1221  

 

交易策略是基於對市場的歷史走勢而產生的交易概念、想法及心得,並將其導入交易系統。當我們每天在做市場研究分析時,其實就是在尋找最佳化的動作。所以在建立交易策略的過程其實就是一個最佳化的過程。最佳化的定義不僅僅是針對數字,也可能是針對某個系統或是某個商品測試,找出績效最好的結果。

策略最佳化的程序進一步加強和自動化這個程序,在一定範圍的條件下尋找最合適的參數。 藉由測試一個區間的訊號參數,最佳化可以幫助使用者選取在特定歷史資料中達到最佳策略績效的參數。 最佳化幫助使用者更了解策略特性及設定新的進出場條件。

每一個最佳化方法都有各自的優缺點,並有其適合的使用時機。不同交易員使用不同條件去定義策略績效。有些交易員使用最高淨獲利,然而有些交易員使用最低損失。 尋找適合自己的條件。

 1210  

MultiCharts提供暴力演算法、基因演算法以及移動窗格演算法三種最佳化方式

1211  

暴力演算法(以下內容部分擷取自凱衛官網),又稱為窮舉法,依序將所有可能的組合代入策略找尋最佳解。 這個方式的好處是所有組合都會被計算並找出絕對最佳解。缺點是參數多的話花費的時間比較久

1212  

基因演算法最佳化只計算較精準的組合,使用暴力演算法的部分時間找尋近似最佳解。 這使得基因演算法最佳化足以分析上百個參數的策略。進一步基因演算法的設定可以增加這個功能的彈性。基因演算法的缺點是求出來的解會是近似最佳解,不見得會是最佳解。

1213  

移動窗格  

移動窗格最佳化是一個對付曲線擬合策略開發問題的最佳化方法。將資料數列切割成多個區段,每個區段分隔為樣本內(IS, in-sample) 和樣本外(OOS, out-of-sample)二個部分。

策略的參數最佳化使用第一個區段的樣本內資料執行。同樣的參數回測同一個區段的樣本外資料。剩下的區段重複執行這個程序。

每個區段樣本外的績效被認為"真實交易"而非"曲線擬合"的結果。因為得出樣本外績效的參數是由樣本內數據所產生。

分為固定起點和不固定起點 (回測樣本的基準時間是否固定)

1216

1214  

 1215  

換句話說就是將週期分為樣本期間與回測期間,先根據樣本期間跑出最佳化,再依該組合的參數在回測期間內績效變化,找出重複次數最高的參數作為進場依據

1220    

另外回測有個進階功能,利用3D圖表顯示找出最適合的區間 。解讀Multicharts的3D圖表功能 ,在3D績效圖表上看得出來有山峰也有平原,實務上在挑選績效曲線的時候,比較建議取用平原處的績效參數。

1222  

 

最後要提醒的是: 回測績效不代表未來,投資人仍必須考量自己的風險承受能力,做好資金管理

 

arrow
arrow
    全站熱搜

    元大期貨楊宗儒 發表在 痞客邦 留言(0) 人氣()