怎样判断程序化交易策略的时效性

    怎样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?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，这样，如果一个交易系统是经过良好的设计，良好的最佳化，没有过拟合的情形：

    情形1：如果是用2年的历史数据来设计出来的系统，而且在这2年的历史数据都有不错的表现的话，应该会有6-12个月的生命周期。

    情形2：如果是用5年的历史数据的设计出来的系统，而且在这5年的历史数据都有不错的表现的话，应该会有1-2年生命周期。

    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，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。即，你使用的周期越小，持仓的平均时间越短，那就可以用越短的数据来进行测试，日内交易的，一般测式一年的时间是够用的，但隔日的，就要两年或以上的原因。

    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)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采取小样本，大于等于30采大样本检定，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，因此通常采取小样本。

    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，因此只要顺着产生的报酬数据依序带入检定，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)。

    以上这种方法不太适用普通投资朋友，因为它的计算繁杂本身就是一个较大难度。所以，对于策略的失效与否，不妨用实盘中的一些数据，如近一个月远差于策略以往测试，连续两个月远不如策略以往测试数据的话，就可以基本认为失效了。

    失效以后咋办呢?

    有些人认为，应该修改参数，有些人，认为应该放弃策略。坚决反对，为了测试数据，胡乱用什么软件功能上的参数优化，那个得出的数据，很多会使得参数过从优化，而使得未来效用不大，甚至反效用。策略参数，思路的制定，主张比历史经验，平常经验中提取。

    至于可否使用时间数列方法，有人认为因为是非定频时序数据，除非这领域的方法有突破，否则用处不大。

如何收到更多精彩文章？如何防止失联？

← 微信扫码添加右则公众号接收最新指标、教学文章、期市点评...
← 在公众平台内发送：“免费指标”四个字，即可获赠免费WH6指标及源码一套！

推荐：文华指标 博易指标 通达信指标 大智慧指标 开拓者指标 股指指标 恒指指标

延伸阅读：

如何寻找程序化交易中的幸存者偏差

幸存者偏差，是一种常见的逻辑谬误。指的是只能看到经过某种筛选而产生的结果，而没有意识到筛选的过程，当我们在构建程序化交易的模型时，有很多参数和交易规则的确定都会依据历史数据的运行结果，因此忽略了被筛选掉的关键信息。....

程序化交易技术策略

程序化交易，顾名思义就是利用程序语言将交易者的交易策略写入计算机软件里面，程序化交易技术以及由策略的需求而开发出来的依赖极速网络和极速运算的高频交易，都是对交易和策略的实现，是一种对交易者思想的科学的演绎。....