比較參數(shù)在歷史行情中的表現(xiàn)來確立合適的參數(shù)，更加具備可行性和科學(xué)性

　　提要

　　在建立模型的過程中，一些擁有豐富實(shí)戰(zhàn)經(jīng)驗(yàn)的投資者，僅憑經(jīng)驗(yàn)就能夠選出很好的模型參數(shù)，這是其長期投資實(shí)踐藝術(shù)化的體現(xiàn)。但對于大部分量化建模人員，通過使用科學(xué)、嚴(yán)謹(jǐn)?shù)姆治鲶w系，通過比較參數(shù)在歷史行情中的表現(xiàn)來確立合適的參數(shù)，更加具備可行性和科學(xué)性。當(dāng)然，在具體實(shí)踐中，在幾個合適模型參數(shù)間的取舍，依然離不開模型開發(fā)人員的藝術(shù)性的選擇。

　　交易系統(tǒng)可以理解為由內(nèi)在的邏輯與外在的參數(shù)有機(jī)構(gòu)成，我們希望程序化交易系統(tǒng)能夠?qū)ξ磥韮r格進(jìn)行預(yù)測，不可避免地要涉及對模型參數(shù)的正確設(shè)置。通常我們在選取參數(shù)時多會碰到兩個難點(diǎn)：一是如何選擇合適的指標(biāo)來評價不同參數(shù)下模型的表現(xiàn)；二是如何通過參數(shù)設(shè)置提升模型對未來的適用性。前者我們在《好模型VS壞模型》一文中已經(jīng)有論述，不在贅言，后者則是本文重點(diǎn)討論的問題。

　　現(xiàn)在借助計算機(jī)強(qiáng)大的計算能力，我們可以迅速得出模型在不同參數(shù)下歷史行情中的表現(xiàn)，但是問題在于，我們判定參數(shù)的好壞是基于歷史的行情數(shù)據(jù)，而未來的行情是動態(tài)變化的，其與歷史行情既有相似性，也有變異性。這種變異性，可能使基于歷史行情選出的最優(yōu)的參數(shù)在未來行情中并不適用，甚至帶來大幅虧損。實(shí)踐中，一方面，我們可以通過參數(shù)優(yōu)化改進(jìn)模型，讓模型更好地匹配價格波動的模式，提高投資收益；另一方面，我們又要防止對參數(shù)的過度優(yōu)化，導(dǎo)致模型的行情適用性大大降低。因此，模型參數(shù)調(diào)優(yōu)是我們構(gòu)建交易系統(tǒng)過程中的一項(xiàng)技術(shù)性與藝術(shù)性并重的工作。

　　上表是我們在股指期貨主力連續(xù)合約上，在某個特定的時間周期內(nèi)，對某個模型在開倉條件選取不同閥值（參數(shù)α）下的回測數(shù)據(jù)。為直觀簡便起見，表中參數(shù)α給出的是0―10依次增加的自然數(shù)，與模型選取的閥值一一對應(yīng)。本表選取了6個評價性指標(biāo)來判斷不同參數(shù)下模型的好壞，其評價指標(biāo)具有一定的代表性，反映的是筆者對模型好壞的判斷。在實(shí)際中，投資者也可以根據(jù)自己的偏好來選取評價指標(biāo)。

　　首先，從總盈利率和最大回撤率上來看，如果兩者的比值偏低，可能與選取的特定交易時間段有關(guān)，需要另外選取數(shù)據(jù)區(qū)間進(jìn)行測試。若模型表現(xiàn)仍無實(shí)質(zhì)性提升，就趨勢性模型而言，表明該模型交易勝率偏低，其開倉條件尚需進(jìn)一步改進(jìn)，而不僅僅是進(jìn)行參數(shù)優(yōu)化的問題。其次，從平均單筆盈虧比來看，隨著閥值的提高，盈虧比上升明顯，比較符合趨勢模型小賠大賺的投資理念，模型內(nèi)在的投資邏輯具有一定的可行性。但從最大盈利和最大虧損上來看，其比值過小，低于平均每筆的盈虧比值，可以認(rèn)為在平倉以及止損條件的設(shè)置以及參數(shù)的選擇上，仍有一定改進(jìn)的空間。

　　我們考慮在模型僅有一個參數(shù)α的情況下，如何通過分析回測數(shù)據(jù)來選取合適的參數(shù)，既提高模型的投資收益，又保障模型未來的適用性。按照α的取值從小到大的順序來看，當(dāng)α=2時，模型回測效果很好，明顯優(yōu)于相鄰參數(shù)取值下的表現(xiàn)。然而通過對比成交記錄，我們發(fā)現(xiàn)模型優(yōu)異的表現(xiàn)來自于剛好回避了相鄰參數(shù)取值下幾筆較大的虧損，其投資表現(xiàn)具有很強(qiáng)的偶然性。在僅僅做一手的測試環(huán)境以及特定的數(shù)據(jù)區(qū)間內(nèi)，某個特定的參數(shù)值很容易剛好抓住幾筆較大的盈利或回避較大的虧損，從而獲得較高的投資收益，但該參數(shù)在未來行情中的適用性并不能保證。而當(dāng)α=5，6，7，8，9時，從各項(xiàng)評價指標(biāo)上看，模型的回測效果都較好。

　　參數(shù)在一定取值范圍內(nèi)均有較好的表現(xiàn)，必然是其吻合了品種價格波動的某些特性，因此就使得模型優(yōu)異的表現(xiàn)在未來具有可復(fù)制性。從多年的實(shí)踐經(jīng)驗(yàn)來看，在參數(shù)調(diào)優(yōu)的過程中，我們必須區(qū)分出模型優(yōu)異的表現(xiàn)是來自于對歷史行情數(shù)據(jù)過度的擬合，還是來自于更好地描述出價格波動的模式，只有后者才是好的參數(shù)。在確定好參數(shù)α合適的閥值范圍后，我們還要盡量選取中間值，比如選取α為6的情形，而不是邊緣的值，因?yàn)榭紤]到一旦未來行情發(fā)生改變后，在邊緣閥值之外，模型的投資獲利能力較差。

　　上述例子考慮的是單一參數(shù)條件下通過使用模型回測來選取合適的參數(shù)，而通常一個模型往往會使用多個參數(shù)，加大了參數(shù)調(diào)優(yōu)的難度。一個較為可行的辦法是采用三維視角來評估對比。此外，由于評估需要采用多個評價指標(biāo)，很可能出現(xiàn)互相矛盾的結(jié)果，我們的建議是依據(jù)投資者自身的偏好，對各個評價指標(biāo)進(jìn)行排序，對前幾位的指標(biāo)分別建立多維的分析矩陣來選取合適的參數(shù)。當(dāng)然，按照單一參數(shù)下的原則，異常的值仍然需要排除，我們需要參數(shù)在一定范圍內(nèi)都能夠獲取好的表現(xiàn)。

　　在建立模型的過程中，一些擁有豐富實(shí)戰(zhàn)經(jīng)驗(yàn)的投資者，僅憑經(jīng)驗(yàn)就能夠選出很好的模型參數(shù)，這是其長期投資實(shí)踐藝術(shù)化的體現(xiàn)。但對于大部分量化建模人員，通過使用科學(xué)、嚴(yán)謹(jǐn)?shù)姆治鲶w系，通過比較參數(shù)在歷史行情中的表現(xiàn)來確立合適的參數(shù)，更加具備可行性和科學(xué)性。當(dāng)然，在具體實(shí)踐中，在幾個合適模型參數(shù)間的取舍，依然離不開模型開發(fā)人員的藝術(shù)性的選擇。

　?。ㄗ髡邌挝唬汉ＷC期貨）