(期货交易的秘密模糊的正确远胜于精确的错误.docVIP

期货交易的策略和技巧---解析程序化模型参数优化 程序化交易近年在国内发展迅速，越来越多的投资者采用程序化交易，参数优化也成为构建交易模型时不可或缺的环节，而投资者最关注的问题就是怎样选择合理的模型参数，本文针对模型参数优化进行了分析与讨论，以螺纹钢趋势策略为例，对参数优化结果进行了分析，合理的最优参数应该在附近都有较好的效果，最后分析了过度拟合参数。一、 程序化交易系统构成 ? ? 这个公式看起来可能有些复杂，其实笔者想说明的是核心的内在逻辑决定着程序化系统模型的好坏，系统参数的优化并不是决定性的，而是可以起到锦上添花的作用，也就是说，优秀的程序化交易系统，它的总收益F取决于他的历史平均收益，外在因子对系统的影响应该是比较小的。? ? 我们通过上述可以明白，无论是震荡模型或是趋势模型，都不是简单的代码堆砌，而应该有核心逻辑在其中。如果模型本身是信手拈来的代码，无根可循，那么无论做何种参数优化，效果如何完善，系统的本身应该是存在问题的。二、程序化模型参数优化? ? 我们希望在拥有一个内在逻辑较合理的模型后，交易系统可以尽量高的达到历史测试收益，以期达到尽量准确的对未来价格进行预测，无法避免地要涉及对模型参数的正确设置。? ? 我们在选取参数时通常会碰到两个难点： ? ? 1.怎样通过参数设置提升模型对未来的适用性； ? ? 2.怎样选择合适的指标来评价不同参数下模型的表现。? ? 我们借助计算机强大的计算能力，可以迅速得出在不同参数下历史行情中的模型表现，通过历史回测效果，可以快速地观察到不同因子对于系统模型的影响，以下笔者在交易开拓者平台，长度约5年，选取螺纹钢指数30min合约上市以来的数据，加载拥有三个参数的趋势策略，收益率曲线如图1所示? ? ? 从图2、3、4中可以发现，在一定取值范围内参数均有较好的表现，其吻合了品种价格波动的某些特性是必然的，因此笔者大胆的认为，在该取值范围内的参数，在未来可以使得模型优异的表现具有可复制性。? ? 一个模型往往会使用多个参数，而参数调优的难度也大大增加了，上述例子考虑的是单一参数条件下，通过使用模型回测来选取合适的参数，那么采用三维视角来评估对比是一个较为可行的办法。为了优化参数X和Y，进一步分析多因子对于系统收益的影响，三维分析效果如下图所示： ? ? 从上图可观察到，系统的收益率均在在坐标较远区域表现并不理想，而在附近区域均表现较好。? ? 在一定程度上，参数优化可以很好的改善交易系统的历史回测效果，某些时候通过参数优化，我们甚至会发现得出了一条完美的收益曲线，但是，也许你遇见了过度拟合的问题也是很有可能的，接下来阐述这个问题。三、过度拟合? ? 对程序化稍微了解的朋友，在实际咨询了解程序化模型时，模型有了几个参数是一开始就会问到的，一般4个以上就会被认为过度拟合，不可能被接受。笔者认为，参数过多会拟合行情是不可否认的，但是更应该多观察，让数据说话。图6中阐述参数过度拟合的二维分析效果，分别在数值35和63出现了收益率突增状态。 ? ? 一般最优参数的性能如果远高于附近参数系统的性能，那有可能这个最优参数是一个过度拟和的结果，在数学上可以认为是奇点解，而不是我们寻找的极大值解。奇点从数学角度来说是不稳定的，最优参数可能在市场特征发生变化时变为最差参数。什么是过度拟合的无效参数？它与选取的样本有关系，市场总体走向是选取的样本不能代表的，也就是说过度拟合的无效参数既是只为测试结果为正期望值而调整的参数。? ? 未来的行情是无法预料的，而在我们选取的历史数据样本上，我们优化得到的最优参数是成立的，历史上表现最好的参数可以找到，但随着行情波动变化，难道它就不会变成一组糟糕的参数吗？过度拟合与参数优化的主要矛盾就在于此。既然这样，也会有读者提到，将交易系统全部固定为经验值，不设置参数也是一个好办法吧！其实，市场总是在变化的，我们使用程序化交易模型的目的是什么呢？就是为了抓住这种变化中的确定性规律，而这种规律也是时变的，模型参数调整只是为了更好适用行情变化。? ? 时至今日，模型在不同参数下历史行情中的表现，可以借助计算机强大的计算能力迅速得出，但是问题在于，未来的行情是动态变化的，而我们是基于已发生过的历史行情数据来判定参数的好坏，与历史行情相比既有变异性也有相似性。此变异性在未来行情中，也许会让基于历史行情选出的最优参数带来巨大亏损。? ? 在程序化模型构建时，在通过参数优化改进模型，让模型更好地匹配价格波动的模式，同时，对于参数的过度优化，导致模型的行情适用性大大降低也要严防紧守。所以在构建交易系统的过程中，模型参数调优也是一项十分重要的工作。