一套稳定的量化策略如何开发
一套能够稳定盈利的交易策略如何开发？这个的确没有那么简单，做到盈利还是可以的，但想要做到长期稳定盈利，就要考验你的研发能力以及对交易本身的认知水平。适合自己的策略才是最好的策略，不妨从这个角度入手，去开发一套适合自己的交易策略。
不过首先你需要具备一些基础的编程知识和掌握一些编程语言，像TB公式、MQL、JAVA、Python、MQL、C++等，还需要了解一些投资工具，然后又特别喜欢钻研的话，那么就可以试着去开发一套交易策略，甚至是做到稳定盈利的策略。
1.投资品种
投资品种一定要选择自己熟悉的，最好是以前交易过的品种和熟悉的投资品种，这样你才愿意花时间和精力去关注品种的行业、品种的现状和过去等等，
了解这个品种的交易量、流动性和波动率。从各个维度去分析这个品种，然后确定作为开发策略的目标。
2.量化策略
先确定是做中长线、短线还是日内。然后选择做震荡模型还是趋势模型，综合投资品种去考虑策略研发的难易，从自身的角度去考虑，比如自己能承受多少的心理亏损，频繁的浮亏和止损对心态的影响，自身心理更能接受哪种情况多一点。
例如：
·算法交易类策略
需要综合的物理、数学和统计学知识，考验独立思考的能力和敏锐的洞察力，而且能够灵活使用这些知识用于设计模型，还要很强的动手能力。因为几乎没有现成的案例可以让你参考或者模仿。
· 马丁类网格类策略
适合震荡行情，胜率高，盈亏比小，每一笔盈利小，浮亏会很大，需要计算风险趟口，尽量用在黑天鹅事件少的品种上。
· 趋势类策略
比较容易实现，止损频繁，胜率低，盈亏比大，适合大周期使用；
3.开发阶段
选好了品种和交易策略类型，剩下的时间就是投入到设计算法、编写代码和测试，统称为开发阶段。这个阶段，要围绕这几个要素进行：
· 时间周期
做外汇黄金，周期还是选择尽量大，至少30分钟以上的周期才有保障；除非你可以购买到或者采集到的历史数据精确度很高，很少出现跳空的K线数据。作为个人开发者，建议选择大周期开发，就是避免数据的不完整性导致的各种问题。
· 历史数据
尽量完整的历史数据，至少采集满足三年以上连续的历史数据，历史数据精确度越高越好。
· 合理的盈亏比、胜率和夏普率
如果一套策略，经测试发现胜率很高，盈亏比也很大，那么肯定是有问题的，就要考虑是不是偷价的模型，还要考虑到如何去克服实际交易中的点差、手续费成本问题。最好的办法就是提高盈亏比，减少交易次数。需要重复仔细验证。
· 马丁类策略
那么胜率就会比较高，至少80%以上，盈亏比通常是1.2-1.5左右。
· 趋势策略
胜率都小于40%,盈亏比能达到2以上；
· 算法交易
胜率介于两者之间，盈亏比一般超过1.5；夏普率应该维持在2以上，才能确保盈利是稳定的。
· 避免偷价和未来函数，策略高度拟合
构成入场出场信号的依据，应该是已经发生的K线数据进行的指标计算或者算法逻辑运算。简单的说，就是尽量使用上一根K线以前的数据做量化分析，当前K线还在进行中，作为条件就有偷价或者未来函数的可能，这些会严重影响到策略的真实可靠性。
算法的建立，应该基于统计学意义，而不是适配某一段行情做限制性条件，那样就是拟合了。拟合并不会适应未来的行情发展。
· 最大回撤
最大回撤应根据实际情况进行设置，没有一劳永逸的控制办法。
· 历史回测
这个主要看盈亏比，最大回撤和净值曲线来判断，研发的策略是否符合自己的要求，或者是否达到设计目标。一般回测分为周期外、周期内、跨期回测。
· 周期外回测，是指将测试好的策略单独使用一段新的历史数据进行的回测，看看净值曲线是否一致；
· 周期内回测，主要是配合策略的测试调试，用于调试策略的历史数据周期；
· 跨周期内外，进行一次整体回测，也是观察回测曲线是否表现一致。如果得到结果相似或者达到设计目标，则说明策略是一个正期望值的交易策略。
不过，真正的表现还得看模拟测试和实盘交易。
下期接着讲解量化模拟测试和实盘交易中一些需要注意的问题
إخلاء المسؤولية: الآراء الواردة هنا تعبر فقط عن رأي الكاتب، ولا تمثل الموقف الرسمي لـ Followme. لا تتحمل Followme مسؤولية دقة أو اكتمال أو موثوقية المعلومات المُقدمة، ولا تتحمل مسؤولية أي إجراءات تُتخذ بناءً على المحتوى، ما لم يُنص على ذلك صراحةً كتابيًا.
اترك رسالتك الآن