大家覺得什麼是評測標準呢？投資回報高就可以了嗎？成功的量化策略有以下數個要點﹕一) 夏普比率 (Sharpe ratio) 高二) 回測(backtesting)日期長三) 回測參數少四) 回測偏差少一) 夏普比率 (Sharpe ratio) 高Sharpe ratio 係行內最基本要認識既指標。最不會投資既人，往往會睇Total Return(總投資回報)去認定這項投資的好壞，但其實當中有重大錯誤。首先，Total Return沒有包括時間性，例如10年賺100% 跟1年賺100%是兩回事來的。進化一點，用average return(平均收益)就可以包括時間性。但是，Average return 卻沒有另一項重要指標，就是風險性。風險大，回報自然高，但並不代表該項投資是好的。例如投資Bitcoin，可能隨隨便便，就賺到20-30%，但是要留意，同時也有機會蝕20-30%! 因此就出現了Sharpe ratio。Sharpe ratio = Average return/Standard deviation (風險值)它就包括了時間性和風險，因此是其中一個最好的量度表現指標。大的對沖基金Strategy，可能Sharpe ratio > 1 已經會實盤投資。我們的策略， Sharpe ratio最少的是1，最高可超過2。二) 回測(Backtesting)日期長回測(Backtesting)是指利用過往數據去分析，並加入數學模型(Model)，去尋找當中的關係和規率。時間長的Backtesting 可以預防 Overfit 的問題。Overfit 簡單來說，即是你過份利用模型去遷就數據，令當中關係變得很強。但其實，現實中並不存在其關係或只是很弱。回測日期長就可以減輕Overfiting 的情況。而我們的策略，已最少也利用了兩年數據。三) 回測參數少參數少也是其中一個防止Overfit的重要因素。因為，一個Model 如果你用了 100 個參數，自由度太大，那麼你的backtesting 很容易透過修改參數而達到想要的結果。因此，我們的策略亦最多只有3個參數。一個簡單的例子，給大家一個更好的利解Overfit。例如: 我回測一個策略，只利用星期一至五，五日的Data。那麼假設星期一、三、五，市升，二、四，市跌。我就可以得出一個完美的Backtest 結果，就是單數星期Long，雙數日子Short。但顯然這個規律只要更多的日子就可以打破。或者我有更多的Data ，但我也可以增加參數去迎合結果。最極端例子就是，有無限個參數。例如我用收市點數來作為參數。參數1，恆指20001 – 20002 點就買升/跌。我有無限個參數，我就可以找到一個超好的Backtest 結果，但我們也知道，是完全沒有道理的。四) 回測偏差這個包含太多了。回測中會有好多時候有不同的偏差，最常見既就係forward looking。簡單來說就係預測未來。例如有些數據，就算是今天的數據，交易所都可能明天才發出。當你backtest 的時候利用了今天既價價計算，那就會會變成預知未來。除左forward looking還會有很多其他問題，例如cover 不到 transaction cost 等等，多數於Intraday Trading 出現。今篇文章已經太長，下一偏文章再和大家更深入分析！Sharpe Ratio高不一定更好、回測日期長不一定更好等等。如果覺得文章有趣有用，可以like同comment，support下😘你地嘅喜歡係我寫落去嘅動力！大家有問題記得留言發問! 我會於留言回答大家! 或者大家有咩Topic 想知，都可以留言!#量化交易 #AlgoTrading #投資 #長期投資 #經濟週期 #量化策略 #夏普比率 #回測
