量化交易中所谓「回测易,实盘难」的问题怎么解释?

不同风格的策略对于回测的要求是不同的,比如对于多因子选股或者趋势策略等,需要注意的几点是:
1. 区分好样本内数据和样本外数据,这个和机器学习很类似,样本内数据用于训练,样本外数据用于校验。这样做的目的是为了避免过拟合陷阱。
2. 收益的分布,看看你回测后所有交易的收益分布,看看你的收益来源是少数的几次大的收益还是来源多次的小的收益。来源于大的收益,你的收益波动性就很大,实盘往往会达不到你的效果。
3. 参数的稳定性。如果你某个参数过敏感,随便调整下就对收益影响很大,那你实盘的情况和模拟盘也有很大可能会有出入。
这类策略严格来说,避免了一些常见的坑,还是比较容易做到回测和实盘类似的。

对于高频交易来说,回测和实盘的差距就更大了,需要注意的点就更多了,简单列出几个吧:
1. 数据的精度,基本来说,这类策略需要是全部行情严格按照时间戳来回放,分钟级别的都太粗糙了。
2. 滑点问题,实盘很难避免滑点,你要估计出一个滑点的数字,在回测里扣除。
3. 行情的延迟问题,在回测里行情是没有延迟的,而在实盘行情必然有延迟,这部分也会对收益有很大影响。
4. 成交问题,有些策略,比如被动做市商策略,你需要自己模拟订单的撮合成交情况,这部分和实盘往往有很大差距,你需要尽可能的去近似。而你采用交易所提供的模拟撮合环境的话,基本上是不可信的。
5. 在实盘因为延迟的缘故,你还会遇到反向选择的问题,你也需要去评估实盘和回测这方面的差距。
总之,在高频交易策略中,实盘能达到回测60%的效果,就是回测做的很成功的了。

登录后评论
Copyright © 2019 宽客在线