-- 作者:yanxc
-- 发布时间:2012/9/5 13:39:34
-- [求助]如何转换日期格式
钝化的烦恼
常有人提到程序化交易模型的“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,钝化是每个模型都会很快发生的事,赚钱机遇可谓稍纵即逝。钝化已成程序化交易的头号敌人。
那么,模型钝化的实质是什么呢?
最典型的钝化过程,是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。
以每个模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。
此主题相关图片如下:钝1.jpg
同样的模型如果以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。
此主题相关图片如下:钝2.jpg
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?
|