#三、回测试验给我们的启示

对于一套理论模型，如果对于历史的回测都不能取得满意的效果，那么，对于未来，你敢相信它吗？尽管对于历史的回测满意的模型，对于未来的效果，数学拟合意义来讲，依然是模糊的，但是，总比回测都不能合格的模型要强一些。这就是经典理论还能存在的理由之一。
（一）、年度级别的回测试验
一般散户，都会千方百计通过各种媒体找到股神巴菲特的言论和行迹，想从中学到点什么。可是，巴菲特从来不直接说股市技术问题。那么，他到底用什么技术？他的成功基于什么样的理论数学模型？
现在我们用回测的方式试探模拟一下。
假如你有持股一年以上、空仓一年以上的耐心（这种耐心很少有人具备），那么技术上，我们用一根线就可以炒股。这不是言过其实。看回测的结果。
既然是以年为单位，那么就建立一条简单的年均线。
操作的原则，就是股价在年均线之上持股，股价在年均线之下空仓。
几百亿美元买卖股票，不可能一天买卖利索，会持续1-6个月。
假如幸运的炒的是上证指数，我们看看效果。
基于上述原则建立买卖指示，并画出收益曲线。这就是所谓的回测。

在325那个低点，收益线超出范围，也就是收益线归0了。
在年线走平缓的阶段，频繁操作，反倒使收益率降低。但总体上来说，收益还是不错的。
随机再找两只股票看看收益情况。

我们可以看出，如果这二十多年总体上是朝上的走势，那么这种方法总体上是盈利的。对于走平的个股，这种方法比较吃亏，也就是二十年没赚钱，但是也不亏。
当然，炒股不可能就这么一根均线这么简单。为了弥补这根均线在走缓期间发生的频繁操作，给指标增加一点限制条件。
在走缓区间，不操作，直到明确上涨和下跌再操作。这实际是对编程者的考试了。

同样的两只股票，我们增加了买入、卖出的限制条件，如果均线的斜率大于－0.0033和小于0.0066不执行买入操作，这相当于确认熊市以后不再炒股。结果如图，尽管买入的动作有所迟缓，但是因减少了频繁交易，总体收益率是上升的。
策略编程，也就是这样一个过程。不断地通过条件限制，达到预期的操作目的，之后机械化执行。条件限制的本意是什么？博弈思想！
也就是说，利用经典理论实现程式化机械操盘有可行性。如果你的耐心足够，以上的简单操作方式，已经可以解决巴菲特的技术问题，就一根均线、加上一个限制条件足矣。你需判断的就一个问题，未来十年，这个国家的经济是否会继续发展，这就足够了。
当然，巴菲特的技术肯定比这要复杂。笔者只是想说，想当巴菲特不会是股市技术问题，问题出在别处。
这种操作方法，这样的操作频率（几年才买入、卖出一次），要忍耐30%以上的振荡而面不改色，不改当初的判断。对于散户和大户来讲，这是不可容忍的，需要降低级别，提高操作频率，这也是很多技术研究者的追求。当然，这种极致就是日内高频。各种理论实际都是在这方面下功夫，追求利益的最大化。
我们需要在操作频率和股市规则中找到一种平衡，并不是越频繁的操作对于收益率提高越有利，对于t+1的股市，相对来说，波段操作是最有利的操作。
尽管几百亿的资金不可能做到当日执行指示操作，那么会使资金赚钱的效率降低，但是，巴菲特不会就这一点技术。而且也不见得使用这个技术。这仅仅是假设你有这样的资金，同时就会这么一个简单的技术，你有没有当巴菲特的可能性！
这个回测试验证明，当巴菲特从技术来讲不难，经典理论就可实现，难在你能否聚集几百亿美元的资金，信任你在股市中操作。难在你炒股的时候是否可以学会等待和忍耐，同时还具有超乎常人的决断、执行能力！股市技术在你是否可以成为巴菲特这个问题上，并不是主要问题。
从他抄底道琼工业的操作来看，当时道琼工业从14272跌到9000左右，也就是跌幅30－40%区间就开始第一笔小仓位（100亿美金，对于他是15%－20%左右的仓位）建仓，这应该是江恩理论甚至江恩小课的内容。之后，一直追跌金字塔式逐渐加仓。直到底部6469。因此成为美国救市的英雄。之后，他就全世界旅游去了，现在道琼工业是24800左右，他又成了最后的赢家。如果考虑这样大资金的建仓时机问题，巴菲特是正确的。
当然一个散户按这种方式操作，那相当于抄底抄在半山腰，因为你是全仓操作。而对于巴菲特来讲，他接到了相对便宜的筹码，得以买入几百亿美金的股票。
以上的几个年线例子和方法，不建议你使用，当然可以做为选股的条件之一，毕竟操作上太滞后了，仅仅是做为一种技术条件方法的提示。
（二）、月度级别的回测
上面一节的例子，使用的是周线趋势图进行的年度级别的指示，年度级别的回测，发现的最大问题是指示的滞后，那么为了提高指示的灵敏度，需要降低显示的级别。假如是波段操作的，1-2月操作一次，那么会有什么样的效果呢？
分别采用周线和日线进行试验。在自然日中使用指标，会比交易日中提高一点灵敏度。
（注：笔者的方法大多使用的是自然日，而非交易日，这是读者需要留神的。指标修改的方法，在《机械化交易操作理念》一书中已经进行了解读、介绍。本书中，对指标的修改，不再进行解读，直接使用结果。）
在网络上，通常会看到一种一线定乾坤的操作方法，就如上一章提到的年线操作方法，本示例的方法，采用的是交易日的20天线。来看看效果。
设置条件，四周均线，相当于自然日28天，交易日20天左右。

随机找了四只股票，做一个不全面的简单评估：
该指标在整体十年以上牛市的股票中，表现尚属良好，回调幅度有限，能够保住部分牛市阶段的胜利果实；在振荡市中，表现较差，输于股票涨幅；甚至会由于频繁交易导致出现回收率跌幅大于股票的情况。
这是假如采取周线机械化操作的方式的回测结果。
如果采取日线指示的操作方式，结果会如何呢？
设定28自然日均线，相当于20交易日均线。这根均线实际表达的是股票沿着月均线波动的一种特征。自然界的月循环是29.5天，股市中，30自然日循环也是一个重要循环之一。江恩理论的30度。365天等于360度，1度约等于1自然日，这种方法如果使用交易日是使用方法错误。
采用日线交易方法，相对于周线操作方法，该指标变得相对敏感，交易频率适度加大，收益率有所提高，但是并未解决周线操作方式同样的基本问题。

因此，这样一种简单的一线定乾坤的方式，并不能解决股市的操作问题，根本无法实现一线定乾坤。这种方法，在熊市和调整市中存在严重问题。
为了弥补这给仍是，配合采用年线的一线定乾坤进行共同约束，看看效果如何。这实际就是综合性指标产生的一种思路。
没有哪个简单指标或算法能够解决所有的问题，那么，综合是必然的。
现在设定两条均线，一个是28个自然日，一个是365个自然日，约束条件是：股价同时站上两条均线买入，卖出条件是：股价跌破28日均线就卖出。

这样综合以后，收益率曲线在大牛、大熊市中表现优秀；但在慢牛和调整市中表现较差，甚至在慢熊过程中，频繁出现买在反弹顶上的问题。
为求指标美观好看，我们可以通过简单的程序方法，让指示线涨跌变成不同的颜色，但这对于程序化的买卖指示不可能产生任何影响。
（三）、小时级别的回测
同样的方法，如果在小时级别交易会产生什么样的效果呢？
如果强制同样的方法，由于还没有软件可以显示低于日线级别的自然日行情，那么这就需要一点简单的计算。
28个自然日，相当于20个交易日，也就是80个小时；
365个自然日，去掉周末，相当于大约251个交易日，再去掉长假等，实际大约是240个交易日左右。也就是2404个小时。
这么大的数字，在小时级别显示，一是会降低你的电脑速度，二是一般软件，为了避免影响速度，小时级别的数据往往控制在最近的几百天，如果更多的显示，就要下载新数据。
这两个因素，会使你的电脑变得显示吃力。假如你的电脑不够强大的话。
这种试验方法实际相当于，假如年度级别、周线级别、小时级别具有相同的分形规律，我们采用同样的决策方法，进行增加操作频率的试验。

尽管电脑卡钝，我们还是获得了如上的指示，而且收益效果不错。
操作频率相当于几天到几周一次的频率。
针对这个图，我们也会看到，买入卖出同一小时指示的情况二次；还有买入卖出同一天指示的情况；右侧顶部分，频繁交易还赔钱的情况。好在右侧顶之后，程序空仓不再交易，才保住胜利果实。至于长达将近一年的驻底时间，该指标无显示，也就是只许看着，不许买入。这是一般散户不能忍耐的。而且，第一次操作就赶上买卖同时显示，程序是按买入执行的，结果就开始赔钱，你会怀疑这个指标有问题，等真正上涨的时候，你又不敢使用这个指标了。而这个时候，它的显示又是大多数情况是正确的。
针对这个指标，买入指示相对表现较好，但是卖出指示“明显”滞后，需要利用别的技术指示卖出点位还是必要的。四维角度尺会对此有帮助！
同时，要想解决矛盾的同时显示问题，就需要再降低级别。也就是使用5或15分钟级别，这样可以解决同时显示的问题。但你也会发现，买入卖出同日显示的问题不能解决。也就是对于t+1市场，做不到日内买、卖的全仓交易。这种情况，针对操作环节只有一个办法解决，那就是不能满仓操作，你才有资金进行日内倒仓。
机械化交易的好处在于，没有操盘人的情绪影响在里面；当然，同时要求模型要有相对的可靠性。而绝对的可靠性，数学拟合意义上是不存在的！那个理论死穴低开你一定铭记在心，理论尚未解决，那么如何谈操作的绝对的可靠性？你只能考虑正确率足够大的问题。这就是博弈思想的精髓。
这个指标里面，没有任何未来函数，这一点要特别注意。如果你的操作策略程序使用了未来函数，你的操作策略实际是不成立的。针对这个问题，笔者在《机械化交易操作理念》中已经进行了明确的阐述。
这是一个简单到不能再简单的综合性（两个条件）策略，总体来说，方法还是有效的。假如你没有采用软件的程序化交易，这种操作方式对操作者的要求还是很苛刻的，漫长的空仓等待对很多人来说就是一种煎熬。
使用机械化交易的思维方式进行人工操作也不是不可行，而是，你有没有程序化一样的纪律性和执行性，拥有电脑一样的一根筋。对于人的贪心本性，这简直是一个要命的前提。而面对尚有理论死穴的交易模型，产生这种绝对的信任，你需要对股市拟合理论现状有充分的了解，并了解你的策略成功的概率以及错误的原因。
五分钟级别，这种方法技术上依然可以继续进行向下分形测试，这里不做过多解读，因为，这会导致你频繁的交易，笔者并不赞成。而且，到5分钟级别，由于高低开的问题，已经影响到了操作显示，也就是股市的随机性特征在这个级别已经影响到了操作的策略，这会使操作的效率降低，也就是收益率反倒会降低了。因此，笔者不赞成在5分钟级别使用这么简单的策略。在这样的级别里面，需要更多的技术给予辅助。而且，你要明白，2－7个自然日内的交易，两种极端对立的理论都难以掌控的理论模糊区，你可能是赤膊上阵，在真正的博弈。
学会笔者的四维理论以后，你可以试探着进行5分钟级别的编程，那么对于t+0市场，对于带有杠杆的市场，t+1市场的日内倒仓是有帮助的。但是，随机性的影响不会保证你100%的成功。
下面是小时级别的试验程序源码（小时级别专用），使用交易师软件。你可以进行修改，重复以上试验，以增加印象。同时，对指标可以进行进一步的改进。完善卖出条件。
aa:ma(c,204),colorred,linethick5;
mm:ma(c,2404),colorgreen,linethick5;
tt1:=aa-ref(aa,1)>0.0055;
tt2:=aa-ref(aa,1)<-0.0033;
bb1:=c>aa and c>mm;
bb2:=c<aa ;
上升三:PARTLINE((aa>REF(aa,1)),aa),colorred,linethick5;
下降三:partline((aa<REF(aa,1)),aa),colorblue,linethick5;
上升四:PARTLINE((mm>REF(mm,1)),mm),colorred,linethick5;
下降四:partline((mm<REF(mm,1)),mm),colorblue,linethick5;
//收益曲线
tjb:=bb1;
tjs:=bb2;
tsb:=barssince(tjb);
tss:=barssince(tjs);
if tjs[datacount]<tjb[datacount] then begin
a:=setlbound(tjs,1);
tjs:=tjs or barpos=1;
end;
tjbuy:=count(tjb,barslast(tjs))=1 and tjb;
tjsell:=count(tjs,barslast(tjb))=1 and tjs;
drawicon(tjbuy,aa0.990,10);
drawicon(tjsell,aa*1.01,11);
bEnterLong:=tjbuy; {多头买入}
bExitLong :=tjsell; {多头卖出}
If bEnterLong Then Buy;
If bExitLong Then Sell;
账户权益:Asset,OwnerScale,Colorwhite;//回测线
（注：程序中的tt1和tt2条件并未被使用，因为以上范例中未使用这两个条件。如果条件性地增加这两个条件，有助于你提高这种方法的选股成功概率。读者可自行试验这两个条件的取舍。）
（四）、五分钟趋势行情的回测
同样模型的5分钟级别的回测，笔者的电脑直接“罢工”。必须改变限制条件，以求电脑能忍受。这相当于周以下级别的短线、超短线操作。对错参半，这会让你想到扔钢绷的问题。知道这结论就可以了。你可以根据以上方式，重复性验证结论。我的电脑已经不堪重负了。
以上的回测至少告诉你，经典理论的理论死角问题并不是“致命”的严重理论问题，靠经典理论机械化操作，在特定的级别、频率下，在t+1市场，即便全仓操作依然可行。
使用方法的错误，特别是使用的操作级别、频率和仓位控制的错误，还有操作者的心态才是最主要的问题。散户通常错在这个范围。而这些错误产生的主要原因来自于对理论不能充分理解。
以上例子中，按照机械化交易的方式，一半以上的时间是空仓等待，才能保证机械化交易的成功。散户能做到这一点吗？不适合操作的时候，这种方法甚至会空仓一年之久。“那还玩股票干什么？”这就是散户亏损和不能成为巴菲特的另一个原因。
当然，如果股票是为了玩的，那以上问题你可以不考虑。博弈才更具有娱乐性，才更刺激。扔钢绷更具娱乐性，数学让人很头痛。

#三、回测试验给我们的启示相关推荐

量化选股策略搭建(三)(回测系统)
前两篇文章讲了数据的下载及更新,今天这篇文章讲回测系统的搭建. 回测系统首先, 个人理解的回测系统就是输入每日可买入的股票(这些股票是经过模型筛选得到的),然后回测系统根据一些条件买入卖出等操作. ...
TICK回测研究三，数据获取部分完整的方案和实现
交流Q群1064240775 一.概述前面分别研究了自动获取历史的tick数据和压缩存储,接下来就是怎么实现整个全自动的流程,同时要考虑要用的时候该怎么办. 二.全自动的数据存取方案 1.已实现的功 ...
基于MT5的沪深股票回测三自动化加载历史数据
历史数据来源大概分为几类: 1. 券商股票API,获取tick数据,数据需要经过清洗,剔除了无效数据,生成不同周期的K线数据,整理后放入数据库或者文件,供导入MT5历史.缺点,需要自己清洗数据,存储, ...
#（五）、回测成功是否就解决操作问题了？
没有!这是很明确的答案. 笔者把股市的解读.预测.操作三个环节分开,实际也是在解决这个问题. 一个试验取得成功的回测指标,仅仅代表这种操作方式,在历史的这种行情波动情况下,能够产生盈利的效果.未来的行 ...
基于Matlab和Wind SQL数据库的通用选股策略回测程序
function [y,varargout]=backtestcomplex(x,varargin) % Created on 2012-07-15 % latest justified on 201 ...
matlab配对交易回测,精品案例 | 经典投资策略之配对交易策略
原标题:精品案例 | 经典投资策略之配对交易策略人不恋爱枉少年,在"全城热恋"的氛围下,股市也来凑热闹,配对交易策略油然而生.所谓"男女搭配,干活不累",成双 ...
python均线斜率_一根20日均线闯天下？——量化回测“压箱底指标”
来源:雪球App,作者: 阿飞Deep,(https://xueqiu.com/7843605955/130162290) 前面回测基于券商涨停策略.为探索新策略,也为验证之前研发的指标.特开启新回测 ...
python 回测模块_回测调用研究模块总结（慎用Python3 PacVer 2.0）
今天做程序的时候,需要在回测模块调用研究模块生成的数据,出了些问题,查了一下之前的帖子,做了下总结. 关于回测模块调用研究数据的问题,之前有两篇帖子. (1)打通回测与研究的文件通道 by 止一之路 ...
手把手教你python实现量价形态选股知乎_【手把手教你】Python实现基于事件驱动的量化回测...
01引言使用矢量化方法(pandas)建立的基于研究的量化回测框架,不考虑交易的委托成交行为,与真实市场情况差距比较大.今天为大家介绍的是基于事件驱动的回测框架,这是一种十分复杂的回测系统,力图模拟 ...

#三、回测试验给我们的启示

#三、回测试验给我们的启示相关推荐

最新文章

热门文章