Tiga perangkap utama pengoptimuman parameter ialah kesesatan pandangan depan, pengoptimuman berlebihan, dan pemasangan lengkung

Penulis:Mimpi kecil, Dicipta: 2017-11-24 14:11:14, Dikemas kini:

Apabila banyak peniaga kuantitatif mula-mula mengoptimumkan parameter, terdapat tiga jenis kesilapan yang lebih atau kurang mudah berlaku: kesesuaian pandangan, optimasi berlebihan, dan pemasangan kurva. Ketiga-tiga perangkap ini boleh menyebabkan bencana apabila berlaku dalam proses pembangunan strategi dan pengoptimuman parameter. Kesalahan ini boleh dikatakan sebagai lombong di hadapan peniaga kuantitatif, sedikit tidak berhati-hati, mudah meledak.

Pertama, kita akan membincangkan bias pandangan ke hadapan, bias pandangan ke hadapan merujuk kepada penggunaan beberapa maklumat masa depan dalam pembangunan strategi, yang secara asasnya tidak dapat dilaksanakan dalam operasi cakera sebenar.

  • Fungsi Masa Depan

    Sebagai contoh untuk menunjukkan fungsi masa depan, jika peraturan strategi garis lurus tertentu adalah: jika harga semasa melintasi garis lurus, kita akan membuka perdagangan dengan harga bukaan. Untuk kemudahan, kita akan memberi nama kepada strategi ini, yang dipanggil A A A A A A A A A A A A A A A A A A. Strategi A A A A A adalah strategi yang khas yang menggunakan fungsi masa depan, kerana pada saat pembukaan anda tidak dapat mengetahui apakah garis K ini akhirnya dapat menembusi garis lurus dan mengeluarkan isyarat bukaan, A A A A A menggunakan harga masa depan untuk menentukan pembelian sebelumnya.

  • Mencuri harga

    Satu lagi keadaan, yang dipanggil harga curian, yang sebenarnya juga termasuk dalam kategori fungsi masa depan. Sebagai contoh, satu strategi frekuensi tinggi, yang kami bagi masa ini menamakannya sebagai pencurian A. Aturan strategi pencurian A adalah, apabila harga menembusi harga tertinggi pada hari itu, harga tertinggi pada hari itu akan dibuka. Pencurian A nampaknya tidak ada masalah, tetapi perhatikan, penembusian bermaksud lebih tinggi daripada, iaitu sekurang-kurangnya satu darjah lebih tinggi daripada harga tertinggi pada hari itu untuk dipanggil menembusi, iaitu syarat untuk memenuhi harga sebelum pencurian = harga tertinggi pada hari itu + 1 tiket untuk segera menembusi.

    Jangan meremehkan kesilapan satu tik, contohnya dengan besi lilit, andaikan 250 hari perdagangan setahun, setiap hari dagangan dilakukan satu pembelian, maka sepanjang tahun akan turun 500 tik, kos titik glide 500 tik akan melebihi modal anda. Kenyataan tidak hanya mustahil untuk membuat anda berdagang di bawah harga satu tik, tetapi lebih banyak keadaan sebaliknya lebih tinggi daripada satu atau bahkan lebih banyak titik, sebabnya adalah mudah, kebanyakan peniaga trend mempunyai isyarat yang hampir sama, pada satu titik penting (seperti menembusi harga tertinggi pada hari tertentu), isyarat pembinaan tempat tinggal akan terbentuk di hadapan banyak peniaga trend, semua orang bergaduh untuk membeli terlebih dahulu, yang menyebabkan harga kerugian terbentuk pada titik penting, dan pergerakan ini biasanya adalah peredaran perdagangan yang berproses. Membina sistem perdagangan yang lebih stabil adalah tidak menguntungkan apabila anda mempertimbangkan keadaan dan keadaan yang lebih stabil.

  • Isyarat berkedip

    Seterusnya, kita akan membincangkan tentang sinyal berkedip, jika satu lagi peraturan untuk strategi rata-rata adalah: jika harga penutupan lebih tinggi daripada rata-rata, kita akan membuka peluang untuk memecahkan, kita masih memberi nama, katakanlah strategi ini disebut sinyal berkedip B. Jika harga penutupan lebih rendah daripada harga penutupan, maka isyarat perdagangan akan hilang, tetapi anda telah melakukan transaksi, isyarat ini dipanggil flash.

    Fungsi masa depan dan isyarat berkedip, yang kita sebut sebagai bias melihat ke hadapan, berkedip B dan berkedip A mempunyai satu perkara yang sama, iaitu menggunakan harga masa depan untuk menentukan pembelian dan penjualan sebelum ini, yang merupakan kesilapan yang perlu kita elakkan.

  • Pengoptimuman berlebihan dan pemasangan kurva

    Bercakap mengenai pengoptimuman berlebihan dan penyesuaian kurva, pengoptimuman berlebihan adalah mengoptimumkan beberapa parameter strategi berulang kali ke optimum, dan kemudian membuat strategi dan kawalan risiko berdasarkan parameter terbaik yang diperoleh. Jelas, jika optimumkan dengan kekerasan, walaupun strategi yang tidak boleh menghasilkan wang, parameter individu boleh menguntungkan, tetapi hasil yang digunakan di masa depan adalah sukar untuk menghasilkan wang.

    Terdapat dua cara yang berkesan untuk mengelakkan pengoptimuman berlebihan, pertama adalah dengan mengambil lebih sedikit parameter, semakin sedikit parameter, semakin sedikit projek yang boleh dioptimumkan, keadaan pengoptimuman berlebihan secara semula jadi dapat dielakkan dengan baik, dan, strategi yang lebih sedikit parameter sering lebih mantap, sama ada tepat pada masanya atau rumit.

    Cara kedua untuk mengelakkan pengoptimuman berlebihan adalah dengan menguji semula sejarah dengan parameter lalai satu strategi, atau menguji satu strategi dengan pelbagai set parameter rawak, jika strategi itu boleh menghasilkan keuntungan dengan kedua-dua parameter lalai atau parameter rawak, maka strategi itu harus dibangunkan lebih lanjut; sebaliknya, jika satu strategi hanya mempunyai beberapa parameter yang boleh menghasilkan keuntungan, maka saya cadangkan anda untuk meninggalkan strategi itu dengan tegas.

    Sebagai contoh, strategi saham, kita akan menyebutnya sebagai strategi C, yang menetapkan masa tiga tahun untuk berdagang goyangan, dan tiga tahun untuk berdagang trend. Misalkan strategi C mula diuji dari Januari 2010 dan menjadi peraturan goyangan sehingga Disember 2012, peraturan trend dari Januari 2013 hingga Disember 2015, dan mula lagi pada Januari 2016. Jelasnya, keputusan ujian strategi C akan sangat baik, tetapi tidak bermakna. Ini adalah peraturan yang ditambahkan berdasarkan keadaan sejarah, dan anda tidak boleh menilai bahawa pasaran saham masih mengekalkan satu kitaran 3 tahun selepas itu, jadi C tidak boleh menjadi strategi yang sangat baik untuk digunakan.

    Cara mengelakkan pemasangan lengkung dan pengoptimuman berlebihan adalah sama, iaitu menggunakan peraturan yang sedikit mungkin untuk membina sistem dagangan. Orang yang mempunyai sedikit pengetahuan matematik tahu, fungsi dua kali, akan sesuai dengan satu pasaran pusing, fungsi tujuh kali, akan sesuai dengan enam pasaran pusing, hanya dengan menambah satu peraturan tambahan, anda boleh menyesuaikan pusing di pasaran sekali, dan strategi yang disesuaikan dengan ini akan mencapai 100% kemungkinan kejayaan, tetapi ini tidak bermakna sama ada untuk menggariskan sejarah atau untuk meramalkan masa depan.

    Menggunakan strategi yang menyimpang, terlalu optimum, dan sesuai dengan kurva, semuanya mempunyai kesamaan, iaitu strategi yang sangat baik pada masa ulasan, tetapi tidak dapat dimasukkan ke dalam pasaran sebenar. Ini adalah satu perbuatan penipuan diri, tetapi lebih banyak lagi adalah banyak pedagang yang secara tidak sengaja membuat kesilapan dalam pembangunan strategi, menggunakan beberapa logik dan formula yang salah untuk ulasan, dan menggunakan hasil ulasan secara langsung untuk dasar pengurusan keuntungan dan risiko yang dijangkakan, jangan lupa, anda tidak akan pernah dapat membina sebuah bangunan besar di atas asas yang tidak kukuh.

    Oleh itu, saya tidak akan menilai strategi yang baik atau buruk dengan mudah sehingga saya melihat kod strategi orang lain, kerana banyak strategi yang dibeli secara dalam talian, kebanyakan adalah strategi yang mempunyai masalah ini, dan masalah ini, sebelum memasuki pintu perdagangan kuantitatif, sangat sedikit yang dapat dijumpai, walaupun anda dapat membeli strategi yang benar-benar menguntungkan, saya telah membuktikan kepada anda sebelum ini, anda masih tidak dapat melaksanakan strategi ini dalam jangka panjang, jadi, sila jangan berfikir untuk mengambil jalan pintas, strategi mesti dikembangkan sendiri dan membina keyakinan, langit tidak akan jatuh kek, kek mesti menjadi perangkap.

Dipindahkan dari Komuniti Perdagangan Kuantitatif Python


Lebih lanjut