量化交易策略投资组合的建立

在很多人的认知里，交易策略就是看历史图表或看指标，这里买，那里卖，其实是不够的。我认为但凡谈到交易策略，必须是代码化、可自动执行。
这样就不会因为“你执行这个策略”和“我执行这个策略”，而出现偏差，同时人工交易所谓的“心魔”，也完全不存在了。
本篇是我开发交易策略的主要过程，将介绍我是如何开发交易策略的。
在此展示我开发GBP/USD的三个交易策略，以下为各策略近10年历史回测（2010年-2020年），数据源是Dukascopy。这些策略均是固定开仓0.1手（单利），带强止损（风险可控），不加仓（没有马丁）。
交易策略一：

交易策略二：

交易策略三：

每个人都希望在市场中稳定盈利，然而什么是稳定盈利？
我认为交易市场里的风险是不可以被消除的，每次投注都有亏损、甚至破产的风险，我们唯一能做的仅是降低风险。
1
如何降低风险？
1、降低（优化）单次投注的资金比例
通过降低单次投注的资金比例，可以避免资金的大幅回撤和破产风险。这点是用来保命的，是“活着”的前提。
优化仓位比较复杂，目前常用的方法是凯利公式，根据策略盈亏的概率和赔率来计算仓位。

在公式中，各参数意义为：
f = 应投注的资本比例；
p = 获胜的概率（也就是抛硬币正面的概率）；
q = 失败的概率，即(1 - p)（也就是硬币反面的概率）；
b = 赔率，等于期望盈利 ÷可能亏损（也就是盈亏比）；
公式上面的分子(bp-q)代表“赢面”，数学中叫“期望值”。
凯利告诉我们要通过选择最佳投注比例，才能长期获得最高盈利。我以下面这个策略（也是我开发的交易策略之一）举例说明：

什么才是不多不少、赚钱最快，风险最低的投注方式呢？
p赚钱的概率是51.09%，q亏钱的概率是48.91%，而赔率b＝期望盈利÷可能亏损=108.47÷88.48。我们要求的答案是f，也就是(bp - q) ÷ b = 0.11。得到结论：对于该策略，最优的投注比例为总资金的11%.
2、交易策略的多元化配置（弱相关性）
在“活着”的基础上，我们通过交易策略多元化配置，来提高收益。
交易策略不能简单线性叠加，必须要保证任意两个交易策略的弱相关性，也就是策略之间很少出现同盈同亏的现象。
前文我展示了GBP/USD的三个策略，目前我GBP/USD的策略有十个。以下是这些策略的相关性比较。

相关性的计算方式是根据每日盈亏。比如策略A今天赚了，策略B今天也赚了，或者策略A昨天亏钱了，策略B昨天也亏钱了，这就是相关性较强，相关性较强会增大账户同时回撤的概率，一般来说，相关性低于0.4为弱相关。
以下为这10个GBP/USD交易策略近10年的历史回测。

因为这10个交易策略具有较低的相关性，所以我们可以对这10个交易策略进行叠加，以下是线性叠加之后的投资组合（portfolio）。

可以看到资金曲线的平滑度相比单策略提高很多。
2
如何生成交易策略？
所谓生成交易策略即是根据一段历史数据（样本内数据），来进行策略开发。以前述的GBP/USD为例，我选择2010-2015年GBP/USD一小时数据作为样本内数据。
我目前使用的是根据遗传进化算法来生成交易策略。遗传进化算法的应用领域很广，被用在各种领域求最优解。

用遗传进化算法生成策略基本思路：
1、先随机生成初代种群（随机使用指标/出入场条件等任意素材创建交易策略）
2、通过设置适应度（fitness），来对初代种群（产出的交易策略）进行排序。
3、保留优良个体（较好的策略），将优良个体（较好的策略）插入下一代新群体中，体现“优胜劣汰”的原则。
4、在遗传过程中，加入突变因子，种群（策略）大部分继承上一代种群（策略）的优点，但也会部分变异（随机改变其中一部分因子）。
5、每次迭代完成，都需用适应度（fitness）来对产出的交易策略进行排序，剔除表现不好的策略，保留表现好的策略。
6、当保留表现好的策略数量达到10000个后，可以停止生成交易策略。
对生成的策略进行样本外测试：
此时我们有了10000个在2010年-2015年表现较好的策略，为了验证这些交易策略是否有效，我们需要对策略进行样本外检测。
将这10000个策略放在2016-2020年的历史数据进行回测，剔除表现不好的策略，保留表现较好的策略，约300-400个策略会通过样本外检测，通过率大概是3%-4%.
此时我们就得到了一些交易策略，这些策略在2010-2020年的历史数据中表现都不错，但并不是所有的交易策略都可以使用。
3
如何检测交易策略的稳定度？
所谓稳健的交易策略，就是排除过度拟合。如下图三就是过度拟合（Overfitted).

如何避免交易策略的过度拟合？

最小化参数的数量：尽可能减少交易策略的参数，也就是自由度。越简单的策略越具有适应性，稳定性也越高。
一般在开发策略的时候做限定，使用不超过3个指标。
新增样本外的交易时段：继续添加新的样本外数据，对策略进行稳健性检验。也可以使用其他品种的历史数据来进行测试，比如本文中是以GBP/USD的历史数据做开发，可以使用EUR/USD或GBP/JPY等的历史数据对策略进行测试，观察策略表现。
蒙地卡罗随机法，也称模拟统计方法，是指使用随机模拟的方法进行检测，交易中大致可以分为以下角度：

1、随机历史行情：随机改变历史行情的ATR，最大改变幅度不超过30%，观察策略应对不同历史行情的稳定性。
2、随机参数改变：对策略参数进行随机改变，最大改变幅度不超过30%，观察策略应对随机参数的稳定性。
3、随机点差变动（spread）/滑点(slippage)：因真实交易环境是浮动点差、且常有滑点，可以观察交易策略对随机点差变动和滑点的表现情况。
通过模拟统计方法，如果得到的交易曲线是发散的，那说明策略不稳定（如下图所示）。

如果得到的交易曲线是相对集中，那说明策略较稳定（如下图所示）

通过对交易策略稳定性的测试，10000个策略最终可能只剩下1-2个。我们至少需要几十个通过测试的交易策略，因为还需要做相关性检测，剔除相关性高的，之后将单策略进行组合，就得到了稳定性更高的投资组合（portfolio)。
文章来自汇商琅琊榜-Moon.