1.总的净盈 这是对系统盈利能力的衡量,但它并没有考虑其中所蕴涵的风险。这个限制,这只能当作一个比较粗略的指标。但是,当我们需要比较不同的交易策略时,因为每个交易策略都可能包含若干交易系统,使用这个指标不需要进行额外的计算。
2.交易数量(# Trades) 这是测试时间内所有交易的数量:对于趋势交易系统来说,我们希望在不影响盈利的情况下这个数值越小越好,这样可以减少工作量。
3.持仓天数(# Days) 这是一次交易的平均持仓时间。在其他条件相同的情况下,产生同样盈利所需的持仓天数越少越好, 这里要注意使用的是趋势跟随系统还是均值回归系统。如果是前者,那么持仓天数越多,产生的盈利往往也越大。
4.最大回调值(MD) 这个值代表了在整个测试时间内权益可能经历的从波峰到波谷的最大值。这个数值也代表了为了成功运行这个系统所需的最小资金量(虽然通过谨慎的资金管理,最小资金量可以只是最大回调的一半,具体可以参考第八章)。 大多数系统开发者喜欢在性能分析表中加入“最大亏损”列,这个值是指一次交易中可能遭受的最大亏损。虽然谨慎的价格风险管理要求一次交易的亏损不能超过总的资金量的1%一2%,但这个度量并没有考虑到策略内部品种之间的相关性(见第八章)。 本书中的一个重要原则就是通过负相关或不相关的品种组合,来达到减少风险的目的,因此我感觉如果只是使用最大亏损作为参考,那么对交易者来说是一种误导,相对最大回调来说最大亏损也是一个过于简单的指标。但如果由于某些特殊原因(比如说,缺少资金、公司限制等),不能够使用多品种的策略组合,那么使用最大亏损和坚持1%~2%的规则是必不可少的指标。
5.最大回调持续时间( MDD) 这是权益经历回调时,前面一个波峰与后面一个波峰之间的最长持续时间。这个时间有助于我们做好熬过漫长亏损期的心理准备:
6.最大连续亏损次数( MCL) 这是在测试时间中所经历的连续亏损的最大次数。类似下最大回调持续时间显示了系统到达更高的波峰的能力,最大连续亏损次数给了交易者提示:要获得一定的净盈利可能需要经历多少次的连续亏损。 7.盈利与最大回调之比(P:MD) 这是平均盈利与最大回调的比值。P:MD越高,系统的盈利能力越强。我们可以认为这个指标是最重要的指标,因为它直接衡量了,获得一定盈利所需承受的风险3 8.盈利亏损比(P:L) 这是平均盈利与平均亏损的比值。就像P:MD 一样,这个值也是越大越好。趋势跟随系统应当有比较高的P:L值,因为它们的盈利次数比较少。也就是说,小亏大盈是产生好的P:MD值的关键因素。相对来说,这些比值在均值回归系统中不会太大,但均值回归系统中相对较高的盈利次数可以弥补这一点。
9.胜率(%W) 这是盈利交易次数占总的交易次数的比例。就像前面所说的一样,趋势跟随系统的胜率比较低,均值回归系统往往拥有比较高的胜率。
10.时间百分比(T%) 这是系统中有头寸的时间占所有时间的比例。如果其他条件一样的话,我们倾向于一个比较低的时间百分比,这样在获得同样回报的情况下,资金不会被占用太长的时间。

转载于:https://www.cnblogs.com/quantzone/p/6594564.html

《机械交易系统》读书笔记:回测指标相关推荐

  1. 常见基本回测指标(年化收益率,夏普率,最大回撤,β值,α值)的实现

    年化收益率 import pandas as pd import tushare as tsdef get_annual_profit(maotai,geli,start_date,end_date) ...

  2. Quant工具箱:量化开发之事件驱动回测框架与实盘交易系统

    所以这一章,我们将分别聊一遍 事件驱动回测框架 和 实盘交易系统 的架构与实现细节.这篇开始就逐渐有工程味道了,小伙伴们准备好哦. 一.事件驱动回测 承接着向量化回测,这一篇我们先说事件驱动回测模块. ...

  3. python量化策略源码_Python量化交易进阶讲堂-创建自定义量化回测框架

    欢迎大家订阅<Python实战-构建基于股票的量化交易系统>小册子,小册子会陆续推出与小册内容相关的专栏文章,对涉及到的知识点进行更全面的扩展介绍,并且会有选择地收录至小册中,更便于广大读 ...

  4. Pyalgotrade量化交易回测框架

    现在就开始干活了.先要测试一下pyalgotrade回测数据对不对.我找了个参照标准:在聚宽上开通了个账号,按入门教程写了个策略:2016-2018年每个交易日买入100股平安银行(000001),回 ...

  5. 《Python股票量化交易从入门到实践》随书赠送“回测框架”的使用帮助

    点击:QTYX最新版本使用指南[文字版] 点击:QTYX最新版本使用指南[视频版] 点击: QTYX历史版本更新说明 赠送"回测框架"的目的 为了帮助读者再建立一座从书本知识到实战 ...

  6. #(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 ...

  7. 用Python徒手撸一个股票回测框架

    通过纯Python完成股票回测框架的搭建. 什么是回测框架? 无论是传统股票交易还是量化交易,无法避免的一个问题是我们需要检验自己的交易策略是否可行,而最简单的方式就是利用历史数据检验交易策略,而回测 ...

  8. QMT量化交易软件使用攻略(四)-策略回测

    对某一策略编译成功后,点击回测,可以通过日志输出查看模型基于历史行情数据回测情况和表现. 在回测之前,需要设置好策略回测运行的主图品种和周期,以及相关的回测参数.回测主图和周期可以 在策略编辑器-基本 ...

  9. 自己做量化交易软件(44)小白量化实战17--利用小白量化金融模块在迅投QMT极速策略交易系统上仿大智慧指标回测及实战交易设计

    自己做量化交易软件(44)小白量化实战17–利用小白量化金融模块在迅投QMT极速策略交易系统上仿大智慧指标回测及实战交易设计 小白量化平台是由若干小白金融模块构成.其中包含行情接收模块,仿通达信大智慧 ...

最新文章

  1. mvp关联activity生命周期_Rxjava+Retrofit统一异常处理与生命周期管理
  2. linux配置串口不支持serial,linux 串口serial1和serial2不能用?
  3. Spring BeanDefinition
  4. iNeuOS工业互联网操作系统,矿山动态产量计量系统和铁路车辆识别系统应用场景案例...
  5. iPhone上运行Linux也要来了
  6. 最流行的 IDE 之争:Eclipse 反超 Visual Studio 成第一
  7. 可视化Web报表设计器-FastReport Online Designer简介
  8. nopcommerce 开源商城
  9. (转)NYU教授给写AI新闻的记者们写了一封推心置腹的信,你也应该读读
  10. java.lang.UnsupportedOperationException WebView is not allowed in privileged processes
  11. noip模拟赛 SAC E#1 - 一道中档题 Factorial
  12. 免费图书借阅+php源码,开源php图书管理系统
  13. CF1060F Shrinking Tree(期望、树形dp)
  14. B端产品的筛选场景调研与设计优化实践
  15. Android 中的自定义 Snackbar
  16. Regularization(正则化)
  17. Postgresql适配国产化人大金仓(kingbase)
  18. 十步法原则解决数据质量问题
  19. 巾帼不让须眉 IT界10大女性CEO排行
  20. Lucas–Kanade算法

热门文章

  1. 分区表损坏引发的血案
  2. 小程序switch内部加上文字_假王子恋爱手册2:女生向文字恋爱游戏小程序!女扮男装日记!...
  3. 解决webpack打包错误问题
  4. Preferences...
  5. 企微 - 使用jsdk的 openDefaultBrowser 实现打开默认浏览器
  6. JsonWebToken是什么?
  7. 投简历电子邮箱正确格式,个人邮箱怎么写HR会优先看?
  8. 2023届秋招技术岗内推专场来啦~内推名额等待优秀的你
  9. DAY3 生成器学习
  10. 植物大战僵尸电脑版95版