| 以文本方式查看主题 - 金字塔客服中心 - 专业程序化交易软件提供商 (http://222.73.7.161/bbs/index.asp) -- 程序化交易实盘俱乐部 (http://222.73.7.161/bbs/list.asp?boardid=9) ---- 与一个模型实盘操盘手X关于过度优化的对话 (http://222.73.7.161/bbs/dispbbs.asp?boardid=9&id=49783) |
| -- 作者：leelatan -- 发布时间：2013/3/15 18:09:32 -- 与一个模型实盘操盘手X关于过度优化的对话 H 说: 你研究过所谓的过度优化问题吗 X 说: 研究过 H 说: 有什么结论 X 说: 结论是，数学理论越高深，死亡概率越大 越简单越容易谋取暴利 这是其一 其二，一个原始的模型出来了之后，最好的就是全裸状态，加上止盈止损足矣，所有的为了回测业绩提升而进行的优化，特别是利用其它模型的优化基本上都会起负面作用 例如，你用双均线系统，进一步把双均线搞成MACD就属于过度优化 而将价格标的从指数本身，改为样本股就是正面的优化 H 说: 但双均线本身的参数，还是有个优化的问题呀 不可能不优化吧 X 说: 时间参数就不能说是优化了吧 这就是模型本身 H 说: 这样理解ok 止盈止损的幅度，也有个 优化的问题吧 X 说: 有 我的观点是这样 如果用双均线，就简单的用双均线即可，优化的精力主要放在如何提升原始标的的领先程度 而如果你试图，例如，将舆情融入双均线，往往会适得其反。这就是我所想要表达的“过度优化” H 说: 你讲的实际上是最好用单一思路 X 说: 对 H 说: 下午逛论坛，发现很多人说模拟收益曲线很好，但实盘就不行了 X 说: 这个原因我也研究过的 H 说: 达人啊 X 说: 最主要就是两方面，滑点、干预 一般做模型的人对滑点的估计都是不足的 H 说: 我看他们很多讲的是根据历史 业绩优化出来的模型，过去的收益好，但很快就收益变平 X 说: 你知道，实测，我们日内平均8个来回的策略，每次单边交易0.35个滑点，对业绩影响多大？ 哦 H 说: 日内的话，.35个滑点算保守了 波动大 X 说: 你说的这个现象多数都是因为凑数据造成的 你想，假设有历史上N个周期的行情数据作为我的回测基础 那么用折线连起来，我总能找到一个1元N次方程，让这个方程的曲线通过行情中的所有收盘价 对吧 有的策略就是这个1元N次方程 本质上，它并没有挖掘出左右市场的信息，而是为了回测YY的时候做了很多修饰 这种策略往往容易见光死的 H 说: 这个解释有意思 但怎么避免呢 X 说: 无法避免 这个原因在于，你无法验证你的模型是否有道理 H 说: 关键是，怎么知道自己的策略在未来是否继续管用 X 说: 例如我说一个假设，最近5天内的平均成交量能反映趋势的加强或者衰弱 这种东西你用人脑想一下，觉得特别有道理 “量在价先”很多人都这么认为 但是5天是否合理，没有人知道 除非实盘测，否则无法给出结论。 H 说: 这个可以做历史回撤呀，不需要实盘 X 说: 不过，一般能讲出道理来的策略，都比较长命。讲不出来的，而回测很好的策略必然无法持久。 回测没有意义 你想想我说过的1元N次方程 H 说: 那本质上 还是个理论基础的问题 X 说: 对 H 说: 背后的理论一定要够硬 X 说: 一般没有理论依据的策略就会遇到跑实盘就走平甚至于亏损的情况 H 说: 另外，如果同一个思路，在不同的周期都能模拟盈利，应该也增大了有效的概率 X 说: 是的 |
| -- 作者：yp1234 -- 发布时间：2013/3/16 12:33:37 -- 金融市场几乎所有的技术指标或者算法都是建立在数理统计基础之上的, 在构建模型之初, 所有的参量都是按比较传统的数值设置, 借助计算机运算统计能力, 设计者会尝试修改参量数值, 借此发现之前历史交易的较为优秀方案, 程序化交易者进入市场的前提条件是假设未来人性不会发生颠覆性的重大变化, 从而 依照历史交易统计基础编写的程序进行新的交易, 如果交易者完全认为未来交易会有完全不同的演绎, 那么交易就不可能发生, 当然历史不可能简单重演, 所以设计者在程序内加上了平仓与止损指令, 接受某次交易的失败, 因此优化模型不值得大惊小怪! 所有的研究都是建立在历史数据之上,所有的方法都不可能全面描述事件走势及结果, 这一点早在1931年就为捷克数理逻辑学家哥德尔证明, 对于程序交易者来讲, 优化参量 无非是想提高收益及胜率, 同时降低单次回撤及连载回撤, 借此降低交易带来的精神痛苦! 至于编写交易程序, 编写者的数学知识及其他知识越好, 编写出来的东西效果就会很好或者较好! 如果一个人连简单的数学知识都没有或者是一知半解, 他不可能编出什么好东西! 有些大师主张简单, 那是他个人的自由, 金融市场带有精神产品特征, 不是一两个简单的macd.cci 就能够描述得清楚的, 简单的模型有时会大获暴利, 同一时间复杂的模型或者会亏钱, 不过就长期交易来讲仍然是复杂且有深度的模型效果要好, 不管怎样, 所有要投入实盘的模型建议阁下先进行足够多的数据测试及仿真交易呵! 这可是\'\'大数定律\'\'揭示的! |
| -- 作者：qwe123 -- 发布时间：2013/3/16 12:47:51 -- 如果有时间和精力建议大家读一读艾琳.奥尔德里奇著的《高频交易》（Iene Aldridge<HIGH-FREQUENCY TRADE>）。 |
| -- 作者：jiangsen -- 发布时间：2013/3/16 13:52:44 -- 灰狼老头还懂洋文？ |
| -- 作者：dianslm -- 发布时间：2013/5/12 20:48:19 -- 以下是引用yp1234在2013-3-16 12:33:37的发言：
金融市场几乎所有的技术指标或者算法都是建立在数理统计基础之上的, 在构建模型之初, 所有的参量都是按比较传统的数值设置, 借助计算机运算统计能力, 设计者会尝试修改参量数值, 借此发现之前历史交易的较为优秀方案, 程序化交易者进入市场的前提条件是假设未来人性不会发生颠覆性的重大变化, 从而 依照历史交易统计基础编写的程序进行新的交易, 如果交易者完全认为未来交易会有完全不同的演绎, 那么交易就不可能发生, 当然历史不可能简单重演, 所以设计者在程序内加上了平仓与止损指令, 接受某次交易的失败, 因此优化模型不值得大惊小怪! 所有的研究都是建立在历史数据之上,所有的方法都不可能全面描述事件走势及结果, 这一点早在1931年就为捷克数理逻辑学家哥德尔证明, 对于程序交易者来讲, 优化参量 无非是想提高收益及胜率, 同时降低单次回撤及连载回撤, 借此降低交易带来的精神痛苦! 至于编写交易程序, 编写者的数学知识及其他知识越好, 编写出来的东西效果就会很好或者较好! 如果一个人连简单的数学知识都没有或者是一知半解, 他不可能编出什么好东西! 有些大师主张简单, 那是他个人的自由, 金融市场带有精神产品特征, 不是一两个简单的macd.cci 就能够描述得清楚的, 简单的模型有时会大获暴利, 同一时间复杂的模型或者会亏钱, 不过就长期交易来讲仍然是复杂且有深度的模型效果要好, 不管怎样, 所有要投入实盘的模型建议阁下先进行足够多的数据测试及仿真交易呵! 这可是\'\'大数定律\'\'揭示的! 看得出来，这段论述很内行！
|
| -- 作者：dianslm -- 发布时间：2013/5/12 20:54:45 -- “与一个模型实盘操盘手X关于过度优化的对话”
看得出来，这位所谓的“实盘操盘手”对“过度优化”问题也是一个外行 |
| -- 作者：日暮掩柴扉 -- 发布时间：2013/9/24 15:00:31 -- 实盘操盘手我见过一些,没发现谁会操盘,下单主要靠瞎猜,美其名曰"盘感",收入主要靠手续费 |
| -- 作者：日暮掩柴扉 -- 发布时间：2013/9/24 15:02:50 -- 包括用程序化的实盘操盘手,多数是半程序化,经常要用手工调调参数,这个不行换内个,本质依然是瞎猜 |
| -- 作者：Change_1206_ -- 发布时间：2013/9/24 21:30:35 -- 他丫的就是在放屁啊！ |
| -- 作者：youop -- 发布时间：2013/10/6 19:14:07 -- 关键是背后的道理要够硬，认同； |