由于所有的歷史測試都是以數(shù)據(jù)樣本為基礎(chǔ)，所以必須了解基本的統(tǒng)計學(xué)知識

對歷史數(shù)據(jù)的測試結(jié)果充其量知識一個隊未來的預(yù)測，感性認識，但對優(yōu)秀的交易者已經(jīng)足夠

1. 測試樣本的有效性

   • 樣本分析在統(tǒng)計學(xué)上有兩大因素影響，一個是樣本規(guī)模，一個是樣本對總體的代表性
   • 兩個問題：一、樣本規(guī)模要足夠大，具有普遍意義，二、用短期數(shù)據(jù)測試需要明白這個測試數(shù)據(jù)使用前提的趨勢特征，屬于那種市場形態(tài)

2. 衡量指標的穩(wěn)健性

   • 常用的統(tǒng)計指標其實并不穩(wěn)健，對交易的起始點，或者時間段特別特別敏感，這樣造成的后果是，過高評價一個系統(tǒng)的適用性
   • 數(shù)學(xué)中有一個研究不完全分支和錯誤假設(shè)的學(xué)科叫做，穩(wěn)健統(tǒng)計學(xué)
   • MAR、CAGR、shiap等指標均屬于不穩(wěn)健指標，對交易時間點特別敏感

3. 回歸年度回報率

   • 需要對相關(guān)的指標做線性回歸，使指標對時間點的敏感程度較低
   • RAR regressed annual return ，年度回報率線性回歸指標，對CAGR做的線性回歸
   • MAR 指標使用到了衰減程度的指標，衰落程度是一位數(shù)據(jù)，沒法反應(yīng)衰落時間的長短，
   • shiap的分子計算需要做線性回歸處理

4. 穩(wěn)健風(fēng)險回報比率

   • 穩(wěn)健風(fēng)險回報率 robust risk/reward ratio R立方指標 = RAR/LAMD(平均時間衰落) length-adjusted avarage maximum drawdown
     • 例如，RAR為50%，月度平均衰落為20%，平均衰落時間為1年，則R = 50%/(25% * 365/365)

5. 穩(wěn)健夏普比率

   • S-shiap stable shiap = RAR/月度回報標準差
   • 穩(wěn)健指標能避開兩點：運氣成分和過度擬合的情況，單一性事件在穩(wěn)健性指標上的反映不太敏感

6. 樣本的代表性
   • 測試使用的樣本應(yīng)該具備兩點：市場數(shù)量和測試時間
   • 市場容量要足夠大，不能是單一品種的交易市場；時間跨度要足夠長，涵蓋不同的市場形態(tài)

7. 樣本規(guī)模

   • 樣本規(guī)模的問題核心在于，策略在使用的過程中的頻繁程度，如果一個樣本規(guī)模夠大，但是系統(tǒng)本身并沒有得到高頻率的使用，那這樣也是毫無意義的
   • 避免兩種情況：
     • 單一市場最優(yōu)化，一般單一市場的交易機會不會太多，形態(tài)也單一
     • 過于復(fù)雜的系統(tǒng)，過于復(fù)雜的系統(tǒng)沒法確定是策略的那一部分發(fā)揮作用，還是其他因素導(dǎo)致的，測試需要控制策略的單一性問題

8. 從虛擬測試到實戰(zhàn)交易

   • 在虛擬測試中請使用穩(wěn)健的技術(shù)指標
   • 如果一個系統(tǒng)在某一段時間特別優(yōu)秀，由于觀察者效應(yīng)，這個系統(tǒng)最終會喪失優(yōu)勢，請研究這個系統(tǒng)的市場使用情況和是否只是使用于特定的市場形態(tài)
   • 參數(shù)調(diào)整檢驗
     • 在確定最優(yōu)化參數(shù)之后，利用組合的方式調(diào)整參數(shù)的范圍跨度，查看穩(wěn)定性指標的變化程度，如果變化不敏感，說明具有實際操作的意義，如果變化敏感，請篩查是否有過度擬合的嫌疑
   • 滾動最優(yōu)化窗口
     • 可以通過調(diào)整測試的時間點，來確定各個穩(wěn)健指標的反映情況，大多數(shù)的衰落可能發(fā)生在系統(tǒng)體運行的前后
     • 用95-20年的數(shù)據(jù)來做參數(shù)優(yōu)化的回測，確定最優(yōu)參數(shù)后，放在00-05年以及05-10年做市場校驗對比

9. 蒙特卡洛檢驗

   • 蒙特卡洛主要用來檢驗用隨機性數(shù)據(jù)檢驗系統(tǒng)是否穩(wěn)健的一種方法

   • 別樣風(fēng)景

     • 常見的有兩種方法：
       • 交易調(diào)整：隨機性的改變交易指令和起始日
       • 凈值曲線調(diào)整：在初始凈值曲線中隨機選擇一部分組合成新曲線
       • 兩種方法中，交易調(diào)整方法會低估衰落的可能性，因為該方法調(diào)整日期后，可能避開了大的衰落周期，他們會將交易日期完全分散化，衰落水平可能由此而變得很低；而曲線調(diào)整法需要注意衰落的相關(guān)性，一般的衰落只要開始，一般都會集中爆發(fā)，并不是隨機事件，可以讓系統(tǒng)支持多個交易日數(shù)據(jù)的整體截取功能來避免這個問題

   • 別樣凈值曲線

     • 用蒙特卡洛模擬出多次的別樣凈值曲線，比如2000次，評估2000次曲線的各種技術(shù)指標和原凈值曲線的匹配程度，也就是執(zhí)行度，可以很容易的計算出所有曲線在高于某個特定置信度時候的比例，可以作為在未來實盤中的模擬程度參考
     • 由于所有的數(shù)據(jù)均是來自于歷史回測數(shù)據(jù)，數(shù)據(jù)源上的問題當然會在這個系統(tǒng)的結(jié)果上也存在，比如最優(yōu)化參數(shù)本來就導(dǎo)致了系統(tǒng)的RAR指標被高估20%，那么這個問題在測試后依然會存在
     • 歷史測試只能增加對未來趨勢概率預(yù)測，不會完全反應(yīng)未來市場的真實情況

文章內(nèi)容來源信息如下，僅供個人學(xué)習(xí)、研究使用，如有侵權(quán)，請聯(lián)系刪除

原著作信息
名稱：海龜交易法則
原名：Way of the turtle:Thre secret Methods that Turned ordinary People into Legendary Traders
著者：[美]柯蒂斯*費思
譯者：喬江濤
出版社：中信出版社