交易 交易硬核:揭开最优化参数的神秘面纱!( 二 )


但B点就不一样了 。 不管向左还是向右移 , 系统表现都会下降 。 这意味着B值下的预测结果很有可能高估未来的实际结果 。
假如这种效应通过多个不同的参数而复合放大 , 那么未来变化的影响也会复合放大 。 这意味着 , 如果有很多参数都是最优化的 , 那么未来的实际结果与这些最优化参数值下的预测结果就很难吻合 。
但这并不意味着我们应该在实际交易中使用参数A 。 因为即使未来的变化幅度相当可观 , B点左右的系统表现仍然高于A点左右的系统表现 。
因此 , 尽管最优化过程降低了预测价值 , 你仍然应该采用最优化参数 , 因为最优化参数更有可能带来理想的结果 , 不管未来如何变化 。
最优化矛盾已经成了骗局和诡计的温床 。 有很多不道德的系统兜售者大肆炫耀他们靠特定市场上的最优化(特别是短期最优化)所得出的超高利润和不可思议的优异表现 , 但他们知道这样的历史测试结果不可能在实际交易中实现 。
不过 , 最优化会导致虚夸现象并不意味着我们不应该最优化 。 事实上 , 要想建立有效的交易系统 , 最优化是至关重要的 。
10
过度拟合或曲线拟合
骗子们还会用其他方法来制造不切实际的历史检验结果 。 最胆大妄为的那些人会有意使用过度拟合或曲线拟合来美化他们的系统 。 人们常常将过度拟合与最优化矛盾混为一谈 , 但实际上它们不是一回事 。
过度拟合通常发生在系统变得过于复杂的时候 。 有时候 , 你可以通过添加法则来提高一个系统的历史表现 , 但这仅仅是因为这些法则影响了屈指可数的几笔重要交易 。
添加法则会导致过度拟合 , 这对发生在关键时期的交易来说尤其明显 。 比如 , 假如一条法则要求你在接近最高峰的时候退出一个特别大的赢利头寸 , 这当然会提高你的系统表现 , 但如果这条法则对其他情况没有充分的适用性 , 这就成了过度拟合 。
我曾见过许多系统兜售者在一段相对低迷的时期后用这种手段来提高他们的系统表现 。 他们有时候会把修改过的系统称为原版系统的“加强版”或“二代” 。
如果你想购买这一类的“加强”系统 , 你应该好好研究一下那些新添加的法则 , 确保那些改进不是过度拟合的结果 。
我发现用极端的例子来说明一种现象往往有助于我们更好地理解它 。 所以 , 我想给出一个极端过度拟合的例子 。 我会从非常简单的双重移动均线系统开始 , 然后添加一些法则 , 开始数据的过度拟合 。
我们知道 , 这个系统在最后6个月的测试期内遭受了一次非常严重的衰落 。 所以 , 我会加入几条新法则 , 通过解决衰落问题来提高系统的表现 。
当衰落幅度达到一定的水平时 , 我就把我的头寸规模降低到一定的百分比;在衰落期结束后 , 我再把头寸恢复到正常水平 。
让我们把这条新法则添加到系统中 。 这个法则有两个需要最优化的参数:
一是头寸压缩的百分比 , 二是开始头寸压缩的衰落限制标准 。
根据模拟出的净值曲线 , 我决定在衰落幅度达到38%的情况下把头寸减小90% 。 添加这条法则大大提高了系统的表现 , 回报率从没有这条法则时的41.4%上升到了45.7% , 最大衰落从56%下降到了39.2% , MAR比率从0.74上升到了1.17 。 你可能会想:“这是个很棒的法则 , 系统大有改善 。 ”
事实上 , 你完全错了!
问题在于 , 这个法则在整个测试期内只有这一次发挥作用 。 它发生在测试期马上就要结束的时候 , 而我加入这条法则是因为我已经知道了净值曲线的形状 。
因此 , 系统已经被有意地进行了数据拟合 。 “这有什么大不了的?”你可能会问 。 那就让我们看看下图 , 也就是不同衰落限制下的MAR比率 。
很明显 , 当我们把衰落限制下降到37%以下时 , 系统的表现急转直下 。 事实上 , 衰落限制只下调了1% , 系统就从每年赢利45.7%陡然变为每年亏损0.4% 。 原因何在?
原来 , 下调衰落限制后 , 这个法则将在1996年8月间生效 , 导致我们把头寸规模大幅削减 , 以至于后期赢利太少 , 没能从衰落中恢复元气 。
由此可见 , 这条法则并没有那么好 。 它在第一次试验中有效仅仅是因为那次衰落发生在测试期即将结束的时候 , 头寸削减对后期表现的影响并没有体现出来 。
参数值的微小变化却引发了交易结果的剧烈变化 , 这种现象被交易者们称为峭壁(cliff) 。
峭壁的出现是个很好的信号 , 这证明你可能已经犯了过度拟合的错误 , 而且你的实际交易结果可能会与测试中的结果大相径庭 。 峭壁现象也是我们认为参数最优化有益的原因之一:通过最优化程序 , 你可以发现峭壁 , 在开始交易之前就修正这个问题 。

推荐阅读