策略自动产生之二：筛选策略-20200520-安信证券-10页_574kb

策略自动产生之二：筛选策略总结

核心内容

本文档探讨了在量化投资中，如何通过系统化的方法筛选自动产生的交易策略，以避免未来函数、过拟合、策略失效和交易成本等问题，确保策略在实际交易中具有稳定性和有效性。

主要观点

1. 传统策略研究的不足
   传统策略研究依赖人工筛选因子、组合和规则，效率低下，类似工业化前的手工作坊。现代方法借助计算力实现自动批量产生策略，提高效率。

2. 自动策略需人工筛选
   自动产生的策略不能直接用于实盘，需要研究员进一步筛选以剔除过拟合和未来函数问题，确保其在实际交易环境中具备稳健性。

3. 未来函数的规避方法

   • 推进分析：分为固定起点和固定窗口两种方式，通过逐步扩展训练集并验证预测效果，防止使用未来数据。
   • 物理隔离下的二次样本外分析：使用前半段数据回测，后半段数据验证，模拟盘方式验证策略的稳健性。

4. 过拟合的解决方法

   • 参数敏感性分析：通过改变模型参数，观察回测结果的变化，判断模型是否稳健。
   • 主观归因：研究员根据因子、参数和模型逻辑，判断策略是否具有实际意义和有效性。

5. 策略周期的判断
   量化策略依赖历史行为模式，但市场具有轮动性。判断策略是否失效的方法包括：

   • 最大回撤：实盘（或模拟盘）最大回撤是否超过设定阈值。
   • IC显著性分析：预测值与实际值的IC是否显著，判断预测能力是否下降。

6. 交易成本的考虑
   实际交易中存在多种成本，包括佣金、Bid-Ask Spread、冲击成本和滑点。策略自动产生阶段应综合考虑这些成本，以决定策略的交易频率。

关键信息

1. 推进分析

• 固定起点推进分析：从时间序列开始，逐步扩展训练集，预测下一个时间点的值，收集所有预测值。
• 固定窗口推进分析：固定训练窗口长度，逐步滑动窗口，预测下一个时间点的值，收集所有预测值。

2. 参数敏感性分析

• 改变模型中某个因子的参数，重新回测，比较前后结果差异。
• 若结果变化不大，说明模型稳健，过拟合可能性低。

3. 主观归因

• 研究员根据因子逻辑和参数设置，判断策略是否具备实际意义。
• 例如，若RSI系数为负，可能说明策略具有反转逻辑，具有潜在有效性。

4. 策略周期判断

• 最大回撤：若实盘最大回撤大于回测最大回撤或其n倍，说明策略可能失效。
• IC显著性：计算预测值与实际值的IC，若t值不显著，说明预测能力下降。

5. 市场交易成本

• 佣金：交易时产生的手续费。
• Bid-Ask Spread：买卖价差，反映流动性。
• 冲击成本：交易指令对市场价格的影响。
• 滑点：下单价与成交价之间的差异。

6. 总成本与策略频率

• 总成本 = 佣金 + Bid-Ask Spread + 冲击成本 + 滑点
• 总成本越高，策略越倾向于低频交易；反之则倾向于高频交易。

总结

本文档系统地介绍了在量化投资中如何通过推进分析、二次样本外分析、参数敏感性分析和主观归因等方法，筛选自动产生的交易策略，以避免未来函数和过拟合问题。同时，强调了策略周期和交易成本对实盘表现的影响，提出了相应的判断和应对策略。这些方法为量化策略的筛选提供了科学依据和操作流程，有助于提高策略的稳定性和实用性。