我们的撮合仿真在成交时用下一根 K 线开盘价做保证金门槛;TradingView 在信号时用当前收盘价。两者只差 3 美分,就足以让一笔按全部权益计算仓位的订单被拒。六个隔离探针如何把一个社区策略的 PnL 漂移,一路追查到这道保证金检查。
本文中的数据测于 2026年5月9日,现保留原样。最新结果请参阅我们如何衡量一致性。
我们一致性语料库里有一个名为 IES 的社区 Pine 策略。当我们按 strict 门槛给每个策略评级时,它是唯一一个对照 TradingView 只达到 moderate 一致性的策略。交易笔数对得上,入场价分毫不差,出场价也分毫不差。可到 2026 年 4 月,双方的累计 PnL 已经相差约 $29,000。
本文讲的是我们如何找到根因:一次保证金检查,晚了整整一根 K 线。
不对称的指纹
在我们开始深挖之前,verify_corpus.py 对这个策略的报告如下:
community/IES (pre-fix)
Profile: strict
TV trades: 2668 (raw 2668)
Engine trades: 2663 (raw 2663)
Matched: 2632 (98.7% of TV)
Count delta: 0.1874% (OK)
Entry-price p90 delta: 0.0000% (OK)
Exit-price p90 delta: 0.0000% (OK)
PnL p90 delta: 2.5412% (X)
-> moderate
这一行本身就能说明问题。当交易笔数、入场价和出场价全都一致,而单笔 PnL 却漂移了 2.5% 时,你面对的就不是信号逻辑 bug,也不是成交价 bug。两个引擎在相同的价格上选中了相同的交易,只是仓位大小不同。
临近对比窗口末尾时,在每一笔匹配的交易上,引擎的 qty 都约为 TradingView 的 97.3%,与两个账户的权益之比相同。分歧出在 strategy.equity 上——这是所有仓位计算公式都依赖的递归反馈变量——而不在任何单笔交易的算术里。
我们先试了什么(以及为什么都不对)
找到正确的假设之前,我们先否掉了三个错误的假设。它们值得复述一遍,因为这才是调试的真实样子:大部分工作是在推翻假设,而不是证实假设。
指标预热不一致。 在对比窗口开始之前,引擎会用五个月的 OHLCV 预热技术指标栈;而 TradingView 图表的历史数据未必能追溯那么远。我们搭了一个逐根 K 线追踪技术指标的 harness,过程中真的找到了九个指标 bug——ta.pivothigh / ta.pivotlow 的语义、ta.iii 的公式、ta.tsi 的代码生成与缩放、ta.cog 的权重、ta.bbw 的百分比、ta.vwap 的日锚点、ta.supertrend 的趋势线取值、ta.pivot_point_levels 的前一根 K 线 HLC,以及 ta.cross 跳过平局的语义。九个我们全修了,但没有一个能让 IES 摆脱 moderate。
止损 / 限价单成交时机。 另一个社区策略(scalping-wunder-bots)呈现出一个很清晰的规律:引擎总比 TradingView 早一根 K 线出场。我们的假设是:引擎在入场那根 K 线上就评估了 strategy.exit 的止损,而 TV 推迟到下一根。我们构建了 parity-probe-01-stop-limit-timing 来专门隔离这一点。结果是 778 笔交易中 778 笔匹配,四道 strict 门槛全部通过。假设被证伪。
CHoCH / BOS 摆动点跟踪。 还有一个策略(VCP)在 2025-05-12 12:15 多出了一笔可疑的入场,我们怀疑是枢轴状态的演化出现了分歧。于是我们构建了 parity-probe-02-choch-bos-isolator,完全复刻它的枢轴特征。1026 笔中 1026 笔匹配。 再次证伪。
三个假设排查下来,IES 毫无改善,却让我们多了一条新方法论:编写最小化的 Pine 策略、一次只隔离一个假设,比在 700 行的社区脚本里追踪内部变量快得多。于是我们写了第三个探针。
找到问题的那个探针
parity-probe-03-equity-mirror 的巧妙之处在于,下单数量本身就编码了 strategy.equity:
//@version=6
strategy("Parity probe 03 - equity mirror",
shorttitle="par_p03", overlay=true, initial_capital=1000000,
default_qty_type=strategy.fixed, default_qty_value=1,
pyramiding=0, process_orders_on_close=false,
commission_value=0, slippage=0)
bool fire = dayofweek == 2 and hour == 0 and minute == 0
and strategy.position_size == 0
float qty_dyn = math.round(strategy.equity / close * 1000) / 1000
if fire and qty_dyn > 0
strategy.entry("E", strategy.long, qty=qty_dyn)
if strategy.position_size > 0 and bar_index >
strategy.opentrades.entry_bar_index(0)
strategy.close("E")
qty = round(strategy.equity / close * 1000) / 1000 保留三位小数,这意味着 TradingView「交易列表」CSV 导出中的 Size (qty) 列,变成了逐根 K 线反映 TV 端 strategy.equity 数值的观测窗口(oracle)。按入场时间戳把引擎和 TV 的交易配对,把 qty 列对齐,就能直接从 diff 中读出权益的分歧。
前八笔匹配的交易:
2025-03-31 00:15 eng_qty=553.1490 tv_qty=553.1490 diff=+0.000%
2025-04-14 00:15 eng_qty=612.9970 tv_qty=612.1600 diff=+0.137%
2025-04-21 00:15 eng_qty=623.1630 tv_qty=622.3110 diff=+0.137%
2025-08-25 00:15 eng_qty=207.2020 tv_qty=209.8110 diff=-1.244%
2025-11-03 00:15 eng_qty=242.4760 tv_qty=251.9860 diff=-3.774%
2025-11-24 00:15 eng_qty=339.1820 tv_qty=361.0170 diff=-6.048%
2025-12-22 00:15 eng_qty=307.0180 tv_qty=330.5680 diff=-7.124%
2026-01-05 00:15 eng_qty=295.2650 tv_qty=320.1020 diff=-7.759%
第 1 笔完全一致,双方都从 $1M 的权益起步。从第 2 笔开始,qty 列就分开了,再也没有重新收敛。到第 8 笔时,差距稳定在 7.76% 左右。
原因不是计算上的逐渐漂移,而是漏掉了一笔交易。本该是第 2 笔的那次入场——2025-04-07——出现在 TV 的交易列表里,却没有出现在引擎的交易列表里。TV 做了这笔交易,吃下 $1,345 的亏损,权益降到约 $984k;引擎根本没做这笔交易,权益停留在约 $985k。在接下来的两笔交易上,引擎的仓位都比 TV 大 0.137%;再往后,双方接受和拒绝的周一各不相同,累计亏损沿着不同的权益路径分叉,差距再也没有收拢。
幽灵成交
我们在 strategy_entry、process_pending_orders、enter_market_from_flat 和 apply_market_order_fill 中加了 std::cerr 日志,全部由一个环境变量控制开关,免得这些噪声混进其他测试运行。
信号 K 线,2025-04-07 00:00:
[entry CALL] ts=1743984000000 bar=16236 id=E is_long=1 qty=627.312
pending_orders.size=0 pos_qty=0 pos_side=0
strategy.entry 被调用,订单进入队列。到这里都正常。
成交 K 线,2025-04-07 00:15:
[ppo] ts=1743984900000 bar=16237 pass=0 i=0 id=E type=0 is_long=1
qty=627.312 eligib=FILL_TRY
-> fill.kind=0 fill_price=1566.69
-> AFTER apply: pos_qty=0 pos_side=0 pyramid.size=0 trades.size=14
fill.kind=0 就是 FillEvaluation::Kind::Fill。价格评估器判定可以成交,apply_filled_order_to_state 也被调用了,可持仓状态却没有更新。一笔幽灵成交。
再加一行调试输出,这次放在 enter_market_from_flat 里,打印保证金守卫的输入:
[margin] ts=1743984900000 qty=627.312 fill_px=1566.69 margin_pct=100
required=982803 available_equity=982785 net_profit_sum=-17215.4
initial=1e+06 block=YES
所需保证金:$982,803。可用权益:$982,785。保证金守卫要求的金额比账户里的多出约 $19,于是提前返回,没有更新任何状态,既没有报错,也没有任何对外可见的日志。从策略的角度看,这笔交易根本不存在。(这次调试运行从预热数据的起点就开始交易,所以它的权益和 qty 与下文的对比运行略有出入。)
TradingView 为什么做了同一笔交易
相关两根 K 线的 OHLC 如下:
04-07 00:00 (signal): O=1579.98 H=1585.57 L=1566.00 C=1566.66
04-07 00:15 (fill): O=1566.69
探针按信号 K 线的收盘价计算下单数量:qty = round(985319.43 / 1566.66 * 1000) / 1000 = 628.93。按信号收盘价计算,所需保证金只比可用权益多出四美分;按下一根 K 线的开盘价计算,则超出 $18.91。
| 所用价格 | 所需保证金 | 权益 | 超出额 |
|---|---|---|---|
| 信号收盘价($1566.66) | $985,319.47 | $985,319.43 | +$0.04 |
| 成交开盘价($1566.69) | $985,338.34 | $985,319.43 | +$18.91 |
ETH 价格三美分的变动,乘以 628.93 张合约,让所需保证金多出了 $18.87,总超出额达到 $18.91。引擎的保证金检查发生在成交时刻,用的是成交价——于是拒绝了。而我们此时认为,TradingView 的经纪商模拟器是在信号时刻、用信号收盘价做同样的检查——于是放行了,因为在 $985k 的仓位上,无论 TV 在这条边界上采用的浮点容差是多少,四美分都低于它。
再用三个探针交叉定位
为了证明这不是单笔交易的巧合——并且证明这个 bug 确实只与 1× 权益边界有关——我们又构建了三个探针,把它框定起来:
| 探针 | 仓位计算 | 保证金压力 |
|---|---|---|
parity-probe-04-percent-of-equity-sizing | default_qty_type=percent_of_equity, default_qty_value=99 | 约 99% 权益 |
parity-probe-05-small-equity-fraction | qty = round(equity / close * 100) / 1000 | 约 10% 权益 |
parity-probe-06-edge-margin-sizing | qty = round(equity * 0.5 / close * 1000) / 1000 | 约 50% 权益 |
我们将三个探针的引擎交易列表分别与 TradingView 交易列表(Strategy Tester › List of trades)做了对比:
parity-probe-04: TV=57 engine=57 matched=57/57 (100.0%) PnL p90=0.0006% → excellent
parity-probe-05: TV=57 engine=57 matched=57/57 (100.0%) PnL p90=0.0698% → excellent
parity-probe-06: TV=57 engine=57 matched=57/57 (100.0%) PnL p90=0.0700% → excellent
只要仓位没有被钉死在 1× 保证金边界上,每个探针的全部 57 笔交易,引擎与 TV 都完全一致。这个 bug 只在边界上出现:在那里,信号收盘价与成交开盘价之间的滑移,足以翻转保证金检查的结果。
修复
把保证金检查从 enter_market_from_flat(在成交时刻运行,使用成交价)移到 strategy_entry(在信号时刻运行,使用当前 K 线的收盘价):
void BacktestEngine::strategy_entry(const std::string& id, bool is_long,
double limit_price, double stop_price,
double qty, ...) {
if (!trading_is_active(...)) return;
+
+ // TradingView broker rule: market-entry orders are admitted only
+ // when qty * <signal-bar close> * margin_pct/100 <= equity. Check
+ // happens HERE at signal time with current_bar_.close, NOT later
+ // in apply_market_order_fill where fill_price is the next bar's
+ // open. Verified empirically by parity-probe-{03..06}.
+ if (!std::isnan(qty) && std::isnan(limit_price) && std::isnan(stop_price)) {
+ double margin_pct = is_long ? margin_long_ : margin_short_;
+ if (margin_pct > 0.0 && !std::isnan(current_bar_.close)) {
+ double required = std::abs(qty) * current_bar_.close * (margin_pct / 100.0);
+ double available = current_equity();
+ double epsilon = std::max(1e-9, std::abs(available) * 1e-12);
+ if (required > available + epsilon) {
+ return;
+ }
+ }
+ }
...
strategy_entry 里加了十来行(实际提交中的注释比上面更长),外加从 enter_market_from_flat 中删掉的对应八行。在 IES 上重跑:
community/IES (post-fix)
TV trades: 2668 (raw 2668)
Engine trades: 2643 (raw 2643)
Matched: 2618 (98.1% of TV)
Count delta: 0.9370% (OK)
Entry-price p90 delta: 0.0000% (OK)
Exit-price p90 delta: 0.0000% (OK)
PnL p90 delta: 0.7809% (OK) ← was 2.5412%
-> excellent
PnL 漂移从 2.54% 降到 0.78%,IES 从 moderate 升到 excellent。当时语料库的其余部分:168 个策略中 165 个为 excellent,2 个为 strong,0 个为 moderate,probe-03 则为 weak(见下文)。全部 16 个 ctest 二进制都通过了,全部 313 个 codegen pytest 用例也都通过了,其余 161 个策略也没有出现任何回归。
反转
修复之后,parity-probe-03-equity-mirror 本身仍然没能与 TV 完全对齐:引擎入场 25 次,TV 入场 24 次,其中只有 13 次重合。probe-03 的设计就是精确地贴着 1× 权益边界,因此两种实现在容差上的任何分歧,都会最先在这里暴露出来。
我们对对比窗口内的全部 57 个周一逐一计算 qty * signal_close - equity,并记录 TV 是接受还是拒绝。下面是其中八个:
| 周一 | 按信号收盘价计算的超出额 | TV 的处理 |
|---|---|---|
| 2025-04-07 | +$0.04 | 接受 |
| 2025-04-14 | -$0.76 | 接受 |
| 2025-04-21 | -$0.19 | 接受 |
| 2025-04-28 | +$0.34 | 拒绝 |
| 2025-05-12 | -$0.18 | 拒绝(未超出权益,却被拒绝) |
| 2025-05-26 | -$0.89 | 拒绝(未超出权益,却被拒绝) |
| 2025-08-18 | +$0.24 | 拒绝 |
| 2025-11-10 | +$0.24 | 接受(超出额相同,结果相反) |
8 月 18 日和 11 月 10 日的超出额同为 +$0.24,结果却截然相反。任何纯粹的保证金检查规则——无论阈值、容差取什么值——都产生不了这种模式。TV 的经纪商模拟器在这条边界上,依赖的是某种在任何有文档记载的 Pine 变量里都看不到的东西:可能是图表加载的历史,可能是用户发布时 K 线对策略可见的先后顺序,也可能是某种我们无从观测的隐藏内部状态。
坦白说,我们的判断是:这是 TradingView 经纪商模拟器里一个没有文档记载的边角,只有当仓位精确钉在 1× 权益边界上时才会显现。真实策略很少恰好落在这条边界上。最接近的是 community/IES:它根据一小笔风险预算和止损距离来计算每笔交易的仓位,所以有些订单几乎用掉了账户的全部权益;即便如此,修复之后它仍然达到了 excellent。我们预计这个边角对实际使用影响不大。我们选择保留这次修复,并把 probe-03 记录为已知局限。诊断探针在等级上的表面降级,换来 IES 的胜利,这个代价是公道的。
这次调试教给我们的六件事
1. 不对称的指标指纹,能诊断出 bug 的类别。 当交易笔数、入场价和出场价全都一致,而 PnL 却在漂移时,你面对的就是仓位计算 bug。我们本该先去查仓位计算相关的代码,再去审计技术指标公式。
2. 隔离探针比追踪大型策略更具可扩展性。 六个小型 Pine 探针,每个只验证一个假设,最终找到了 bug。要是在一个带权益反馈计算的 700 行社区脚本里追踪每一个内部变量,只会耗时更长、噪声更多。这和我们写单元测试、而不是只在集成层面调试,是同一个道理。
3. TradingView 的 qty= 参数采用信号时刻的保证金语义。 检查使用的是调用 strategy.entry 的那根 K 线,而不是成交 K 线。Pine 参考文档里没有写明这一点。任何实现 Pine 兼容经纪商模拟器的人都应该与之对齐;最自然的实现方式是把检查放在成交时刻(此时成交价已知),结果会静默出错。
4. 边界上的浮点数永远是敌人。 让 probe-03 的两条权益路径从此分叉的那一笔交易,只是在 $985k 的仓位上超出了四美分。生产环境中的策略应该留出 1% 到 5% 的保证金缓冲(在仓位公式里加上 * 0.99 或 * 0.95),从根本上避免贴着边界运行。
5. 复利会放大单笔漏单。 在 probe-03 里,仅 04-07 那一次漏单,造成的差额就是 $1,345;到第 8 笔交易时,双方的仓位已相差 7.76%,此后一直维持在这个水平——因为每一次漏单都会改变权益路径,进而改变下一笔的仓位,再进而改变下一次的接受或拒绝判断。在 IES 上,同样的规律作用在 13 个月的交易上,累计成了约 $29,000 的差距。带权益反馈的策略,对孤立的执行缺口毫不宽容。
6. 有时 bug 在对面,那就如实记录下来。 TV 在 1× 边界上的行为是一个真实存在的边角,我们无法从自己这一侧修复。坦率地记录下来,好过默默追逐一个根本无法对齐的指标。
这套方法并不局限于这一个 bug。一致性探针是我们 PyneCore 交叉验证扫描的补充:PyneCore 告诉我们,自家引擎在什么时候与另一个引擎不同;一致性探针则告诉我们,它为什么与 TradingView 不同。现在每发现一个新缺口,我们的流程就是:写一个能复现它的最小 Pine 脚本,diff 交易列表,给引擎加插桩,修复分歧,再把无法调和的 TV 边角记录下来。
接下来可以做什么
- 在 Claude 或 Cursor 中转译并回测:本地 MCP 服务器的
transpile_pine工具会返回 PineForge 根据你的 Pine 源码生成的 C++;保证金检查本身运行在引擎运行时里,并不在这份生成的代码中。 - 浏览策略画廊:公开语料库目前的 312 个策略,每一个都与 TradingView 逐笔对照过。
- 我们如何衡量一致性:最新结果及其数据来源。