量化交易策略的核心是算法设计和参数优化。小鼎表示:量化交易策略是量化交易中神秘的环节,因为多数策略具有容量限制,一旦公开,使用策略的人数多了,策略自然也就失效了。从开发看,量化交易策略的核心是算法设计和参数优化,需要一定的金融、数学等知识,IT知识用的少,相较起来,数据模块的开发和维护反而最需要IT知识。
量化交易策略的输入是交易数据,输出是资金曲线。其与 “交易系统”有着相似之处,都要回答市场交易“灵魂五问”,都要有“赚钱逻辑”。
量化交易策略的优势有时也会带来一些不可忽略的“麻烦”,典型如下:
1、滑点。
比如一个策略的描述“最高价>开盘价,在开盘价买入”;但实际上,需要当日收盘后才能确定当日最高价,也就没有办法在开盘价买入,策略引入了“未来变量”,这类错误要坚决杜绝。
3、过度拟合。
回测发现效果不佳,不断手工调整参数,甚至采用函数遍历各种情况优化参数,终于得出收益惊人的资金曲线,但一上实盘又发现是“渣渣”。究其原因,过度拟合后,丢失了策略底层的“赚钱逻辑”。
适当调优参数是可以的,如何判断是否“过度”,是个技术活。