2018年秋季，有幸和七禾網(wǎng)的各位讀者特別是《程序化模型精品課》學(xué)員們深度交流，關(guān)注學(xué)習(xí)難點、解答學(xué)習(xí)中的疑惑。在此過程中，我總結(jié)部分了典型疑問，認(rèn)為可以公開和讀者們分享。也看到很多讀者觀看了5節(jié)免費課程，大家都對于程序化模型的構(gòu)建有很高熱情，基于此撰寫這篇文章，分享給各位。

一、回測中的坑非常多，績效不一定準(zhǔn)確

有一種觀點認(rèn)為我們基于足夠的歷史數(shù)據(jù)，獲得了穩(wěn)定的模型（包括參數(shù)），可以直接掛實盤交易。只可惜在國內(nèi)目前的期貨數(shù)據(jù)長度和質(zhì)量前提下，我們建議從2010年開始回測主要交易品種（2010年后市場交易者行為相對于穩(wěn)定），如果你構(gòu)建的是小時線或日線中頻交易模型，數(shù)據(jù)量并不夠，難以得到穩(wěn)定統(tǒng)計特征。所以數(shù)據(jù)不足，是第一個需要注意的問題。

數(shù)據(jù)一旦不足，牽扯到你的回測要打問號，特別是針對單品種的參數(shù)優(yōu)化回測。

我明確表示過“不優(yōu)化參數(shù)”的觀點，因為難以尋找到穩(wěn)健特征。所以在日頻模型上，推薦多用市場通用參數(shù)，比如20日的現(xiàn)實意義是大致一個月交易時間的市場均價，60日是一個季度，5日是一周。另一個方法是，同時加載超過20個品種的歷史數(shù)據(jù)，然后嘗試整體優(yōu)化（或者說觀察）參數(shù)穩(wěn)健性，必須在主流品種上構(gòu)成一個性能（凈利潤、收益風(fēng)險比或夏普比率）均值顯著大于0的參數(shù)平原，這個參數(shù)才能在各品種上被接受。

如上圖：我測試過日頻上，主要商品期貨品種的入場高低點周期參數(shù)和出場ATR幅度參數(shù)，最終僅僅發(fā)現(xiàn)了非常弱的統(tǒng)計規(guī)律：出場比入場重要。而難以得到某個入場參數(shù)是最優(yōu)的，因為各品種的參數(shù)高原圖都不一樣。我們尋找公共較優(yōu)區(qū)間的優(yōu)化初衷幾乎失敗。

任何回測行為，都是在使用歷史去代表未來。而歷史不會簡單出現(xiàn)，金融數(shù)據(jù)最大的疑問在于其高噪音和時序路徑不確定，你的回測績效在實盤中大概率要衰減，做好這個心理準(zhǔn)備。

二、動量類模型中，ATR負(fù)相關(guān)頭寸意義顯著

時間序列動量（將模型掛在單獨合約上運(yùn)行）模型對于波動率的異常升高不能很好適應(yīng)，尤其是很多時候波動率的提升并非意味著機(jī)會，而是風(fēng)險，大部分時間是這樣。

由此我們得到期貨中幾種開倉頭寸管理方法，如波動率倒數(shù)頭寸管理就是其中最重要、最顯著的一種。因為波動率的短期均值回復(fù)（忽高忽低）特性，高波動意味著不確定性，低波動相反意味著下階段會回到高波動狀態(tài)。所以在低波動情況下，要開更大倉位。

有讀者在學(xué)習(xí)《程序化模型精品課》后不理解，認(rèn)為“這樣豈不是在大行情來臨的時候，沒有開足夠的大倉位？”

我的回答是，大行情不等于短期高波動，大行情等價于大幅度的價格漂移和低波動率。而大幅度價格漂移幾乎是無法預(yù)測的，但是短期高波動率大概率意味著高風(fēng)險。所以我們最終得到這樣的頭寸管理，你可以理解為：量化投資的核心是防守，防守反擊，尋找機(jī)會，降低虧損才是王道。

之前我撰寫的文章中，選擇了8個品種，讓模型參數(shù)在一個合理區(qū)域內(nèi)變化，以避免單獨參數(shù)引發(fā)的擬合特性，豐富我們的統(tǒng)計樣本，測試ATR倒數(shù)調(diào)節(jié)前后的夏普比率，得到如下結(jié)果：

在每個品種不同的參數(shù)面上，ATR頭寸都帶來了顯著夏普比率提升，如果統(tǒng)計參數(shù)面性能均值，ATR負(fù)相關(guān)頭寸管理方式的性能優(yōu)勢。各品種平均性能獲得27.79%幅度提升。在小時頻和日頻動量系統(tǒng)上，這種頭寸管理方法帶來的性能提升，甚至要超過模型本身對于參數(shù)的優(yōu)化，或者構(gòu)建其他的濾網(wǎng)等方法，畢竟僅考慮價格一個維度，不如同時考慮價格和波動率。

三、活躍思路，繼續(xù)開發(fā)新模型

當(dāng)我們觀看15節(jié)《程序化模型精品課》之后，不妨再動動腦筋開發(fā)更多模型，這里提供幾個思路：

1、把單次出場變?yōu)槎啻纬鰣觯ū热缰褂鰣?止損出場），出場對于性能幫助極大。我們嘗試著統(tǒng)計價格波動規(guī)律，設(shè)置一個由ATR度量，或者由其他方式觸發(fā)的止盈條件，能夠在非常好的位置降低持倉量，止盈離場。

該邏輯能夠顯著提升模型收益風(fēng)險比，但是會損失利潤，如果條件設(shè)置過于簡單剛性，則大幅度影響模型利潤，帶來了回撤降低難以彌補(bǔ)利潤降低的損失。所以要多思考，除了單品種自己的波動幅度要求我們做止盈出場，還有哪些市場特征會提示我們高風(fēng)險來臨，應(yīng)該做避險？

2，把代碼里的數(shù)字變量或參數(shù)，嘗試用某種方法自適應(yīng)。就像一個工程器械，自動化。

我記憶最深刻的是，第7課在錄制過程中，我還是保留了兩個參數(shù)，中軌計算周期和止損幅度。但是在最終發(fā)布課程時，我把第一個參數(shù)消除了。消除的方法就是求出了每日的K線數(shù)量，然后乘以20這個經(jīng)驗參數(shù)。

消除之后，我們可以更好地觀察另一個參數(shù)的性能影響和穩(wěn)健性，也可以確保系統(tǒng)在未來盡可能降低過擬合風(fēng)險，績效的保持性更強(qiáng)。而且我們驚訝地發(fā)現(xiàn)，消除后性能沒有顯著下降，基本穩(wěn)定。

在模型中我們都能找到各種各樣的參數(shù)，他們控制模型對某段數(shù)據(jù)高度擬合，帶來未來的不適應(yīng)風(fēng)險，而我們?nèi)狈?yīng)對過擬合能力或者主觀上，我們搜尋到一個高性能新參數(shù)（組合）后，如獲至寶，不忍心放棄。與其這樣，還不如在構(gòu)建初期，就放棄對于不合理參數(shù)的追求。

四、嘗試開發(fā)期限結(jié)構(gòu)等低波動模型

如果進(jìn)一步學(xué)習(xí)期貨模型開發(fā)，讀者們可以接觸到很多收益來源的分析，比如carry策略（期限結(jié)構(gòu)策略）。業(yè)界學(xué)者Fabozzi、Fuss和Kaiser(2008)在討論商品alpha的來源的時候，提出商品買賣的基本規(guī)則：買多backward遠(yuǎn)期貼水的商品，賣空contango遠(yuǎn)期升水的商品。

動量策略是基于標(biāo)的資產(chǎn)價格的動量效應(yīng)而設(shè)計的交易策略，即預(yù)先對資產(chǎn)的動量因子設(shè)定過濾準(zhǔn)則，當(dāng)資產(chǎn)過去一段時間的收益滿足過濾準(zhǔn)則就買入或賣出相應(yīng)資產(chǎn)的投資策略。而期限結(jié)構(gòu)策略是利用基差或者近遠(yuǎn)月合約價差計算展期收益來判斷市場的升貼水結(jié)構(gòu)，并構(gòu)建不同參數(shù)的多空組合，即買入展期收益最高的一籃子期貨合約，賣出展期收益最低的一籃子期貨合約，持有各商品的主力合約組合可獲得期限結(jié)構(gòu)的展期收益。

這種模型有一個典型特征是，它的低波動率特性，可以很好和趨勢模型構(gòu)成互補(bǔ)。存在互補(bǔ)關(guān)系是由于他們的策略收益源及原理導(dǎo)致。我們做交易，做一段可持續(xù)的資金曲線，就是在尋找這種低同源，有互補(bǔ)特性的資產(chǎn)或模型。

總而言之，希望各位《程序化模型精品課》的關(guān)注者和學(xué)習(xí)者，能夠持續(xù)在模型開發(fā)上投入精力，思考模型的有效性，參數(shù)的有效性，思考量化投資的邊界，找到我們作為交易者的最大優(yōu)勢。

    作者介紹：濮元愷

    2009年開始專注于程序化模型研究，隨后經(jīng)歷股票多因子模型、商品期貨時間序列模型等開發(fā)工作。

    2016年加入中國量化投資學(xué)會專家委員會。

    隨后作為勵京投資管理（北京）有限公司創(chuàng)始團(tuán)隊，發(fā)行了多只陽光化私募基金產(chǎn)品。

    2018年撰寫的《量化投資 技術(shù)分析實戰(zhàn)》圖書獲得眾多業(yè)內(nèi)人士推薦成為暢銷書，幫助很多量化投資交易者走上了起步之路。

    七禾網(wǎng)聯(lián)合量化交易高手濮元愷先生制作和推出了15節(jié)量化學(xué)習(xí)的精品視頻課程，同時在視頻中詳細(xì)地分享了9套量化交易策略源碼，帶您零基礎(chǔ)學(xué)習(xí)量化交易！

    相關(guān)鏈接：15節(jié)精品課、9套策略源碼分享，帶您零基礎(chǔ)學(xué)量化！