如何判程断序化交易策略策略是否失效?[程序化要闻]

 

 

「如何判断一个程序化策略失效还是正常失误，如果失效的话，如何判断是需要调整参数还是完全放弃策略?」

回答

「此问题确实关键而难以抉择，可藉由实务界的经验规则，或学术界的量化检验。

首先谈实务界的规则，在论坛中有篇探讨交易系统生命週期的文章的建议是这样的，如果一个交易系统是经过良好的design,良好的最佳化，没有over-fitting的情形：

1.如果是用2年的历史资料来设计出来的系统，而且在这2年的历史资料都有不错的表现的话，应该会有3-6个月的生命週期。

2.如果是用5年的历史资料的设计出来的系统，而且在这5年的历史资料都有不错的表现的话，应该会有1-2年生命週期。」

这个答案可以参考，但我觉得时空背景不同，不能一概而论，且没有科学根据(在该篇文章的后续讨论串中，我也做了回应)，

但提供一个可以接受的观念，「回测期间与可用期间成正比」，一般做当冲、短线、高频交易，回测只需取前几天。

另一个较科学方法是使用统计检定，依据要检验的统计量，做均值、变异数与比例值的检定，

用简单的话(不带学术术语)说，如果要确定该策略之「历史回测过程报酬率序列」(例如回测期间交易的报酬分别为10%, 14%, 8%, -3%, 5%, -7% ….)，与「运用策略以后的报酬率序列」(-2%, 5%, -6%, 3%...)间有无「明显」变差(一般所谓明显通常意指95%的可能性)，则做所谓的「均值检定」；均值检定如果样本数(即前述的报酬率值数目)小于30採取小样本，大于等于30採大样本检定，因为如果要等到策略运用过程收集到30个样本，恐怕亏损连连了，因此通常採取小样本。

再则，策略运用过程报酬是依序产生的，有2个报酬就可以作检定了(验证是否失效了)，但此统计方法在样本不足时也不会遽下定论，

因此只要顺著产生的报酬资料依序带入检定，检查是否碰到临界值(失效的界线)或P值(依然维持原有绩效的可能性)，就可以决定是否放弃该交易模型了。(同理，也可以用变异数检定检定风险特性是否改变，用比例检定检定胜率是否改变)。

在这次课程讲义中的第九章第一节有提到详细的操作方式。

至于失效以后如何呢? 我建议不要改参数，应该要放弃该策略，因为如果失效这麽明显到可以被检验出，通常代表该交易策略对市场型态的认知已经偏误了。

至于可否使用时间数列方法，我认为因为是非定频时序资料，除非这领域的方法有突破(而我不知道)，否则用处不大」

」

 

本来我是想要一篇文章回复所有问题，但回答一上手，就滔滔不绝，也为了方便阅读，最后还是决定把不同问题切成不同篇章。