钟K线
日线K线
美股交易日
美股交易时段

四个请求均返回 HTTP 200、业务码 0。

这张表比“分钟线更细”更有用。

如果你的策略只做常规盘，真正应进入回测的，是 390 条，不是完整返回的 893 条。

盘前和盘后还有 503 条记录。它们不是顺手多出来的福利，而是必须由策略规则决定是否纳入的另一段研究输入。

本次日线返回为：

一根日 K 能告诉你当天发生过什么，却不能告诉你盘中突破出现于何时、触发后是否回落、当时是否允许成交。

TickDB 在这里做什么

这篇文章里的分工很简单：

TickDB
→ 提供同一标的的历史1m / 1d K线、交易日和交易时段

Python脚本
→ 把时间、记录数和策略规则整理成选择表

你
→ 决定策略是否该用日线、分钟线，还是先暂停回测

TickDB 的价值不只是“能返回 K 线”。

在这次任务中，它让同一只股票的粒度、时间边界和交易范围能连续核对，而不是你在不同页面、不同来源之间猜测“这些数据能不能放进同一个回测”。

真实运行的核心调用

下面是本次完整脚本里的实际调用段：

records = [
    call(
        api_key,
        "REQ-KLINE-1M",
        "/v1/market/kline",
        {
            "symbol": "AAPL.US",
            "type": "stock",
            "interval": "1m",
            "limit": 1000,
            "start_time": 1785196800000,
            "end_time": 1785283199999,
        },
    ),
    call(
        api_key,
        "REQ-KLINE-1D",
        "/v1/market/kline",
        {
            "symbol": "AAPL.US",
            "type": "stock",
            "interval": "1d",
            "limit": 1000,
            "start_time": 1785196800000,
            "end_time": 1785283199999,
        },
    ),
    call(
        api_key,
        "REQ-TRADE-DAYS-US",
        "/v1/market/trade-days",
        {
            "market": "US",
            "beg_day": "20260728",
            "end_day": "20260728",
        },
    ),
    call(
        api_key,
        "REQ-TRADING-SESSIONS-US",
        "/v1/market/trading-sessions",
        {"market": "US"},
    ),
]

本次脚本的规则输入是：

信号：盘中可知
下单：盘中允许
研究时段：常规盘

输出结果：

分钟线候选
规则依赖盘中可知条件或盘中允许交易，日线会压缩关键时点
常规盘选入记录：390 条

已有数据源，为什么还值得测一次 TickDB？

不需要先迁移系统。

拿你已有策略里的同一只股票、同一个日期，分别查询 1m、1d 和交易时段，再问一个问题：

你的回测输入，真的和策略规定的决策时点一致吗？

如果答案不确定，问题就不在于你有没有数据，而在于你还没有把数据粒度、时区和交易范围变成可检查条件。

这也是 TickDB 在本文中的价值：先帮你核验研究输入，再决定后面是否值得继续下载、清洗和调参。

你可以直接这样试

把脚本里的标的、日期和研究规则换成自己的：

set -a
source <你的本地 tickdb.env>
set +a

python3 run_granularity_evidence.py \
  --symbol AAPL.US \
  --date 2026-07-28 \
  --signal-known intraday \
  --order-allowed intraday \
  --research-session regular

你会得到一张选择表：

日线候选
分钟线候选
暂缓回测

它不替你挑策略，只帮你先排除“策略和数据时间根本对不上”的情况。

FAQ

1. 日线能代替分钟线验证盘中突破吗？

不能。日线能告诉你当天高低开收，却不能还原盘中触发顺序、触发时间和成交条件。

2. 盘前、盘后数据要不要放进回测？

看策略是否允许在这些时段产生信号或下单。本次 AAPL.US 请求中，盘前和盘后共有 503 条分钟记录；是否纳入，不能由数据“顺手返回了”来决定。

3. TickDB 除了这次的历史 K 线还能做什么？

粒度和研究范围确定后，历史数据可以继续承接策略验证；需要持续观察市场变化时，也可以进入行情监控任务。先把回测输入对齐，再谈更长的研究链路。

回测最怕的，不是数据少，而是策略已经按一套时间运行，数据却还在按另一套时间计算。

通过 TickDB API 获取实时行情数据

一个 API 接入外汇、加密货币、美股、港股、A股、贵金属和全球指数的实时行情。支持 WebSocket 低延迟推送，免费开始使用。