CTA 策略
寻找的基本参数
确定使用的指标, 例如 MACD MA RSI 等
具体指标的参数哪一个 work, 并不是过去全量数据取做, 而是将数据分为样本内, 样本外, 比如 3:1 比例.
例如: 历史数据 120 个月, 样本内数据前 9 个月 => 找到 参数的最优化指标, 样本外数据验证后 3 个月 => 验证指标是否 work, 实盘 => 使用该指标
也可以使用一部分数据取做 moving 的指标
例如: 历史数据 120 个月, 样本内数据 13 月, => 找到 参数的最优化指标, 样本外数据验证第 4 个月 => 验证指标是否 work; 样本内 24 月, 找到参数最优化指标, 样本外数据验证第 5 个月 => 验证指标是否 work; … 直到最后, 所有的 moving 的样本内指标对 moving 的样本外有效(绘制净值曲线, 计算回撤数据等), 那么实盘使用该指标.
当然也可以以天为单位, 第 31 天的时候, 取过去 30 天的 5 分钟 K 线, 计算出第 31 天使用的指标, 然后使用第 31 天的数据取验证该指标. 第 32 天的时候, 仍然取过去 30 天的 5 分钟… 依次往复.
验证指标在多个品种, 不同入场时间是否具有普适性
得到的一个参数在多只股票中, 是否都是 work 的.
例如: btc 得到的参数, 在 eth 或者 eos 是否也适用 => 币圈基本适用, 因为基本上主流币都是相同的东西
使用整点的 5 分钟 K 线得到的一个参数, 在错时的 5 分钟 K 线 中验证, 是否也是 work 的.
例如: 12:00 12:05 12:10 12:15 … 的 k 线 得到的参数, 是否在 12:01 12:06 12:11 12:16 … 的错时 5 分钟 K 线仍然有效.
验证指标平坦性
所谓平坦性, 是指该指标进行轻微修正, 得到的最终曲线结果形状是否收到极大的影响.
例如: 得到的最优参数 (3,6,15) 那么 (3,6,14), (3,6,13) 与之的差别是否非常大, 通过 python 绘制的三维曲线, 在 (3,6,15) 周围是否是平坦的 就尤为重要, 这意味着当出现数据偏差的时候, 策略并不会迅速变糟. 如果该点是局部极大值, 周围下降的非常厉害, 那么这个参数是无法使用的.
