期權加油站

這樣的績效報表 你相信有可能嗎?

 在Multicharts有個功能，就是幫助我們快速挑出交易策略裡面的參數值，稱之為參數最佳化。只要是你寫的策略裡面有用到數字，都可以針對這些數字給予一定的範圍測試，跑出一組最好的成績

最佳化又可以分為暴力演算法 基因演算法 和移動窗格 
跑出一連串的數字後 再利用最佳化圖表排序，找出績效最好或是勝率最高的參數值

暴力演算法，是依序將所有可能的組合代入策略找尋最佳答案。好處是所有組合都會被計算並找出絕對最佳解；缺點是會花費比較多的時間。
基因演算法 只計算較精準的組合，在處理大量的參數運算上速度較快，使得基因演算法最佳化足以分析較多參數的策略，缺點是比較沒有那麼精細。
移動窗格 則是分割資料數列成多個區段，每個區段分隔為樣本內(in-sample) 和樣本外(out-of-sample)；參數最佳化使用第一個區段的樣本內資料執行，同樣的參數套用同一個區段的樣本外資料。

就像一碗麵  個人喜好不同 喜歡什麼味道就自己加調味料，酸甜苦辣就會不同；回測時有些人重視報酬率有些人重視勝率，代表著不同意義 都各自有偏好的人。我們寫了一隻策略，常常會對程式碼裡面的每個數值去挑選一組最優參數 希望得到一條往右上45度角的曲線，卻往往忽視了最佳化的結果也是最假化

最佳化應該注意哪些原則? 

• 參數越少越好 同一個策略最佳化的參數盡量少於5個
• 回測檢驗的參數範圍不要太細
• 取一段時間當樣本內 不要剛好回測到最近的交易日

如何避免過度優化(overfitting)  

• 策略邏輯清晰
• 參數最普佳化而非最佳化
• 多時間架構檢驗

除此之外，我覺得針對樣本內優化之後的參數再打開其他的時段，觀察樣本外績效曲線的變化

你是否也和我一樣 曾經開發出印鈔機的策略，但不知道為什麼實際上線後就GG了

所以……不要太在意華麗的外表  要看清楚卸妝後的真面目；也不要過度相信回測績效，真正在乎的是真實上線後的表現~~