電子信箱 service [at] bituzi.com
幣圖誌首頁 facebook粉絲團 google plus google plus

濾網陷阱


「Overfitting」一直多數系統化、程式化交易者的難以突破的關卡,因為打造出一條看似優美的回測曲線容易,但能實際帶入獲利者為之少數。這個問題出自許多人並不知如何由設計邏輯來源判定策略是否奏效,因而縱使邏輯全然不正確的作品,也被投放在市場經由時間試煉驗證。這除了使資金無謂虧損外,交易者更不斷在早已行不通的架構之上再繼續搭建多層指標、濾網。反之,縱使一個不奏效的策略也必然存在著獲利與虧損,只是加總後的整體期望值小於一,因此如何判定系統是否失效又是第二層難題。因為若一套交易系統的設計者無從在運行前便判別是否其為過度最佳化下的產物,又何以能制定判定其系統真偽的標準?

過去璞格文章中曾提及「參數全鈍化」的做法,目前仍是敝團隊處理這個環節的主要方式,以統計觀點採取足夠數量的樣本後,套用的參數將不再明顯變動獲利因子、勝率、賺賠比、絕對損益等各方面數值。

過度參數化通常發生在何處 ?

市場內存在很多既有指標,這裡所謂的指標是一般單純被用以判斷多空的工具,而非評估風險或部位計算的公式,例如各種均線、MACD、KD、RSI。這類指向性工具往往都有商品普適性和多空中性兩個特徵,因此他們得以被套用在多樣的市場中作為判斷依據,無論是股票、指數期貨、貨幣、債券甚至大宗商品。一個中等週期的指標與其僅調整參數為長週期的同個指標,兩者套入長期歷史資料回測,可看出無論長短週期,皆有其個別能夠獲利的區段,問題僅出在於兩者亦各有遭受盤整而使資金虧損的時間。因此可知對於指標來說,週期從來都不是一個需要顧忌的問題 ( 甚至採用的指標都未必是重點 ),因為無論週期長短所存在的問題皆然。因此,最佳化的問題通常並不在於此,而是發生在「濾網」這個環節,尤其是型態濾網。

濾網既然是問題的所在,便也是致勝之處。市場上對於「濾網」二字更多有定義,包含以風險值為基礎、以損益為依據的濾網等,然而這裡我們專指以肉眼可穿觀察到的型態濾網,通常備用以去除盤整期虧損的作法。初階及中階系統化交易員總在這個環節往返多年,關鍵不在於他們觀察的不夠多,而是設計流程永遠依循著單一路徑進行:不斷研發神奇指標、第二步則為使用盤整濾網去除虧損階段。然而,這條路徑是否正確,又抑或是否即為最好的邏輯,值得反思。大部份人在多年的交易生涯中並不善於思索其他路途。

型態濾網的最大問題在於交易者早已熟背線型走勢,人們對於 K 棒的排列在長期觀察後早已了然於胸,便開始將針對圖形上某些虧損區間進行參數式的熔斷,本末倒置。成功的減損濾網必須存在一個要素,就是於長期的回測曲線中,能將鋸齒平滑之 ( Sharpe Ratio 上升 ),而非為了刻意趨避走勢中一個已知的型態,尤其是突如其來的黑天鵝。黑天鵝往往無法預期,「甚至不該被預期」,解決黑天鵝的手法應該留給災難性停損機制或部位控管環節。如同簡單指標,好的邏輯在於普適性,除了對多商品的穿透性是其一之外,在單一商品、單一市場內交易時也需要能夠常發性的展示它的優勢 ( 例如提高每次曝險期望值 )。

Overfitting 過度最佳化是一個存在於大部分人交易系統的問題,但往往卻不是「整個系統」的問題,多藏於濾網這個錯誤運用。交易者只要對於濾網的設計多加留意,便能輕易地避開 Overfitting 這個陷阱。



《 本文由 PROG 璞格交易團隊 提供 》

0 意見: