量化交易策略回测所依赖的数据大致可分为三类：

历史行情数据——来自交易所或专业数据服务商，涵盖股票、期货、外汇等不同市场。常见内容包括逐笔成交记录、不同周期的K线（如分钟线、日线）、盘口报价、成交量、涨跌幅等，是模拟交易最基础的数据源。

基本面数据——来源于上市公司财务报表或宏观经济统计，包含利润、资产负债、行业分类、经济指标等信息，常用于构建多因子模型或基本面驱动的策略。

另类数据——即非传统金融数据，如新闻舆情、社交媒体情绪、卫星影像、消费与物流数据等。通过自然语言处理、图像识别或机器学习方法，可以从中提取额外投资信号。

在使用这些数据进行回测时，需要重点关注数据的完整性（尽量无缺失）、准确性（避免错误与异常值）和一致性（不同时间、市场及指标的数据需对齐）。常见的数据获取方式包括专业数据平台（如 Wind、聚宽（JoinQuant）、Tushare 等）、交易所 API 接口，也有机构会自行清洗、补全数据以降低噪声。

此外，回测还应综合考虑交易成本、滑点和流动性约束等现实因素，使模拟结果更接近真实交易环境。