一个反共识的起点：做市回测最大的坑，不是策略

📌 核心价值：它刻意不算 PnL，只把订单簿逐帧放给你看

HFTENGINE 是 hftbacktest 做市回测引擎之上的回放控制台：真实 Binance Futures 订单簿数据、tick 级重放、每个挂单的队列位置、feed 与订单双通道延迟——它不告诉你"赚没赚"，只告诉你"引擎当时看到了什么、决定了什么"。

⚠️ 风险提示：本文仅作技术交流，不构成投资建议。股市有风险，投资需谨慎。

封面图

大多数人做回测，第一眼看的是权益曲线：曲线漂亮，策略就能用。

但在做市（market making）这个场景里，这个习惯是危险的。做市的边际来自盘口微观结构——你挂单排在队列第几位、数据到达晚了多少微秒、订单响应慢了多少——这些变量在 K 线级回测里全部不存在。曲线漂亮，可能只是"假装成交"的假象：回测引擎默认你的单永远排第一、数据永远即时到达，于是每一笔成交都比真实世界更顺滑。

HFTENGINE 的立场很明确（README 开篇就写了 "Before you think about trading this"）：

它是回测器，不是交易机器人——它不计算也不显示 PnL/权益，不放任何真实订单。

它把"结果"从视野里拿掉，只保留"过程"：引擎逐帧看到什么、决定什么、排队多深、延迟多少。这是把回测从"验证策略好不好用"拉回到"验证执行保真度够不够"——后者才是前者的前提。

📌 什么是 HFTENGINE？

HFTENGINE 是一个针对 hftbacktest 做市回测的回放控制台。它运行 hftbacktest 自带的教程策略（Queue-Based Market Making、High-Frequency Grid Trading 等），基于真实录制的 Binance USDT-M 期货订单簿数据，把引擎的决策过程逐帧可视化：

本地订单簿（L2 深度重建）
每个 resting order 及其交易所侧队列位置估算
feed 延迟与订单延迟
市场成交与执行
采集器录制的原始 feed
引擎自身运行统计

技术栈是三层：Rust runner（hftbacktest crate 之上的策略+帧记录器）+ Vite + TypeScript 文本模式仪表板（IBM VGA 位图字体风格）+ Python 工具链（录制/转换/会话构建）。

核心定位：执行保真度回放台——先看引擎"看见的世界"，再谈策略。

✨ 六大数据面板

功能面板

横屏下，六个面板同屏铺开，一帧一帧地走：

横屏全仪表板

仪表板支持 URL 参数控制布局、面板开关、缩放与播放；横屏竖屏两套布局，手机竖排模式也能看完整会话。

竖屏布局

🔬 逐帧回放：三个关键视角

视角 1：订单簿——引擎眼中的盘口

订单簿面板重建本地 L2 深度：最优买卖价、盘口各档挂单、tick size。策略的定价决策（reservation price、half spread）全部基于这张表。

订单簿焦点

视角 2：队列位置——你的单排第几

这是多数回测框架缺失的一块。HFTENGINE 对每个 resting order 给出交易所侧队列位置估算：你挂单的队列前面还有多少量。做市成交模拟直接依赖这个估算——队列排不到头，挂单就不该成交。

队列焦点

视角 3：双通道延迟——数据晚到、订单慢响应

feed 延迟（行情到达时延）和订单延迟（下单到交易所响应时延）是两条独立通道，分别计时。回测里，策略"看见"盘口的时刻、订单"落地"的时刻，都按录制的真实时延推进，而不是假设即时。

延迟焦点

🎬 数据从哪来：自己录，零 API key

HFTENGINE 的工具链可以从 Binance 公共 websocket 直接录制订单簿与成交流——不需要 API key，不碰账户：

# 启动录制（公共 websocket，无需 API key）
.venv/Scripts/python tools/collect.py start --symbols BTCUSDT ETHUSDT
# 查看状态
.venv/Scripts/python tools/collect.py status
# 优雅停止（Ctrl+C 收尾，完成 gzip 压缩）
.venv/Scripts/python tools/collect.py stop

采集器焦点

录完的原始数据一条命令转成可回放会话：

.venv/Scripts/python tools/session.py --raw data/raw/btcusdt_20260915.gz --name btcusdt_20260915
cd dashboard && npm run dev   # http://127.0.0.1:5180/?session=btcusdt_20260915

仓库内置 data/sample/ 示例数据，克隆下来就能先回放官方样本会话。

🛠️ 快速上手（Windows，一次配置）

# 前置：Rust 工具链（MSVC）、Python 3.11+（uv）、Node 18+
git clone --recursive https://github.com/mirkovicdev/hftengine
cd hftengine
uv venv --python 3.13 .venv
uv pip install --python .venv/Scripts/python.exe hftbacktest numpy polars numba
(cd hftbacktest && cargo build --release -p collector)
(cd runner && cargo build --release)
(cd dashboard && npm install)

注意：hftbacktest 是 git submodule，必须 --recursive 克隆，或事后执行 git submodule update --init。

仓库结构很干净：

hftengine/
  hftbacktest/   nkaz001/hftbacktest 的克隆（Rust crate + Python 包 + 数据收集器）
  patches/       对该克隆的唯一改动：只读队列位置 getter
  runner/        Rust binary：策略 + 帧记录器
  dashboard/     Vite + TypeScript 回放 UI（文本模式，IBM VGA 位图字体）
  tools/         collect.py / prepare.py / session.py / hbr.py
  data/          raw/ npz/ latency/ recordings/ sample/

值得注意的细节：patches/ 里对 hftbacktest 的改动只有一处——加只读队列位置 getter。回放台是"引擎之上的观察层"，不动引擎内部。

📊 与常规回测框架对比

对比表

一句话总结差异：常规框架回答"策略赚不赚"，HFTENGINE 回答"你的成交假设有多真实"。它不替代策略研究框架，而是给执行假设做体检。

💡 适用场景

做市策略研究者：验证队列位置、延迟建模是否扭曲了你的成交假设
HFT 回测质检：在信任任何策略回测之前，先回放一段真实数据看看引擎的"视野"
教学/演示：文本模式仪表板逐帧展示"做市引擎在 tick 级世界里的决策过程"
❌ 不适合：要权益曲线、要参数寻优、要实盘下单的场景（它刻意不做这些）

💰 开源协议

GitHub 仓库：mirkovicdev/HFTENGINE（⭐226，2026-09 新建，根目录附 LICENSE 文件）上游引擎：nkaz001/hftbacktest（文档见 hftbacktest.readthedocs.io）

💡 数据零门槛：录制走公共 websocket，无需 API key，无需付费数据源。

🎯 总结

HFTENGINE 的价值不在"多了一个回测工具"，而在它把做市回测的注意力从权益曲线拽回到执行保真度：真实录制的订单簿、tick 级逐帧重放、队列位置估算、双通道延迟计时——所有让"回测成交"和"实盘成交"产生偏差的变量，它都摆到台面上给你看。

先验证引擎看见的世界是真的，再相信它算出来的结果。

推荐指数： ⭐⭐⭐⭐（做市回测/执行保真度方向是独一档；项目 2026-09 新建，生态仍在早期）

适合人群： 做市策略研究者、HFT 回测质检、想理解 tick 级执行细节的量化工程师

立即体验： GitHub 仓库

数据截至 2026-09-21，最新信息请以仓库为准。

配套媒体