回測時如何計算買賣差價？
我正在回測交易納斯達克股票的算法，並想考慮點差。我正在使用來自雅虎的歷史數據，其中包含：
開盤、高盤、低盤、收盤、成交量、調整。關閉
我所有的交易信號都是基於這些價格（不管它們是買價、賣價、最佳買價、最佳賣價等）
為了在執行交易時考慮買賣差價，我將上述所有價格視為買入價。為了估算要價，我決定將點差設置為始終等於前一天高點的 1%。因此，要價只是通過將該價差與買入價相加來估算的（同樣，買入價等於給定的雅虎價格）。
在什麼條件下這是對價差的合理估計？例如，價格非常低的股票具有較大的點差百分比，因此我將這些股票完全排除在我的回測之外。
有沒有更好的方法來做到這一點？
謝謝
正如@babelproofreader 所提到的，我最近發表了一篇關於滾動模型的部落格（參見原始論文），它提供了一種非常簡單的方法來根據交易價格推斷出價/賣出價差。簡而言之，您可以使用共變異數估算成本： $ c = \sqrt{\gamma_1} $ . 在哪裡 $ \gamma_1 $ 是個 $ Cov(r_t, r_{t-1}) $ . （我的文章中提供了 R 程式碼）。
Roll 模型做了許多簡化的假設並且是經驗上的失敗（儘管在理論上仍然很重要），所以我不建議將其用作成本的真正代理。自那篇原始論文以來，已經取得了許多進步。兩個更好的選擇：
- Joel Hasbrouck (2009) “美國股票的交易成本和回報：根據每日數據估算有效成本”
- Shane Corwin 和 Paul Shultz（2012 年）“從每日高價和低價估算買賣價差的簡單方法”
$$ I may blog further on this topic in the future, but it doesn’t seem as important as other topics given the ready availability of actual bid/ask spread data. $$
這篇最近的Statalgo 部落格文章概述了一個簡單的買賣價格理論模型：滾動模型，並且還展示瞭如何使用該模型從價格中得出買賣價差。文章中包含的論文連結顯示瞭如何改進此模型。