量化进阶——量化交易模型的“钝化”与“圣杯”[通俗易懂]

全栈程序员-站长 • 2022年6月26日下午1:00 • 未分类 • 阅读 37

大家好，又见面了，我是你们的朋友全栈君。

京东金融官方资讯QQ群:417082141 有什么想咨询的都可以来询问我们哦

钝化的烦恼

常有人提到量化交易模型的“钝化”问题，通俗的说，也就是一个模型从赚大钱变为不赚钱，甚至亏损的一个过程。甚至在海洋部落那样高手云集的社会中，不少高人眼里，钝化是每个量化交易模型都会很快发生的事，赚钱机遇可谓稍纵即逝。钝化已成量化交易的头号敌人。那么，量化交易模型钝化的实质是什么呢？

最典型的钝化过程，是量化交易模型开发者从最近几个月的行情数据入手来编写模型。这样的模型往往在过去几月或者包括当前都非常厉害，稍微再过几月就出现了明显的“钝化”。显然，样本数据过少，是导致此类钝化的首要原因。稍有经验的开发者都会避免这样情况的发生。

可是推而广之，更多从数年数据入手开发的模型，就没有类似情况了吗？以股指期货为例，开市仅仅两年多，任何人也只有这两年多的可参考数据。那么在未来的数月、数年以及数十年，谁又能保证不因基础数据样本相对过少而钝化呢？

钝化的实质是较优参数的无规律性，我们来看看影响模型收益变化的内在因素。

模型在编写完成后，基础原理是不会再改变的，否则就不是同一个模型了。那么影响量化交易模型收益的内在因素很简单就是参数。

通常，一个比较简洁的模型包含2-3个基本参数（其中一个是运行周期），然后还包括数量不等的止损等辅助参数。模型开发者往往使用通过历史数据回测的较优（也包括最优、次优）参数来进行实盘交易。

以每个量化交易型必备的运行周期为例，某个以2010年数据为基础，测试出最佳运行周期为10分钟（见下图）。结果到了2011年后期，因为市场节奏的变化，10分钟模型的收益大规模下降直至出现局部亏损，形成了典型的钝化曲线。量化进阶——量化交易模型的“钝化”与“圣杯”[通俗易懂]

同样的量化交易模型如果以2011年后的数据为基础，则测试出测试出最佳运行周期为5分钟（见下图）。有趣的是我们发现其2010年的收益就远远低于使用10分钟周期的模型。可以想象，如果市场节奏恢复2010年状况，5分钟模型也将出现同样的钝化。

+ 量化进阶——量化交易模型的“钝化”与“圣杯”[通俗易懂]

可是，一个模型如何能知道什么时候使用5分钟，什么时候又使用10分钟呢？

圣杯：参数的规律

由于每种市场节奏交替变化并无固定规律，因为每种参数（包括周期）理论上都不可能通吃各种行情，而只能冀望在不适应的行情中少亏或不亏。

而如果这个世界上存在圣杯的话，那就一定是如下两种可能：

1、其主要较优参数长期稳定，无须修改。

2、其主要较优参数有自身的变化规律。开发者知道什么时候朝什么方向修改参数，或者说参数本身就能够根据市场节奏自适应调整。

很多人发现，每次对量化交易模型进行参数优化的时候，看不出调整的方向有任何线性或可辨识的规律。因此也不知道什么时候应该调整参数以及如何调整。

而那些所谓“圣杯”的拥有者一定告诉你，要么不需要调整参数，要么他早知道在什么时候、朝什么方向调整。你和“圣杯”的分别，不在于你不善于发现参数的规律，而是你的参数本身就没有规律。本质上，你的参数是某一段时候获利较大的概率的体现，而不具有某种有所指的涵义。

比如这样的模型，虽然有不错的回测收益，因为参数的调整无规律，却不能保证未来收益的正负。

量化进阶——量化交易模型的“钝化”与“圣杯”[通俗易懂]

而这样的模型，在每个周期都有其相对固定的较优参数，无论在哪一年都基本一致。那它才是可能中的“圣杯”。

量化进阶——量化交易模型的“钝化”与“圣杯”[通俗易懂]

使用有规律参数的模型，发现波动规律本身所波动的规律，才是“圣杯”之所在。相反，如果没有任何模型可以使用恒定参数而赢利、没有任何模型能把握较优参数变化的规律，那么，“没有圣杯”就是圣杯。另外，以上各模型皆非引用未来函数。

真正带点未来函数的，是这样的模型：

量化进阶——量化交易模型的“钝化”与“圣杯”[通俗易懂]

发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/153220.html原文链接：https://javaforall.net