iT邦幫忙

2023 iThome 鐵人賽

DAY 5
1
AI & Data

從零到英雄:用GCP建立AI交易體系系列 第 5

傳統回測方法的一些眉角

  • 分享至 

  • xImage
  •  

回測

回測的目的

所有的量化交易者都會擔心一件事:交易虧損時風險會不會很大?這時候就需要一些依據讓交易者可以有一些信心能夠繼續交易下去。同時也會根據回測的結果預估投入的報酬狀況、資金需要準備的數量以面對最大的那次風險(尤其在期貨交易)。

常見回測方式

量化交易者會將自己的策略從過去某天開始進行模擬的交易,按照策略估計每次買進與賣出的獲利、風險等等數據,形成評估的依據,再根據設定指標的需求調整策略參數。
因此傳統的回測過程有一個稱呼看後照鏡開車,就是在描述這種狀況,後續會詳細描述為什麼回測後不要看著回測結果調整參數

回測的假設

回測最大的假設是:策略中描述的事件會反覆發生。這個假設支撐了整個量化交易的骨幹,而進行驗證的時候我們會希望參數能夠盡量的反映未來我們可能遇到的狀況。

另外要注意幾個回測時會出現的假設:

  • 買進時間:回測時買進時間受到資料來源的影響,以本文為例,我們因為沒有逐筆交易的資料因此只有開高低收,而當日最高與最低我們都無法知道,因此形成只能在開盤或收盤買賣的狀況,更甚者只能在隔天開盤買進(哭阿)。
  • 空方沒有券:台股做空需要先融券,如果不是做當沖交易勢必需要借得到券才能交易。
  • 交易資料時間錯誤:例如台股中三大法人資料大約是5點才出,而且資料庫可能有一些原因導致資料晚出,這時候要注意模型不能夠在當日交易的時候參考到實際交易時沒有的資訊,這就是資訊洩漏,是很多人會意外犯的錯誤。
  • 假設必然成交:有很多股票是交易量很少的或是你想要交易的張數過於龐大(你有錢你行)。此時要注意交易量不能大於股市的交易量約20%,否則會出現影響市場的問題,同時也要注意在各個時間點交易量並不是平均分布的,所以也可能想要交易的時點是沒有辦法交易到合理的價格的,請一定要小心。

常見回測參數

以下是回測的常見參數(參考multicharts):

理解交易策略績效評估指標:

  1. 淨利:簡單來說,淨利就是在整個回測歷史中策略產生的總盈虧。

  2. 最大策略虧損(MDD):代表帳戶淨值從峰值下降的最大幅度。當帳戶淨值創新高時,DD會重新計算,而MDD是最大的下降值。

  3. 初始資金報酬:初始資金報酬就是總淨利除以初始資金。

  4. 帳戶報酬:帳戶報酬是以MDD取代初始資金計算的,考慮實際交易時的保證金需求,相對比較實際。計算方式為總淨利除以MDD。

  5. 獲利因子:也稱為Profit Factor (PF),是每一筆交易盈餘除以每一筆交易虧損的比率。通常,大於1.5或2才被認為是好的。

  6. 風報比:風報比是評估獲利所承擔風險的指標,計算方式是淨獲利除以MDD。可以進一步計算年化風報比以便比較不同回測長度的策略。

  7. 獲利分佈:有些策略可能主要獲利來自早期,這可能會成為陷阱。

  8. DD跟MDD的期間長度:MDD金額在報表中有,但無法看出它的時間長度,需要畫圖觀察。

  9. 勝率:簡單來說,就是交易中獲勝的比例,通常以百分比表示。

  10. 平均獲利/平均虧損比率:賺賠比,是平均獲利除以平均虧損的比率,用來評估策略的效益。

  11. 最大的交易獲利與最大的交易虧損:這兩個數字可以通過回溯K線圖來了解,在哪些交易中發生了最大的盈利和虧損。


上一篇
使用隨機森林建立股票預測模型
下一篇
Day6 股票模型效果修正_準確度_混淆矩陣_交叉驗證
系列文
從零到英雄:用GCP建立AI交易體系34
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言