많은 양자 거래자가 처음 파라미터를 최적화 할 때, 쉽게 또는 더 적게 발생하는 세 가지 유형의 오류가 있습니다. 전향 편향, 과도한 최적화 및 곡선 적합. 이 세 가지 함정은 전략 개발 및 파라미터 최적화 과정에서 하나만 발생하면, 그 결과는 재앙입니다. 이러한 오류는 양자 거래자의 앞 지뢰라고 할 수 있습니다. 조금은 조심하지 않으면 폭발 할 수 있습니다.

우선, 우리가 말하는 미래 지향성 (前視偏差) 은 전략의 개발에서 미래에 대한 정보를 취하는 것을 가리킨다. 이 정보는 실 디스크 동작에서 기본적으로 실현될 수 없다. 미래 지향성은 주로 두 가지 측면에서 나타난다. 하나는 미래 함수이고, 다른 하나는 신호 깜박임이다.

• #### 미래 기능

예를 들어 미래 함수를 설명하기 위해, 만약 어떤 평행선 전략의 규칙이 다음과 같다면: 현재 가격에 평행선을 통과할 때 상장점을 개시하여 상장점을 개시한다. 편리함을 위해, 우리는 이 전략에 이름을 붙였다. ‘미래 A‘이라 불린다. ‘미래 A’ 전략은 전형적으로 미래 함수를 사용하는 전략이다. 왜냐하면 상장점을 개시할 때 K선이 최종적으로 평행선을 뚫고 상장점을 개시하는 신호를 발산할 수 있는지 알 수 없기 때문이다. ‘미래 A‘은 상장점을 개시하기 전에 구매/판매를 결정하기 위해 ‘미래 A‘의 가격을 사용한다.

• #### 도난

또 다른 상황, 도둑질 가격, 이 상황은 실제로 미래 함수의 범주에 속한다. 예를 들어, 어떤 높은 주파수 전략, 우리는 일시적으로 신 도둑질 A, 신 도둑질 A 전략의 규칙은, 신 도둑질 A 가격이 그날 최고 가격을 뚫었을 때, 그날 최고 가격으로 창고를 열다. 신 도둑질 A는 아무 문제도 없는 것처럼 보이지만, 주의하십시오, 신 도둑질 A의 의미는 더 높습니다, 즉, 적어도 그 날 최고 가격보다 1 초 이상으로 이 나타나는 조건을 충족하는 것은 현재 가격 = 그날 최고 가격 + 1 틱 이라고 불린다. 이 경우, 신 도둑질 A는 다만 최고 가격 + 0 틱 뚫린 곳에서 창고를 열도록 요구되며, 분명히 틱 의 가격을 훔친다.

스리틀 스틸을 예로 들어, 1 년 250 거래 일, 매 거래 일 한 번 매매를 수행한다고 가정하면, 1 년 내내 500tick, 500tick의 슬라이드 비용이 당신의 자본을 초과 할 것입니다. 현실적인 상황은 당신이 1 틱의 가격보다 낮은 거래가 불가능할 뿐만 아니라, 더 많은 경우 오히려 1 또는 더 많은 틱의 가격보다 높은 거래가 될 것입니다. 이유는 간단합니다. 대부분의 트렌드 거래자의 신호는 매우 간단합니다.

• #### 신호가 깜박이고

다음으로, 우리는 신호 플래시에 대해 이야기합니다. 만약 다른 평행선 전략의 규칙이 다음과 같다면: 매장 가격이 평행선보다 높을 때 브레이크 가격으로 포지션을 열고, 우리는 여전히 그것에 이름을 부여합니다. 이 전략은 플래시 B라고 가정합니다. 플래시 B는 신호 플래시가 존재하는 전략입니다.

미래 함수와 신호 플래시, 우리는 모두 전망을 편향, 플래시 B 과 플래시 미래 A 의 공통점이 있습니다, 그것은 미래의 가격으로 이전 구매를 결정하는 것입니다, 이것은 우리가 열심히 피하는 실수입니다.

• #### 과잉 최적화와 곡선 적합성

과잉 최적화 (Over Optimization) 와 곡선 적합 (Curve Fitting) 에 대해 이야기하자면, 과잉 최적화는 한 전략의 몇 가지 변수를 반복적으로 최적화한 다음, 얻은 최적의 변수들에 따라 전략과 통제 위험을 수립하는 것을 의미한다. 명백히, 폭력적인 최적화를 사용하면, 수익을 창출할 수 없는 전략이라 할지라도, 개별적인 변수가 수익을 창출할 수 있지만, 이러한 결과는 향후 실장에서는 수익을 창출하기 어렵다.

과잉 최적화를 피하는 효과적인 방법은 두 가지로, 하나는 더 적은 매개 변수를 취하는 것입니다. 매개 변수가 적을수록 최적화 할 수있는 프로젝트가 적을수록 자연적으로 과잉 최적화를 피할 수 있습니다. 그리고 매개 변수가 적은 전략은 종종 더 튼튼합니다.

과잉 최적화를 피하는 두 번째 방법은, 어떤 전략의 기본 파라미터를 사용하여 역기적 테스트를 하는 것, 또는 무작위적인 다중의 파라미터를 사용하여 어떤 전략을 테스트하는 것인데, 그 전략이 기본 파라미터와 무작위적인 파라미터를 모두 사용하여 수익을 낼 수 있다면, 그 전략은 더 발전되어야 한다. 반대로, 어떤 전략이 단지 몇 개의 파라미터가 수익을 낼 수 있다면, 나는 그 전략을 포기하라고 권한다. 또한, 당신은 실행 가능한 전략을 여러 종류의 테스트에 사용해야 하며, 어떤 전략이 특정 품종에서만 사용할 수 있다면, 나는 그 전략을 실생활에 사용하지 않는 것을 강력히 권장한다.

곡선 적합과 과잉 최적화는 비교적 비슷하며, 어떤 주식 전략에 불필요한 규칙을 추가하여 역사적 데이터와 일치시키는 것을 의미합니다. 예를 들어, 우리는 적합 C 이라고 부릅니다. 이 전략은 3 년의 충격 거래, 3 년의 추세 거래를 규정합니다. 적합 C 전략이 2010 년 1 월부터 테스트를 시작하여 2012 년 12 월까지 흔들림 규칙, 2013 년 1 월부터 2015 년 12 월까지 추세 규칙, 2016 년 1 월까지 흔들림 규칙이 시작되었다고 가정합니다.

곡선을 맞추는 방법을 피하는 방법과 지나치게 최적화하는 방법은 거래 시스템을 구축하기 위해 가능한 한 적은 규칙을 사용하는 것과 비슷합니다. 수학에 조금이나마 익숙한 사람들은 2번 함수가 한 번 회전하는 경우를 맞추고, 7번 함수가 6번 회전하는 경우를 맞추는 것을 알고 있습니다.

예측 편향, 과도한 최적화, 곡선 적합의 전략을 사용하는 것은 공통점이 있습니다. 그것은 재검토 할 때 전략이 매우 우수한 성능을 발휘하지만 실제 시장에 투입 할 수 없습니다. 이것은 자기 기만입니다. 그러나 더 많은 경우 많은 거래자가 전략 개발에서 무의식적으로 이러한 실수를 저지르고, 잘못된 논리와 공식으로 재검토하고, 재검토 결과를 자신의 예상 수익과 위험 관리의 기초로 직접 사용합니다.

그래서, 다른 사람의 전략에 대한 코드를 보지 않고서는, 그 전략의 장단점을 쉽게 판단할 수 없습니다. 왜냐하면 많은 온라인 구매 전략은, 대부분 위의 문제가있는 전략이기 때문입니다. 그리고 이러한 문제들은, 양적 거래의 문으로 들어가지 않고서는, 거의 발견할 수 없습니다. 실제로 돈을 버는 전략을 구입할 수 있다고 해도, 전에도 증명했습니다.

파이썬 양자 거래 커뮤니티에서 가져온 것입니다.