Lyndon的量化修炼之路——随机指标（KDJ）优化策略（二）


//期市妖风大，小心被刮飞。本文不构成任何实质性建议，也不对任何依此进行的交易结果负责

重新审视超买超卖的状态

在前文中提到了KDJ指标是对超买超卖有一定指示的，一般情况下我们在应用KDJ指标进行一些判断时，也会考虑其对超买超卖作出的判断，而此前的模型中也加入相关的条件来阻止错误方向的信号发出——当J指标超过100时处于超买状态，阻止多开，低于0时阻止空开。根据这一规则，我们来观察以下几种状况：

左图展示的情况是策略在空头方向开仓后，由于J指标向下穿过了0线，导致模型判断进入了超卖阶段，从而将空单平仓，但实际上可以观察到这显然是一个不太合适的平仓位置，因为当超卖状态结束后，价格仍在下行，模型过早地作出平仓判断；中图展示的情况是一次较为快速的上涨行情中，由于J线刚刚触及100的超买线，导致模型提前平仓，也是放弃了大部分的利润；右图中，策略刚刚发出多单交易信号后，J指标很快超过100，但实际上策略对行情的判断是正确的，而过早的平仓不仅没有带来利润，反而造成损失。

经过观察，往往当J指标刚刚进入超买超卖状态时，立即平掉顺势仓位是不划算的，而往往在J达到极大值的时候平仓较为合理，那么是不是应该用相邻三点或五点的拟合直线斜率判断J是否越过极大值呢？理论上应该使用这样的方法判断，但由于KDJ指标变化速度较快，由于多点拟合造成的时滞性很可能导致情况变得更糟，因此只需当前J指标与前值相连直线斜率反转时（也就是在超买状态下J比前值低，超卖状态下J比前值高），即可认为前值为极大值，然后平仓，以试图保留超买超卖状态内的一部分利润。同样，将这一平仓优化思路用代码实现后装载测试（这里对超买超卖规则的优化是建立在过滤短时信号的基础之上）。结果如下：

策略	盈利率	胜率	盈亏比	交易次数	权益最大回撤比	夏普比率
KDJ-过滤短时信号	13.50%	45.43%	1.27	339	18.78%	6.63
KDJ-优化平仓规则	16.64%	41.89%	1.49	339	13.58%	7.92

在超买超卖状态下延缓平仓主要目的是为了提高部分较为明显行情下的单笔收益，当然出现超买超卖的次数是较少的，因此对于收益有小幅提升，交易次数没有变化，但对于降低回撤有一定作用。

参数优化

对于KDJ策略而言，参数可以优化的范围其实是比较有限的，因为T_N、T_MA1、T_MA2的取值不宜过大，这样会在很大程度降低策略对价格变化的敏感性，而这正是与均线、布林通道等其他趋势模型不同之处。同时，这里对于过滤开仓信号中产生的新参数，将采用多空阈值不同的方法进行优化，即共有T_N、T_MA1、T_MA2、B_KD、S_KD等5个参数。

事实上这里使用穷举测试的方法对所有参数进行大范围的优化并不十分恰当，因为T_MA1、T_MA2、B_KD、S_KD四个参数可用的值域范围非常小，而量化平台给出的T_MA1=3、T_MA2=3已经足够大，在实际的尝试中，即使将这两个参数增大1，对结果的影响也十分显著，而且是不利的影响。此外，B_KD、S_KD也不宜太大，因为这两个参数增大的直接影响交易的次数，而这与此前利用该模型实现频率更高的交易是相悖的。因此对于这四个参数的值域选择为[2,4]，对于TN值域选择为[5,15]。

具体优化方法已在双均线和布林通道中有详细过程，在此不再赘述，最终得到的参数组合为（13,3,2,3,3），原始策略、短信号过滤策略、平仓规则优化策略（9,3,3,2,2）、平仓规则优化策略（13,3,2,3,3）在2018年1月1日~2018年9月30日这一区间内的表现，如下图下表所示：

策略	盈利率	胜率	盈亏比	交易次数	权益最大回撤比	夏普比率
KDJ	8.02%	41.29%	1.47	465	19.62%	5.39
KDJ-过滤短时信号	18.91%	53.21%	0.98	218	17.41%	10.85
KDJ-优化平仓规则（9,3,3,2,2）	11.27%	49.08%	1.11	218	19.46%	5.79
KDJ-优化平仓规则（13,3,2,3,3）	49.96%	54.76%	1.29	84	13.21%	15.97

至此，对于随机指标（KDJ）策略的优化可以告一段落，但是我们观察参数优化后的权益曲线可以观察到，在靠近样本的区域收益是较为稳定和乐观的，而远离的方向上策略表现就越来越差，这在一定程度上表明对于样本的参数优化用于预测是有时效性的，而如何是参数优化的效果更可靠也是后面需要重点讨论的话题。
~~~~~~~~~ ~ 风雨不倒的小尾巴 ~ ~~~~~~~