参数调到最优的那组,往往是最不能用的一组
发布时间:3小时前阅读:12
跑一遍参数扫描,几百组组合跑下来,找到一组年化最高、回撤最小的参数,兴奋地拿去实盘,结果一个月就失效。这种事在量化里极其常见,原因不神秘:你找到的那组参数,是过去这段行情的形状,不一定是未来的形状。
参数优化的本质是在有限的历史数据里找规律,数据量有限,规律就容易被噪声冒充。参数组合越多,越容易找到一组「恰好」拟合了历史噪声的组合,这在统计上叫过拟合。表现是回测极好、样本外极差。
怎么判断一组参数是真有效还是拟合出来的,有三条实用标准。
1、参数附近的稳定性。把最优参数上下各调一档,如果收益断崖式下跌,说明这个点很孤立,多半是拟合;如果邻域内表现平滑,可信度高得多。
2、样本外验证。留出一段数据完全不参与调参,用它来检验。样本外和样本内的差距,就是过拟合的程度。
3、参数数量的克制。三个参数以内的策略,优化空间有限,过拟合风险也低;十个参数的策略,随便怎么调都能找到漂亮结果,但意义不大。
还有一个更根本的判断:一个策略如果必须靠精确的参数才能赚钱,它依赖的其实是特定行情,而不是可复现的逻辑。真正稳的策略,参数在一个区间内都能跑,只是收益有高低。
判断标准:把最优参数换成一个「看起来合理但不是最优」的值,如果策略照样能跑出接近的结果,这组参数才有实用价值;一换就崩,就说明它只是在复述历史。
再补充一个方法:把样本切成三段,用前两段调参、第三段验证,再把顺序换过来重做一次,两组结论一致,参数的可信度才够。
股票/量化开户欢迎找我!满足条件股票佣金万0.854、etf 可转债佣金万0.5、国债逆回购一折(百万分之一)!期权1.8元一张全包价!量化软件QMT+ptrade免费使用!还有888、999资金靓号等你选!
温馨提示:投资有风险,选择需谨慎。



问一问
从业认证

+微信
分享该文章
