一、核心对比维度
回测指标对比
基础指标:包括收益率(总收益、年化收益)、最大回撤、夏普比率、胜率等,通过相同历史数据区间运行不同策略,横向比较绩效。高级指标:如索提诺比率(聚焦下行风险)、卡玛比率(回撤调整收益)、信息比率(相对基准表现)等,适用于复杂策略评估。示例:年化收益率需覆盖完整牛熊周期(建议≥3年),夏普比率>1.5为优秀,最大回撤需结合市场环境区分系统性风险与策略失效。模拟交易验证
在模拟环境中并行运行策略,观察交易信号频率、执行效率及资金曲线稳定性。例如,高频策略需关注滑点对收益的影响,低频策略则侧重盈亏比。QMT支持本地化模拟交易,可实时监控策略表现并动态调整参数。场景适应性测试
针对不同市场(牛市、熊市、震荡市)分析策略表现。例如,趋势策略在牛市中可能表现优异,而均值回归策略更适应震荡市。工具支持
QMT内置回测引擎,支持Python/VBA编写策略,可自定义指标输出(如波动率、阿尔法系数等),并支持多线程加速计算。第三方工具集成:通过本地IDE(如VS Code)连接QMT的MiniQMT接口,实现复杂策略的灵活开发与回测。数据要求
需确保历史数据质量一致(如Tick级或分钟级),QMT支持全市场行情数据导入,但需注意数据延迟问题;PTrade在历史数据完备性上可能更优。风险控制指标
最大回撤率、年化波动率等反映策略抗风险能力。例如,最大单笔亏损应控制在总资金2%以内。连续亏损次数超过5次需触发策略暂停检查。交易行为分析
胜率与盈亏比结合评估策略有效性(如高胜率+低盈亏比可能需优化止盈止损)。日均交易次数需匹配策略类型(高频>10次/日,低频<0.5次/日)。
在 QMT 平台上,投资者如何进行量化策略的回测操作?
哪些券商支持QMT量化,有哪些策略