用历史数据选出来的策略,一到实盘就变脸
发布时间:4小时前阅读:5
从几十个策略里挑出历史表现最好的那个,实盘一跑就不行。这种失望很常见,原因不在策略本身,在挑选的方式。
用同一段历史数据既做筛选又做验证,等于让考生自己出题自己考。表现最好的那个,往往是最会适应这套题的那个,换个考场就不行了。
这个问题的学名叫多重比较偏差。试的策略越多,找到一个"看起来很好"的概率越高,哪怕所有策略实际上都没有优势。试一百个策略,纯靠运气也能挑出一个历史收益翻倍的。
怎么破?三个做法。
第一,先定规则,再看结果。在跑回测之前,把筛选标准写下来:年化多少、回撤上限多少、交易次数下限多少。跑完之后按标准筛,不因为某个策略特别亮眼就改标准。这条最难做到,因为人性喜欢例外。
第二,留出验证集。把历史数据切成两半,前一半用来挑选,后一半只用来看,不参与任何决策。后一半的表现才是真实水平的估计。更严格的做法是留三段,最后一段完全封存,等策略上线前才打开。
第三,减少试验次数。不是试得越多越好,试得越多,挑出来的越可能是运气。与其跑一百个策略挑一个,不如想清楚三个逻辑上成立的策略,认真做三个。
还有一个心态问题:接受"没有优势"这个结论。多数策略在扣掉成本之后是没有优势的,这是正常的。硬要从一堆平庸里挑出一个"好的",挑出来的多半是噪音。
判断标准:能不能说出这个策略赚钱的逻辑是什么,而不是"回测显示它能赚"。说不出逻辑,只有数字,那就是在赌运气。
历史数据是用来证伪的,不是用来挑冠军的。
再说一个具体的场景。
有人用一个季度的高频数据调出一个日内策略,胜率七成。换到下一个季度,胜率掉到四成。不是策略坏了,是那个季度的市场结构特殊,波动率高、价差窄,换一个环境就不成立。
策略的适用条件比策略本身更重要,写清楚"它在什么环境下有效",比写清楚"它能赚多少"有用。
股票/量化开户欢迎找我!满足条件股票佣金万0.854、etf 可转债佣金万0.5、国债逆回购一折(百万分之一)!期权1.8元一张全包价!量化软件QMT+ptrade免费使用!还有888、999资金靓号等你选!
温馨提示:投资有风险,选择需谨慎。



问一问
从业认证

+微信
分享该文章
