目前AQF量化交易正在不斷地快速發(fā)展，量化交易的可回測性是區(qū)別于主觀投資的重要特征。量化回測是指基于歷史行情數(shù)據(jù)將交易策略產(chǎn)生歷史交易，從而評估交易策略的歷史表現(xiàn)。
.jpg)
網(wǎng)上出現(xiàn)了越來越多的分析軟件、交易策略，咋一看回測的效果都非常漂亮，獲利百分之幾百的收益十分普遍。但是這個收益業(yè)績卻有可能是高估的，不明真相的朋友購買后自己使用時才發(fā)現(xiàn)現(xiàn)實是殘酷的。
這里建議大家在親眼看到策略代碼之前，都要保持半信半疑的謹慎態(tài)度，因為策略的收益是可以人為做出來的。真正賺錢的策略一定是由自己開發(fā)并建立起自信的策略，這也是為什么要介紹大家制作量化交易策略的方法，授人魚不如授人以漁嘛。
對于個人編寫的交易策略往往也會存在，回測效果非常完美，實盤卻可能表現(xiàn)不佳。為了避免在回測過程中高估策略的業(yè)績表現(xiàn)，我們需要考慮如何編寫回測程序以及如何構造交易策略。
今天我們來一起扒一扒量化交易中常見回測陷阱。
很多量化交易的朋友在指定策略時往往容易犯下這幾種類型的錯誤：前視偏差、不設置滑點、無手續(xù)費、過度優(yōu)化等。這些錯誤可以使你在回測階段把不盈利策略變得盈利，但是在真正的交易中卻會造成災難性的后果。首先介紹下前視偏差。前視偏差是指在策略回測階段采取了未來的信息來決定之前的交易，而這些信息在實盤操作中是無法獲知的。這里我們提供幾個典型的案例來介紹下：
買入策略1：“當天的收盤價突破前一天的較高價，則利用當天開盤價買入股票”，很明顯，在開盤價成交幾乎是不可能的事情了。
前視偏差是我們要極力避免的錯誤。如何避免前視偏差?可以使用“滯后”的歷史數(shù)據(jù)來計算策略信號。滯后的數(shù)據(jù)意味著，在涉及到移動平均值、較高價、最低價、成交量等指標時，只使用“上一”交易日的收盤數(shù)據(jù)。
比如：shift(1)是在index不變的情況下對序列的值向后移動一個單位。目的是獲取昨天為止的較高/最低價格。這樣就能使用“滯后”的歷史數(shù)據(jù)來計算策略信號。
如果一個交易策略要求你利用信號觸發(fā)時的價格進行交易，那么這個交易策略就存在偷價的情況。
很多人會低估偷價的危害性，事實上，固定點數(shù)的偷價相當于在原本的資金曲線上疊加了一條斜率為正的直線(在每次交易都是固定手數(shù)的情況下)。假設一年250個交易日，每個交易日均對一只長期保持10元的股票執(zhí)行一次100股的買賣，每次買賣都偷價1個tick(tick設置為1個點，即0.1元)，那么全年下來可以多獲利5000.1100 = 5000元，這甚至超越了你的本金(10*100=1000)。
然而，現(xiàn)實的情況是不但無法低于一個tick的價格成交，更多的反而是高于一個甚至多個tick的價格成交。原因很簡單，大多數(shù)趨勢交易者都會在某個關鍵點位建倉，競爭導致價格在這些關鍵位置形成劇烈波動，并且這種波動通常是對程序化交易不利的波動。所以在構建一個頻率較高的交易系統(tǒng)的時候，更多是要考慮和解決滑點問題。手續(xù)費相當于在原本的資金曲線上疊加了一條斜率為負的直線(在每次交易都是固定手數(shù)的情況下)。策略進行測試時，如果不計入手續(xù)費，資金曲線可能會產(chǎn)生巨大差異，甚至不計手續(xù)費時盈利的策略，在計入手續(xù)費后可能產(chǎn)生虧損。
當前股票交易費用由三部分組成：傭金、印花稅、過戶費(僅上海股票收取)
印花稅：成交金額的1‰ 。
過戶費：這是指股票成交后，更換戶名所需支付的費用。此費用按成交金額的0.02‰收取。
交易傭金：較高收費為3‰，最低收費5元。
假設你買入10000股，每股票價格為10元，以此為例，對其買入成本計算：買入股票所用金額：10元/股×10000股=100000元;過戶費：0.02‰×100000=2元;交易傭金：100000×3‰=300元(按較高標準計算，正常情況下都小于這個值);買入總成本：100000元+300元+2元=100302元(買入10000股，每股10元，所需總資金)
若以10.08每股賣出價格計算：股票金額：10.08元/股×10000股=100800元;印花稅：100800元×1‰=100.8元;過戶費：0.002%×100800元≈2元;交易傭金：100800元×3‰=302.4元;賣出后收入：100800元-100.8元-2元-302.4元=100394.8元;
滑點是指觸發(fā)指令的價格和最終成交價格之間的差異，它是難免會發(fā)生的情況，通常滑點產(chǎn)生的原因有以下兩類：
行情波動劇烈、市場容量不夠等情況導致的
網(wǎng)絡延遲、交易平臺不穩(wěn)定等情況導致的
滑點是一個合格的交易策略必須充分考慮的因素。如果在一個交易策略中，將滑點數(shù)設置為0，即采用現(xiàn)價指令買賣證券其資金曲線就會優(yōu)于同一個滑點數(shù)不為0的策略。通常我們要在最極端的條件下去構建和測試系統(tǒng)，一般系統(tǒng)都是高于2個tick的滑點來構建的。接下來談談過度優(yōu)化。過度優(yōu)化是指為了遷就歷史數(shù)據(jù)的噪音而將一個策略的參數(shù)或者規(guī)則反復優(yōu)化到較佳的情況。
假如要把某個策略的資金曲線做的非常出色，我們可以這么優(yōu)化：針對某段特定的行情進行參數(shù)優(yōu)化，之后將分段行情對應的資金曲線拼接起來，得到一個表現(xiàn)更優(yōu)秀的資金曲線。也可以指定過去某幾個表現(xiàn)較差的交易日不進行交易。上述經(jīng)過加工的回測一定表現(xiàn)優(yōu)異，單純?yōu)榱俗非筚Y金曲線，這類策略模型僅僅適用于過去發(fā)生但未來不會再重現(xiàn)的歷史偶然事件，并不考慮是否適用于未來的行情。
.jpg)
避免過度優(yōu)化的有效辦法有以下幾個：
一般而言，策略的規(guī)則越多，模型的參數(shù)越多，就越可能出現(xiàn)過度擬合問題。因此采用的參數(shù)越少，可以優(yōu)化的規(guī)則越少，自然過度優(yōu)化的情況就能夠得到很好的避免，并且，越少參數(shù)構建的策略，往往越穩(wěn)健，無論其時效性或魯棒性均能超越眾多復雜的策略。
合理選擇樣本。有些策略覆蓋的股票品種太少，時間周期太短，不能充分展現(xiàn)策略效果。這些策略只能用于個別品種上，或者在更長時間周期上的資金曲線可能表現(xiàn)的并沒有那么好。有些策略雖然覆蓋了較長的時間段，或較多的品種或市場，但僅僅覆蓋了一種類型的行情(例如一輪較長時間的大牛市)。這些策略在遇到截然不同的市場情況時，表現(xiàn)可能會大相徑庭。
進行樣本外測試。構建策略模型時，將歷史數(shù)據(jù)根據(jù)時間先后分為兩段。參數(shù)優(yōu)化和定性選擇使用前一段數(shù)據(jù)(訓練集)，策略模型的測試使用后一段數(shù)據(jù)(測試集)。兩段數(shù)據(jù)的大小要大致相等，若數(shù)據(jù)量不夠，則至少用三分之一的數(shù)據(jù)做測試。訓練集的最小含量由樣本含量經(jīng)驗規(guī)則確定。
以上介紹的這些策略陷阱都有一個共性，就是在回測時表現(xiàn)地非常優(yōu)異，但與實盤并不相符，很多交易者在策略的開發(fā)中不自覺地會犯下這類錯誤，如果將回測結果作為自己預期收益和風險管理的依據(jù)，后果不堪設想，大家千萬要引以為戒。
量化金融分析師(簡稱AQF，Analyst of Quantitative Finance)由量化金融標準委員會(Standard Committee of Quantitative Finance，SCQF)主考并頒證，是代表量化金融領域的專業(yè)水平證書。
.png)
課程適合人群：
金融工程/數(shù)學專業(yè)背景的同學/工作人士，希望進一步學習Python編程以及在量化投資的實戰(zhàn)應用;
非金融工程專業(yè)背景的同學/工作人士，希望迅速成為寬客;
金融相關人員，希望學習如何系統(tǒng)的做量化策略;
個人投資者，希望系統(tǒng)學習掌握量化投資相關的實務技能，從模型開發(fā)，回測，策略改進，搭建穩(wěn)定的量化交易系統(tǒng)。
.jpg)
(點擊上圖了解課程詳情)
量化金融分析師AQF核心課程體系：
1、《量化投資基礎》
主要涵蓋了量化投資領域的必備知識，包括：基本面分析、技術分析、數(shù)量分析、固定收益、資產(chǎn)組合管理、權益、另類投資等內容。
2、《Python語言編程基礎》
包含了Python環(huán)境搭建、基礎語法、變量類型、基本函數(shù)、基本語句、第三方庫、金融財務實例等內容。旨在為金融財經(jīng)人提供最需要的編程方法。
3、《基于Python的經(jīng)典量化投資策略》
包含了最富盛名，最基本的量化交易思想和交易策略。例如：海龜交易模型、Logistics模型、配對交易模型、波動擴張模型、Alpha模型、機器學習(隨機森林模型、主成分分析)、深度學習(人工神經(jīng)網(wǎng)絡)等內容。
4、《量化交易系統(tǒng)設計》
旨在學習量化交易系統(tǒng)的具體知識，包括過濾器，進入信號，退出信號，倉位管理等詳細內容，并指導學員設計涵蓋個人交易哲學的量化交易系統(tǒng)。
5、《量化實盤交易》
旨在為解決實際量化交易策略搭建過程中的一些問題提供較優(yōu)解決方案。
掌握Python及量化投資技能，我們能做什么?
1、熟悉中國主要金融市場及交易產(chǎn)品的交易機制;
2、熟知國內外期貨交易、股市交易的異同點和內在運行機制;
3、掌握經(jīng)典量化交易策略細節(jié)及其背后的交易哲學;
4、掌握金融、編程和建模知識基礎，擁有量化交易實盤操作能力;
5、具備獨立自主地研發(fā)新量化交易策略的能力;
6、掌握量化交易模型設計的基本框架，以及風險管理和資產(chǎn)組合理論的實際運用;
7、掌握從策略思想——策略編寫——策略實現(xiàn)餓完整量化投資決策過程;具備量化投資實戰(zhàn)交易能力。
.png)
更多內容推薦閱讀：
咨詢電話：400-700-9596
AQF考友群：760229148
金融寬客交流群：801860357
微信公眾號：量化金融分析師
完善下表，48小時內查收aqf備考資料
(如果沒收到資料，可以點我咨詢)
.png)
