收益率最大化要避免参数孤岛

下面这个研空，不是古期写的，是一个台湾朋友写的，我看了后觉得很不错，很说是问题，所以，发出来给大家一起分享。古期深入研读后，很有体会。这篇报告，主要在讲解参数孤岛的问题，就是，这个参数在历史中是大赚的，而周围的参数，却都是大亏的，就像一座孤岛，四周都是海水，这种参数的得的收益率，是相当危险的，一不小心，你就掉海里去了。

下面是台湾朋友的原报告。

一般人在作交易系统最佳化的时候, 通常多多少少都会作最佳化的动作. 其实最佳化的过程其实是一把刀的两面. 作的好的话可以帮我们找到最适合这个市场的参数, 但是作不好的话就会让我们陷入 curve fitting的困境. 在这里简单介绍最佳化参数孤岛的情形.



假设我们现在有一个交易系统, 只有一个参数, 就是 x天的移动平均线. 一但收盘价向上穿越这条移动平均线就买进, 向下跌破这条移动平均线就卖出. 然后我们要找出这个x应该等于多少才是最适合的参数. 假设我们最佳化测试了10~100天, 间隔10天. 下面是每个参数的结果:



测试次数 x值 P/L(Profilt or Loss)

1 10 -45,000

2 20 -34,000

3 30 --67,000

4 40 +98,000 <-----有最好的profit

5 50 -87,000

6 60 -42,000

7 70 +19,000

8 80 -48,000

9 90 +79,000

10 100 -68,000



这时候当我们采用40天的移动平均线的时候, 会有最好的profit. 但是如果我们真的拿这个系统去交易的话, 我保证绝对死的很难看. 因为这个就是标准的参数孤岛. 因为只有 x=40的时候才有很好的结果, 但是在x=40的附近的参数. 例如x=20,30,50,60的时候, 这个系统是会赔钱的, 而且赔很多钱.



良好的系统参数应该是在最佳参数的邻近数字, 也应该有相对不错的表现. 例如我们用40天移动平均线有最佳的表现,那么我们应该用30 or 50天的移动平均线也应该有不错的表现. 如果有很大的差距的话. 那么很可能就是curve fitting的结果.



另外假设我们测试的结果是这样的情形的话:



测试次数 x值 P/L(Profilt or Loss)

1 10 -12,000

2 20 +34,000

3 30 +67,000

4 40 +98,000 <-----有最好的profit

5 50 +87,000

6 60 +62,000

7 70 +39,000

8 80 -18,000

9 90 -19,000

10 100 -18,000



那么我就会很有信心来采用 40天的移动平均线来作为我的参数. 因为最佳值 40的邻近数字:20,30,50,60,70都有不错的绩效表现. 所以代表着如果市场表现跟之前不同的话. 我的绩效也不大会有太大的变异. 这样就算我的系统出现连续亏损的情形, 我也会相对有信心来继续采用这个交易系统.