本文分享的是量化投资中回测实现方法的最简单例子，该例子仅仅说明回测的原理实现，在实际的情况中，要比该例子更加复杂。
1，买入卖出信号构建
构建买入信号 signal=1，卖出信号 signal=0，其他为 NaN。
注意，这里假设都是全仓操作，连续的信号只有第一个是有实际的操作意义。即一旦第 1 个信号成交后，后面虽然仍有信号发出，但由于买入全仓，所以没有钱再买了。卖出同理。
2，信号转化为持股状态
构建持有 keep=1，空仓为 0，假设都是全仓操作，则 keep=signal。
# 由于假设都是全仓操作所以 signal＝keep，即 1 代表买入持有，0 代表卖出空仓
test_kl['keep'] = test_kl['signal']
对 keep=NaN 的数据进行向下填充，即 NaN 都与其前面的元素保持一致。
# 将 keep 列中的 nan 使用向下填充的方式填充，结果使 keep 可以代表最终的交易持股状态
test_kl['keep'].fillna(method='ffill', inplace=True)
3，计算基准收益
这里的基准收益的概念是从第 1 天开始持有股票，到最后 1 天的每一天收益。其每一天收益的计算为：（当天收盘价 - 前一天收盘价）/ 前一天收盘价。
test_kl['benchmark_profit2'] =
test_kl['close'] / test_kl['close'].shift(1) - 1
test_kl['benchmark_profit'] =
np.log(test_kl['close'] / test_kl['close'].shift(1))
4，计算策略收益
策略收益即为持仓与否 * 基准收益。其中持仓与否只有 1 和 0 的数据，* 基准收益后就类似于创建了一个滤波器，自动过滤 0 的数据。
test_kl['trend_profit'] = test_kl['keep'] * test_kl['benchmark_profit']
5，可视化收益对比
将基准收益和策略收益逐日累加，并进行对比。
test_kl[['benchmark_profit','trend_profit']].cumsum().
plot(grid=True, figsize=14, 7));
