什么是好的量化策略？

现在学习量化交易，也写了回测一些策略，不知道什么策略算好的，目标一般是希望收益曲线越直越好，越陡越好，具体来说可能是夏普率、年化收益率、最大回撤这些，可能夏普率比较好，但有时计算不准啊，我用的TB，同一个策略在旗舰版和PLUS版，回测得到的夏普率差好几个数量级。姑且当PLUS版的计算有问题吧，请各位专家们说一下，好的的策略夏普率、年化收益率、最大回撤、盈亏比、胜率这些，应该到达什么样的水平

jerrylv · 2018-10-16 00:04:01

实践检验一下

典当小王 · 2018-10-16 00:03:59

能赚钱的啊

奈思 · 2018-10-16 00:03:58

哇，这个问题答起来太长了，你的问题其实是怎么判断一个策略能不能上线？你说的这些指标都会考虑，需要具有一定的平稳性，容我有时间来答。

不忘初心guo · 2018-10-16 00:03:56

一个好的量化策略，它必须具有很强的逻辑性和风控能力。有盈利能力性质，当小概率事件和不确定性发生时有让人安心的风险可控能力。再进一步乐观一点，当利好优势站到我们这边时，当大趋势偏向我们时，能有节奏的跟进，扩大利润空间，这三方面做好的话，我觉得就很牛互相交流，个人观点不喜勿喷

伊硕量化 · 2018-10-16 00:03:55

说点自己的想法，我觉得真正好的量化策略在于你模型的理论依据。理论依据越充分，模型就越稳定越持久。

那有什么好的理论依据呢？譬如做市商策略，理论上就是以最快的速度找出市场的买卖双方价差，赚这个信息差的钱。这个完全没毛病，只不过是这么简单的策略已经被巨头们承包了，金融界的军备竞赛，一般人就别想了。

那有什么不好的理论依据呢？个人观点，股票多因子的理论依据就不怎么样了，从历史数据中找出牛股的共同点然后进行组合投资。首先业界水平说明一切，这里可能会有人不服了，因为国内的私募公募基金基本都做这个策略，不过量化这一行就是数据说话，不服的可以留言有哪些长期稳定盈利的多因子基金。

好的理论依据还有很多，这里就不展开讲了。

黄博士 · 2018-10-16 00:03:54

就我自己研发量化策略的经验而言，我认为评价一个量化策略的好坏，需要从策略的开发和策略的结果两方面展开。

策略开发：
一款耳机好不好，可以从它的音质、佩戴舒适感等结果直接评价。量化策略则不然。量化策略不同于其他产品，不能直接从结果看出它的好坏。我们需要从其开发过程开始考虑。
具体来说，主要可以考虑以下几个方面：策略所用的数据的准确性，是否恰当地使用了数据（比如股票的前后复权、财报发布时间、汇率转换等），回测是否公平（比如幸存者偏差、forward looking、交易成本等），策略中用到的模型和假设是不是有强大的金融和数学理论作为支撑。
以上标准是评价量化策略的硬性指标，如果一个策略达到了这样的标准，可以称得上“及格”。好不好，就要看策略结果了。

策略结果：
策略A回测显示夏普比率0.8，年化收益率8%，最大回撤10%。策略B同时段夏普比率1.5，年化收益20%，最大回撤25%。要说这两个策略哪个好，恐怕很难有一致的答案吧。有人会说A好稳，钱赚的踏实，可是看看收益，似乎也没那么多；有人会说B夏普比率高，收益高，可以看看回撤，估计也得吓一跳。

为什么很难评价呢？四个字——投资目标
投资目标的不同使得评价量化策略的好坏变得很主观。我认为，确实有很多金融指标可以量化一个策略的表现，但在这之前，非常有必要考虑一下你的量化策略是不是符合你的投资目标。
相同投资目标的情况下，对于夏普比率、最大回撤等指标的比较才显得有意义。但对于不同的策略，这种比较也不完全相同。
如果你想做一个beta策略，比如一个全球资产配置，那么夏普比率、最大回撤会是首先需要考量的指标。更精细一些，还可以考虑标的资产的相关性、分散程度等。
如果你想做一个alpha策略，那么夏普比率、超额收益将会是你的考量对象。
总而言之，做一个好的量化策略不容易，需要有可靠的策略开发过程+匹配投资目标+优异的金融指标。

shiqiang · 2018-10-16 00:03:53

首先要数据质量有保证，数据质量保证了再来谈模型优劣好坏。这一步非常非常重要，事实上我们拿到的很多很多量化数据噪声都是非常大的，即使靠谱的金融数据噪声本来就大，如果再加一些人为失误就更离谱了。
然后再讨论模型好坏，你说的那些指标都是评价标准，至于具体的值依具体模型而定，比如一个纯多头模型和Alpha模型的可接受sharpe值可能就不一样。这些具体的合理范围可以自己去积累。
再就是模型回测的过程，要尽量考虑到各种现实因素，比如流动性，比如中小创的政策限制等等。如果能做到回测跟实盘差异不大或者有差异但差异很稳定，也是个一定程度上不错的模型。
模型稳定性是比较重要的，特别是大资金的时候，要做各种稳定性测试，修改一些参数，修改一些小细节方法，看看结果是不是稳定，是不是符合预期，然后还要做压力测试，如果某些因素失效了，模型走向会如何。
如果这些都做到了，然后还有盈利（不论盈利高低），那个模型差不多就会比较好了。

什么是好的量化策略？

7 个回复