2017年4月25日 星期二
策略管理機制的驗證:Random equity
前文說過,KPI 只是整個管理系統的起點,因為所有的管理動作,都必須有"衡量",而且是一致化、量化的衡量,不是隨個人喜好的衡量。
然而,我們會想出各種可能的 KPI,也可能因而衍生出各種不同的管理動作流程。這時,另一個問題就出現了:哪一個有效?又誰比誰更有效?有效又是表現在哪些面相?在每天的真實交易績效表現上,這是我們時刻要面對的,絕不能僅僅只是認定它有效就帶過。
個人觀點:在管理方法的效益驗證上,一定要用 random 產生的 equity 來模擬被納入 Portfolio 的策略表現。而不能用現存的策略來做回測去證明自己的管理機制或是 KPI 是有效的。
因為,管理機制的要處理與面對的題目是:未知。用既存的策略表現去模擬管理前後的效益差異,樣本數真的太少了。random 是目前我認為驗證管理流程去應對不同策略表現的最佳模擬方法,甚至是... 必須。
而且,我也聽到不少人懷疑,管理方法會不會是對於手上的策略,再一層的"過度"最佳化?我相信 random equity 可以消除你的疑慮,如果你的管理方法可以在 random equity 上表現出管理前後的明顯改善,這肯定能讓你更有信心的走下去。
熱門文章
-
這個秘密我過去只在課程或是講座中才會提。今天把它公開,為什麼我以前下大台,到了近年卻下起小台來了。理由就是...這是天上掉餡餅的好事啊!不費吹灰之力就可以提昇自己的交易系統績效的期望值,何樂而不為! 首先,你應該會覺得小台的手續費比大台貴,怎麼可能不下大台改去下小台?簡...
-
在執行多策略組合交易的時候,每個策略圖表獨立運作,各自下各自的單。但我們常常可以發現在某些時候(特別是開盤),出現 A策略要翻多、B策略卻要翻空,對我們的帳戶來說,因為策略圖表獨立運作的原因,實際上卻幾乎同時發出買進、賣出的委託單,而成交回來的價格又往往是買外盤、賣內盤,這完全是...
-
承繼自上篇「 函數:十進位轉二進位 」。 說實在的,這篇文章在我自己的心中就像是在引導讀者走向 Curve over fitting。這個方法,基本上這麼做跟把圖表攤出來,搞 DataMining 也滿接近了 XD 過去,我們會在策略的測試中使用"參數"...
-
緣起於某位參加我課程的同學來信問我的問題:要如何以最佳化的方式測試各種不同出場方法的組合可能?(實際內容就不在這邊贅述了)。一開始,我們用了 Switch... case 的方式去做,透過 case 的數值來做最佳化,以最佳化的方式去做,是為了大量測試。但這只能得擇一的測試結果。...