一文深度解讀量化交易（下）

上週，咱們給你們詳細講述了量化交易策略的類型。今天，咱們將介紹應該要如何開發一套完善的量化交易策略。

 

做者「黃金EA量化」，程序員出身的量化交易者。2015年開始從事量化交易，主作黃金外匯、國內商品期貨等衍生品的程序化交易。投資邏輯——經過數據挖掘，自下而上，運用數學，物理學和統計學知識創建算法交易系統。此外，他基於算法，程序化研究出ALGOTRADER自動化交易系統。

 

如何開發一套可以穩定盈利的量化策略？

 

俗話說，耳聞不如眼見，眼見不如實踐。若是你具有了基礎編程知識，掌握一些編程語言，像JAVA、Python、MQL、TB公式、C++等，熟悉一些投資工具，又特別喜歡鑽研，那麼徹底能夠去開發一套交易策略，甚至是作到穩定盈利的策略。

 

固然，如何開發一套可以穩定盈利的交易策略？這個的確沒有那麼簡單，作到盈利仍是能夠的，但想要作到長期穩定盈利，就要考驗你的研發能力以及對交易自己的認知水平。適合本身的策略纔是最好的策略，不妨從這個角度入手，去開發一套適合本身的交易策略。

 

1選擇一個投資品種

必定要選本身熟悉的投資品種，最好是之前交易過的品種或者感興趣的品種，願意花時間去關注品種的行業、品種的過去與現狀等，瞭解這個品種的流動性、交易量和波動率。從各個維度去分析這個品種，而後肯定做爲開發策略的目標。

 

2經過品種去評估並找適合的量化策略

是作日內、短線仍是中長線？是作趨勢模型仍是震盪模型？還要綜合考慮策略研發的難易。從本身的角度出發，好比，能承受多少的心理虧損；頻繁止損仍是浮虧對本身心理的影響，哪一個是可以接受多一點。

 

例如：

• 趨勢類策略，比較容易實現，止損頻繁，勝率低，盈虧比大，適合大週期使用；

• 馬丁類網格類策略，適合震盪行情，勝率高，盈虧比小，每一筆盈利小，浮虧會很大，須要計算風險趟口，儘可能用在黑天鵝事件少的品種上；

• 算法交易類策略，須要綜合的數學、物理和統計學知識，並且可以靈活使用這些知識用於設計模型，考驗獨立思考的能力和敏銳的洞察力，還要很強的動手能力。由於幾乎沒有現成的案例可讓你參考或者模仿。

 

3開發模型

選好了品種和交易策略類型，剩下的時間就是投入到設計算法、編寫代碼和測試，統稱爲開發階段。這個階段，要圍繞這幾個要素進行：

 

歷史數據

儘可能完整的歷史數據，至少採集知足三年以上連續的歷史數據。

 

時間週期

作外匯黃金，週期仍是選擇儘可能大，至少30分鐘以上的週期纔有保障；除非你能夠購買到或者採集到的歷史數據精確度很高，不多出現跳空的K線數據。做爲我的開發者，建議選擇大週期開發，就是避免數據的不完整性致使的各類問題。

 

避免偷價和將來函數，策略高度擬合

構成入場出場信號的依據，應該是已經發生的K線數據進行的指標計算或者算法邏輯運算。簡單的說，就是儘可能使用上一根K線之前的數據作量化分析，當前K線還在進行中，做爲條件就有偷價或者將來函數的可能，這些會嚴重影響到策略的真實可靠性。

 

算法的創建，應該基於統計學意義，而不是適配某一段行情作限制性條件，那樣就是擬合了。擬合併不會適應將來的行情發展。

 

合理的盈虧比、勝率和夏普率

若是你開發出來一套策略，經測試發現勝率很高，盈虧比也很大，那麼確定是有問題的，就要考慮是否是偷價的模型，須要重複仔細驗證。

 

趨勢策略，勝率都小於40%,盈虧比能達到2以上；

 

馬丁類策略，那麼勝率就會比較高，至少80%以上，盈虧比一般是1.2-1.5左右；

 

算法交易，勝率介於二者之間，盈虧比通常超過1.5；夏普率應該維持在2以上，才能確保盈利是穩定的。

 

另外還要考慮到如何去克服實際交易中的點差、手續費成本問題。最好的辦法就是提升盈虧比，減小交易次數。

 

最大回撤

最大回撤應根據實際狀況進行設置，沒有一勞永逸的控制辦法。

 

若是編程能力強的，儘量將回撤條件用程序控制實現，參數化、流程化實現。若是硬要將回撤控制5%或者10%，我估計你的回測效果不會好到哪裏，除非回測時長很短。這個就是行情匹配的問題，行情永遠在變，所以要學會管理你的策略，運用好它。

 

歷史回測

這個主要看盈虧比，最大回撤和淨值曲線來判斷，研發的策略是否符合本身的要求，或者是否達到設計目標。通常回測分爲週期內、週期外、跨期回測。

 

週期內回測主要是配合策略的測試調試，用於調試策略的歷史數據週期；

 

週期外回測，是指將測試好的策略單獨使用一段新的歷史數據進行的回測，看看淨值曲線是否一致；

 

跨週期內外，進行一次總體回測，也是觀察回測曲線是否表現一致。若是獲得結果類似或者達到設計目標，則說明策略是一個正指望值的交易策略。

 

不過，真正的表現還得看模擬測試和實盤交易。

 

4模擬驗證交易

通過開發階段，而後就是模擬測試階段。實時監控成交記錄，對交易數據統計發現問題並改進，對實盤交易中可能出現的問題提早制定相應的預防和解決措施。

 

綜合考慮測試結果的各個性能指標，不能太看重某一個性能指標，以下面兩個策略測試結果：

 

 

上圖雖然夏普率9.12，可是最大回撤24.41%，這與策略自己的思想有關。

 

上圖雖然夏普率爲6.8175，低於第一張圖的策略，但在相同倉位控制條件下，最大回撤減少6倍。

 

5實盤資金交易

其實最主要仍是控制風險，控制了風險及回撤，那這個策略就算是穩定的策略，讓時間成爲你的朋友，財富是慢慢積累的。

 

 

一、關注交易品種的產業鏈數據和新聞等不固定公佈時間公佈信息，統計相關信息數據的理論正常值，出現異常時立刻採起措施。

 

二、關注交易品種的產業鏈數據和新聞等固定公佈時間公佈信息，如EIA數據、原油鑽井數量數據、美國非農數據等，在數據公佈先後及時平倉，保護盈利利潤。

 

三、關注政治風險、軍事衝突、天然氣候災害，若有重大事件應立刻採起天制定好的措施（現在年英國退歐、美國大選、中東敘利亞戰爭、伊朗石油解禁、美國頁岩油政策等）

 

四、針對人爲帶來的影響因素如斷電斷網等制定緊急措施。

 

五、針對以上風險確認以上風險事後，制定再入場時的補倉策略。

 

六、實時監控，按期檢驗。

 

如何辨別量化交易策略的好壞

 

若是你從頭閱讀到這裏，相信你們心中已經有了本身的那個聖盃。適合本身的策略就是好的策略。

 

一個策略，不是看見它短期內暴利就是優秀，也不能說一個策略它天天穩賺百分之幾就是穩定的。要從多個維度來評判一個策略是屬於優秀、良好、及格仍是不及格。風險與收益永遠是投資的主題，從這方面來講，能夠分爲如下一些評判條件。

 

1時間維度

久經時間考驗，經歷過各類行情的顛簸，策略有沒有所以而致使大虧損或者不盈利，甚至變爲虧損，策略有沒有失效。若是通過幾年，策略仍然能取得不錯的收益，例如，年均10%-30%，那麼這個策略應該是值得信任的。

 

2收益率

在時間維度上，取得很少的收益率，但前提是這個收益率是名義收益率仍是實際收益率。就是說，根據你的交易次數、盈虧比、最大回撤，計算一個夏普比率，夏普比率是否及格了。夏普比率是衡量交易模型的收益率是不是穩定的，若是爆賺爆虧，夏普比率就會偏低。

 

3資金量

小資金的穩定收益，能夠說是一種名義收益率。小資金的交易環境要求很低。這個你們都明白，對交易心理影響不大，例如，剝頭皮交易，小資金很容易快進快出，可是資金量一大，剝頭皮策略就有可能不太適用了。

 

4盈虧比

你們其實不用太關注勝率，勝率只是盈虧比的附屬品。盈虧比決定了你的策略可以長期得到正指望收益。理論上講，盈虧比越大策略的正指望值越好，盈利能力越強，抵抗回撤的能力也越強。

 

5夏普比率

這個就是說明，相同的回報，所要承擔的風險水平。無風險回報固然是最理想的，但現實與理想總有差距。固然夏普比率越高越好，聽說達到3以上，就證實你的策略可以達到月月盈利。

 

6最大回撤

分爲最大回撤率和最大回撤值。小資金就要看最大回撤值，大資金就看最大回撤率。

 

基金的要求通常都是控制在10%回撤之內，可是作外匯的，我以爲這個值能夠儘可能大一點。其實最保險的方式，就是賺了部分出金，物理阻斷回撤風險。用EA控制回撤，就好像紙上談兵，不靠譜。由於外匯槓桿式交易，對用戶是最不公平的，點差、上下影線，均可以將你打回解放前。

 

7多品種組合、多策略組合

相信你們會明白，一套策略應用在不一樣的投資品種，或者由不一樣的策略組合成爲多策略組合的投資方案。

 

這種對衝交易策略，也是能夠大大提升收益率，減小回撤風險，從而實現穩定盈利。通常選擇有互補性行情的品種或者策略多樣性的，例如：趨勢策略和震盪策略混合着用，從時間上，錯開同時下單建倉的風險。這個就有點想算法交易，一次下單手數過重，那麼頭寸風險趟口就比較大了，心理上負擔也會很重，不利於行情的波動。

 

總結

 

量化交易，量化是手段，交易結果是目的。量化的優點，就是把人從重複性、繁雜性的工做中解放出來，聚焦更重要的決策。

 

可是，不論手工交易仍是量化交易，都要面臨克服人性這個難題。克服人性也是交易的永恆主題，作交易的互勉吧！