打印本文
關閉窗口
回溯測試中的交易環境與真實的交易環境是有一定差異的，這種差異越大，回溯 測試的結果用于判斷策略效用的能力就越低下。
回溯測試與真實環境之間差異的情況，大致可以分為兩類。其中一類差異是可以通過人為設置回溯測試、或者人為限定真實交易的手段而基本消除的。在這一類差異 當中，實際交易時的買賣點與回溯測試下的買賣點不一致的問題是一個比較常見的例 子。具體來說，就是在中低頻的量化交易策略研發中，回溯測試使用的數據往往不是 價格進行一次變化就記錄一次的分筆數據，而是記錄一段時間內的開始價格、最高價 格、最低價格、結束價格之類的二次處理后的數據。因此，如果真實交易中的買賣點 發生在開始價格和結束價格之間的某一個時間時，是不能反映在二次處理數據所構造 的回溯測試中的，也就會造成這兩者買賣不一致的問題。
圖 3.6 給出了一個日內買賣與回溯測試不符的實際案例。假設在這個例子當中， 研究人員在回溯測試中使用的數據是日度收盤價所組成的時間序列，測試的量化交易 策略為“當價格超過 10 日均價時買入，當價格低于 10 日均價時賣出”。圖中給出的 是某一日全天的價格走勢，假設這一天的價格達到 53.5 以上時，則觸發“價格超過 10 日均價”的條件需要買入。可以看到，在回溯測試的流程中，由于當日價格報收于 53， 沒有達到 53.5，因此回溯測試時是判斷該日沒有交易行為的。但是查看實際的全天價 格走勢，可以發現價格突破了 53.5 一共三次，并又三次下跌到 53.5 以下，如果采用 回溯測試得到量化交易策略并全天候的應用于資產交易當中，這一天其實已經買入并賣出了該資產三次了。如果這里的資產是 A 股中交易的股票，那么情況可能更糟，在 日內第一次超過 53.5 時進行了買入操作之后，由于 T+1 的規定因此不能再在該日賣 出，最后的結果是回溯測試中該日沒有交易，但是實際上該日收盤后持有了股票倉位， 這種差異將完全破壞掉回溯測試結果的可信程度。
對于如何處理這一類的差異，有三種可供參考的解決方案：
在回溯測試時，使得回溯測試的環境盡量與真實的交易環境保持一致。在上面 的例子當中，就是將回溯測試使用的二手數據換成更為精確的分筆數據，從而模擬整 個交易過程中都可以買賣的現實環境。
在實際的交易過程當中，盡量貼近回溯測試中的交易情況。以上面的例子而言， 就是在實際交易中忽略每一日盤中的走勢，只在收盤時判斷交易與否。但是值得注意 的是，由于得到收盤價的同時也就代表著當日交易的結束，完全按照收盤價進行交易 決策會導致不能執行的問題，因此這種解決方案需要在實際收盤點提前一小段時間進 行交易決策并執行。
合理估計實際環境下的交易與回溯測試之間的差異，并在回溯測試過程中通 過計算上的調整反映出這些差異。在上面的例子里，實際上就是估計出相對于回溯測 試中的收盤交易而言，盤中交易會帶來的收益和損失，并在回溯測試里加入對估計收 益和損失的刻畫。但是如果實際差異涉及到 A 股市場 T+1 造成的建倉不符之類的問 題，那么這種解決方案可能就不是一個很好的選擇了。
此外，改變量化交易策略，使之能夠適應這種回溯測試與真實環境之間差異，也 是一種在實際策略研發過程中可能會用到的處理手段。比如上面的例子中，可以在原 始的量化交易策略判斷買賣點時，加入合適的限定條件或者緩沖條件，從而解決頻繁 的來回買賣的問題。但是這種方法只能治標、不能治本，即使來回買賣的問題得到了 緩解，但是回溯測試與真實環境間的差異仍然會存在，如果希望將這種差異消除掉， 可能仍然要結合上面所述的三種方案或者其他方案來完成。
對于這三種方案而言，建議在有能力的情況下，優先考慮第一種解決方案， 即使很難獲得相同樣本期下的分筆數據，也盡量采用頻率更高的數據來代替之前的數 據，從而更好的逼近真實的交易環境。隨后的選擇才是第二種和第三種解決方案，這兩者之間沒有一個固定的更優選擇，需要結合具體的量化交易策略、研究環境和交易 環境進行人為判斷。當然，也存在著其他一些具有實際意義的操作方案，例如將第一 種和第二種解決方案結合起來，同時更新回溯測試和實際環境中的交易行為。再以圖 3.5 中所展示的例子來說明，完全在收盤時進行判斷和買賣在現實環境中是不可能的。 而由于在收盤之前的短暫時間進行交易的判斷和執行穩定性較差，而且用來判斷交易 的數據點也不是收盤價，因此會存在較大的差異。在頻率更高的樣本數據無法獲取的 情況下，其實可以在回溯測試中改用開盤價進行研究，如果測試結果也可以得到合適 的收益和風險情況，那么執行時就可以在開盤之后立即執行，這種情況下所使用的判 別點就是當日的開盤價，差異僅存在于開盤和執行之間的時間差，而且這種差異較之 前一種情況來說，一般會更小一些。{原文來自：www.tumamayizhan.com }
另外一類回溯測試與真實環境之間的差異則是很難通過人為的修改和設置來消 除的，其中最常見的是實際環境中會產生的交易成本。估計交易成本是量化交易策略 從研發進入實際執行前一個必要的步驟。流動性也是一個是時常會導致回溯測試產生重大缺陷的問題，這個問題在 A 股 市場上同樣格外明顯，到目前為止國內的 A 股市場仍然設置漲跌停板，如果某交易策 略判斷買入一支將會漲停的股票，在回溯測試中可以正常建倉，但是真實交易中可能由于當日的開盤時刻就漲停，因此實際上是沒有機會買入這支股票的。將回溯測試使 用的二次處理數據更換為更精確的數據，例如分筆數據或者分鐘數據、小時數據等來 進行研究，可以在一定程度上減小這種情況下回溯測試與真實環境之間的差異。當然 這只是流動性缺失的一個比較極端的例子，在大部分存在流動性問題的情況下，可能 會出現的結果是實際交易價格與回溯測試的虛擬交易價格不一致，研究者們通常將這 種差異也歸為交易成本的一種，并通過預估來嘗試解決。總的來說，處理這一大類的 差異主要還是采用前面提到的第三種方法，即合理估計實際環境下的交易與回溯測試 之間的差異，并在回溯測試過程中通過計算上的調整反映出來。{原文來自：www.tumamayizhan.com }
此外，很難通過人為的修改和設置來消除的差異還包括量化交易從業者對于量化 交易系統的整體判斷和情感因素。誠然量化交易策略的優點之一就是可以規避策略研 發者的主觀臆斷、排除情緒化對于整個交易過程的干擾和影響，但是研究和控制量化 交易策略的畢竟還是人，因此總體上的行為偏誤依然會存在。例如量化交易員對于量 化交易策略整體風險的承受能力，雖然在研發過程中，研究者可能會設定一個 30%的 警戒線，如果虧損達到 30%則判定策略失效并放棄策略，但是實際的運行過程中，5% 的虧損已經讓人惴惴不安，10%的虧損則讓人開始懷疑策略的正確性并重新檢驗，20% 的虧損可能就讓人放棄堅持并修改策略了。有主觀判斷存在，就有偏誤和差異存在， 這是交易策略都固有的問題。