[閒聊] 台指期操作系統筆記11/25
開 高 低 收
20101125 8309 8362 8308 8341
淨值餘額: 984400 元
起始資本:1000000 元
---
多單續抱
目前3%追蹤型出場點位在8396*0.97 = 8145
波動性出場點位置在 8215
50日EMA:8222 50日%K:71.7
目前部位: 8358多單 (小台x3)
策略狀況 (ABC為多方策略 其餘為空方策略)
A B C alpha beta gamma
是否在場中 o o o x x x
是否符合濾網 - - - x x o
預計進場點位 - - - - - 8215
預計出場點位 8215 8215 8215 - - -
---
出場日期 R 實際損益 R倍數 總和 峰值 浸水曲線
9/2 142 -135 -0.95 -0.95 -0.95 0.00
10/12 230 253 1.10 0.15 0.15 0.00
10/18 246 -138 -0.56 -0.41 0.15 -0.56
10/18 246 -153 -0.62 -1.03 0.15 -1.18
10/18 247 -197 -0.80 -1.83 0.15 -1.98
10/20 145 -34 -0.23 -2.06 0.15 -2.21
11/12 245 155 0.63 -1.43 0.15 -1.58
11/12 246 115 0.47 -0.96 0.15 -1.11
? 250
? 251
? 251
---
今天比較閑 聊一下我對"最佳化"的看法好了
一直以來最佳化都是系統交易者的"禁忌話題"
因為大家對於這個議題的看法太過兩極化
到最後通常都會變成各說各話 信者恆信的局面
不過我想雖然最佳化常會引起一些無謂的爭端
但還是有某些觀點可以作出較為客觀的論述
很多人都以為所謂的"最佳化程序"是為了找出回測績效最好的參數組合
但事實上很多書都不把這個東西當成最佳化程序的目的
相對的 作最佳化程序的目的應該是在觀察參數變動對回測績效所造成的影響
藉以了解交易策略的穩定性 也就是說最佳化程序的目的不在於尋找最佳的參數組合
而是在觀察交易策略的可用性 並試著定義出參數的穩定範圍 也就是我們所謂的參數高原
舉例來說 我所用的順勢交易策略中 進場訊號是ATR突破 退場訊號是百分比追蹤型出場
如果我們把ATR突破的倍數定在0.2倍到1.4倍(相當於上漲20點到140點的範圍)
退場的百分比率訂在2%到10% (以八千點而言 相當於跌回160點到800點的範圍)
如此寬闊的進出場範圍 應當足以涵蓋所有你想像得到的進出場點了
接著 我們把進場訊號從0.2到1.4倍等比例切成50份 出場訊號也照辦
如此一來我們就擁有了2500個參數組合 並把每個組合都做十年回測
在EMA50的濾網下 扣除進出各五點的交易成本後 你猜猜這2500個組合有幾個最後賠了錢?
答案是零個
當然 即使是這麼顯著的結果 還是會有人不相信順勢系統可以實際發揮功用
但我想這不在我的負責範圍內 我沒有興趣更沒有義務說服他們相信任何東西
作完了前述的工作後 我們仔細觀察這2500個組合內績效特別好的區域
請注意 一定要是夠寬闊的區域 如果只是某一個組合呈現出鶴立雞群的好成績
可能是因為他剛好迎合了某一筆大交易或是剛好躲過了一筆大虧損所造成的
這樣的成績在未來幾乎不可能複製 因此我們對這樣的資料點不應該給予太高的期待
如果你發現整個組合都有不錯的績效 而且有顯著的參數高原效應
並且發現績效最棒的參數組合就那麼剛好在參數高原的中央
是不是就可以放心的採用該組合並且期待他馬上展現他的威力呢?
別傻了 答案當然是不行
你該做的下一步 是把你擁有的歷史資料以兩年的滾動視窗分別做上述的歷史回測
例如你的資料是2000年到現在為止的台指期日線 那就先做2000~2005
然後2002~2007 2004~2009 2006~now之類的
試著觀察參數高原的變動情形 是不是每個期間都在同一個大概的位置
還是變動的相當劇烈?
這種測試可以讓你了解實際應用時你可能會遇到的狀況
我們稱之為"walking forward analysis"
即使策略的參數組合也通過了walking forward analysis的測試
我還是不建議採用單一參數組合的作法
你應該用參數方陣的方式來把參數高原圍起來
例如我們測試中發現0.4~1.0ATR的突破倍數以及2%~5%的追蹤出場有顯著的參數高原效應
並且在每個測試期間都如此 其中又以0.65倍ATR配上3.4%的組合為最佳
如果你要直接使用0.65ATR+3.4%出場 其實也沒有什麼不妥
但是我認為在資金許可下 你應該可以試著以0.4 0.6 0.8 1.0 四個進場點
搭配2% 3% 4% 5% 四個出場點 組成一個共有16個子策略的交易系統
這樣一來即使市況有變動 你也總有一些表現良好的策略
不至於因為參數的局限而使得交易績效起伏過大
但是這樣的作法需要的資本門檻很高 以台指期為例
如果想作一個5 x 5的方陣系統 少說也要上千萬台幣的資金才不致於過度交易
最後 分享一個我認為是關於這個議題的"最愚蠢論述":
"這個交易系統的參數完全沒有經過最佳化程序 所以不會帶來任何曲線密合的問題"
只要使用任何的參數 實際使用時都免不了遇到連續虧損
要避開曲線密合應該是避免使用過多的參數 並且嚴格地用最佳化程序來檢驗它的穩定性
完全不做最佳化程序而想避開曲線密合 不過是掩耳盜鈴而已
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 124.8.101.52
→
11/25 23:28, , 1F
11/25 23:28, 1F
推
11/25 23:33, , 2F
11/25 23:33, 2F
推
11/25 23:36, , 3F
11/25 23:36, 3F
→
11/25 23:37, , 4F
11/25 23:37, 4F
→
11/25 23:38, , 5F
11/25 23:38, 5F
推
11/26 00:01, , 6F
11/26 00:01, 6F
→
11/26 00:02, , 7F
11/26 00:02, 7F
→
11/26 00:02, , 8F
11/26 00:02, 8F
推
11/26 00:04, , 9F
11/26 00:04, 9F
推
11/26 00:04, , 10F
11/26 00:04, 10F
→
11/26 00:05, , 11F
11/26 00:05, 11F
推
11/26 00:06, , 12F
11/26 00:06, 12F
推
11/26 00:07, , 13F
11/26 00:07, 13F
→
11/26 00:08, , 14F
11/26 00:08, 14F
推
11/26 00:08, , 15F
11/26 00:08, 15F
推
11/26 00:09, , 16F
11/26 00:09, 16F
→
11/26 00:10, , 17F
11/26 00:10, 17F
→
11/26 00:11, , 18F
11/26 00:11, 18F
→
11/26 00:15, , 19F
11/26 00:15, 19F
推
11/26 00:18, , 20F
11/26 00:18, 20F
→
11/26 00:22, , 21F
11/26 00:22, 21F
→
11/26 00:23, , 22F
11/26 00:23, 22F
推
11/26 00:23, , 23F
11/26 00:23, 23F
→
11/26 00:24, , 24F
11/26 00:24, 24F
→
11/26 00:24, , 25F
11/26 00:24, 25F
→
11/26 00:24, , 26F
11/26 00:24, 26F
→
11/26 00:24, , 27F
11/26 00:24, 27F
→
11/26 00:25, , 28F
11/26 00:25, 28F
→
11/26 00:25, , 29F
11/26 00:25, 29F
推
11/26 00:26, , 30F
11/26 00:26, 30F
→
11/26 00:27, , 31F
11/26 00:27, 31F
→
11/26 00:27, , 32F
11/26 00:27, 32F
→
11/26 00:32, , 33F
11/26 00:32, 33F
→
11/26 00:33, , 34F
11/26 00:33, 34F
推
11/26 00:34, , 35F
11/26 00:34, 35F
→
11/26 00:34, , 36F
11/26 00:34, 36F
→
11/26 00:36, , 37F
11/26 00:36, 37F
→
11/26 00:37, , 38F
11/26 00:37, 38F
→
11/26 00:41, , 39F
11/26 00:41, 39F
還有 33 則推文
→
11/26 12:54, , 73F
11/26 12:54, 73F
→
11/26 12:54, , 74F
11/26 12:54, 74F
→
11/26 12:55, , 75F
11/26 12:55, 75F
→
11/26 12:55, , 76F
11/26 12:55, 76F
→
11/26 12:55, , 77F
11/26 12:55, 77F
→
11/26 12:55, , 78F
11/26 12:55, 78F
→
11/26 12:55, , 79F
11/26 12:55, 79F
→
11/26 12:55, , 80F
11/26 12:55, 80F
推
11/26 12:58, , 81F
11/26 12:58, 81F
→
11/26 12:58, , 82F
11/26 12:58, 82F
→
11/26 12:59, , 83F
11/26 12:59, 83F
→
11/26 12:59, , 84F
11/26 12:59, 84F
→
11/26 13:00, , 85F
11/26 13:00, 85F
→
11/26 13:01, , 86F
11/26 13:01, 86F
→
11/26 13:02, , 87F
11/26 13:02, 87F
→
11/26 13:03, , 88F
11/26 13:03, 88F
推
11/26 13:27, , 89F
11/26 13:27, 89F
→
11/26 13:28, , 90F
11/26 13:28, 90F
→
11/26 13:28, , 91F
11/26 13:28, 91F
推
11/26 13:31, , 92F
11/26 13:31, 92F
推
11/26 13:35, , 93F
11/26 13:35, 93F
→
11/26 13:36, , 94F
11/26 13:36, 94F
→
11/26 13:55, , 95F
11/26 13:55, 95F
→
11/26 13:56, , 96F
11/26 13:56, 96F
→
11/26 13:58, , 97F
11/26 13:58, 97F
→
11/26 13:59, , 98F
11/26 13:59, 98F
→
11/26 14:02, , 99F
11/26 14:02, 99F
推
11/26 14:02, , 100F
11/26 14:02, 100F
→
11/26 14:02, , 101F
11/26 14:02, 101F
→
11/26 14:02, , 102F
11/26 14:02, 102F
→
11/26 14:09, , 103F
11/26 14:09, 103F
→
11/26 14:10, , 104F
11/26 14:10, 104F
推
11/27 20:13, , 105F
11/27 20:13, 105F
→
11/27 20:13, , 106F
11/27 20:13, 106F
推
12/30 02:23, , 107F
12/30 02:23, 107F
→
12/30 02:23, , 108F
12/30 02:23, 108F
→
12/30 02:24, , 109F
12/30 02:24, 109F
→
12/30 02:24, , 110F
12/30 02:24, 110F
推
12/30 02:30, , 111F
12/30 02:30, 111F
→
12/30 02:31, , 112F
12/30 02:31, 112F