http://www.gpydt.cn

您的位置:股票易点通 > 股票知识 > 炒股技巧 > 正文

【股票投资】海龟交易法则11.4:最优化矛盾

海龟交易法则11.4:最优化矛盾

所谓最优化矛盾,是指参数最优化过程有两种相互矛盾的效果:

       一方面可以提高系统在未来表现良好的概率,另一方面却会降低系 统的未来表现符合模拟测试结果的概率。这样,参数最优化虽然提 高了系统的预期表现,但也降低了历史模拟指标的预测价值。我相 信,正是因为对这种矛盾理解不足,许多交易者才会怀着对过度最 优化和曲线拟合的恐惧而对最优化避之唯恐不及。但在我看来,恰 当的最优化永远是明智的。

       使用恰当的最优化所得出的参数值可以提高系统在实际交易中 获得理想结果的可能性。一个例子有助于我们理解这一点。考虑一 下布林格突破系统,它有两个参数:一个是长期均价,一个是标准 差,一定时间内的长期均价加减一定倍数的标准差就是系统的波幅 通道。图11 - 1反映了这个系统在不同标准差参数值下的MAR比 率,横轴代表通道宽度,也就是标准差倍数,从1倍到4倍不等。

【股票投资】海龟交易法则11.4:最优化矛盾


图中可见,2. 4倍标准差对应着最好的模拟结果。任何小于或大 于2. 4倍标准差的人市标准都会降低MAR比率。

       现在我们来看看最优化是不是真的有益。假设我们没有考虑通道 宽度的最优化,而是凭主观感觉选择了一个3倍标准差的参数 值——因为我们记得统计学课本说过,对正态分布来说,有99%以 上的值会落到均值加减3倍标准差的范围内。如果未来与过去的差 别不是太大,那我们会错失很多利润,而且我们的衰落幅度比 2. 4倍标准差下要大得多。差距大到什么程度呢?看几个数据就知 道了:在10年半内,假设衰落水平相同,2. 4倍标准差下的利润是 3倍标准差的8倍之多,两者的年均回报率之比是54. 5%比28. 2%。

       不做最优化意味着糊里糊涂地被运气因素完全左右。发现了调 整这个参数的影响,我们就更好地理解了人市标准参数的作用和 交易结果对这个参数的敏感性。现在我们知道,如果通道太窄,交易次数就会过多,这会削弱系统的表现;如果通道太宽,你在 等待入市的过程中会白白错过很多趋势,这也对系统不利。如果 你因为害怕过度最优化和曲线拟合而放弃最优化,你就得不到这 种认识,而这种认识本来可以大大改善你的交易结果,也为你在 未来设计更好的系统提供一些新的理念。下面几节将介绍其他几 个参数,你会看到,它们的变动同样对应着系统表现的山峰或山 丘形变化。

移动均线参数

【股票投资】海龟交易法则11.4:最优化矛盾




图11 -2反映了移动平均收盘价的计算天数对MAR比率的影响, 移动均价的计算天数能决定布林线波幅通道的中心线,从150天到 500天不等。

如图所示,350日对应着最佳的测试结果。任何大于或小于 350日的参数值都会降低MAR比率。

       图11 -3则反映了不同退出标准参数下的MAR比率。退出标准 是一个规定系统退出点的参数。我们在前文介绍布林格突破系统的 时候说过,当收盘价穿越了移动均线(也就是通道的中心线)时, 系统就退出市场。在这次测试中,我的目的就是检验一下系统在这 个穿越点之后或之前退出市场会怎么样。在图中,正的退出标准参 数值对多头交易来说表示高于移动均线的标准差倍数,对空头交易 来说则表示低于均线的标准差倍数。相反,负的参数值对多头交易 来说表示均线之下,对空头交易来说表示均线之上。

让我们看看退出标准参数值从-1. 5逐渐变动到1. 0的影响。如 图11-3所示,参数值达到-0.8时,测试结果最好。任何高于或低 于-0. 8的值都会降低MAR比率。

【股票投资】海龟交易法则11.4:最优化矛盾


预测价值基础

       之所以说历史测试有预测价值,是因为历史测试结果可以对交 易者在未来的表现提供一些指示。未来与过去越接近,未来的交易 结果就越接近于历史模拟结果。作为系统分析的一种方法,历史测 试也有一个很大的问题,那就是未来永远也不会等同于过去。但一 个系统确实能利用反映在市场中的人类永恒行为特征来赢利,从这 个角度看,过去就是对未来的模拟,尽管不是精确的模拟。用全部 经过最优化的参数得出的历史检验结果代表着非常特殊的交易结果: 也就是这个使用最佳参数的系统用于过去的实战中将产生的交易结 果。因此,这个模拟结果就代表着最乐观的历史回顾。

       假如未来与过去完全一致,你在实际交易中就应该得到这样的 结果,但未来永远也不会等于过去!现在请回顾一下本章前后的各 个图表:每个图的形状都像是一座山峰,而且都有一个峰顶值。你 可以用图11 -4这样的图来表示一个给定的参数值。 

 

【股票投资】海龟交易法则11.4:最优化矛盾

       对A点来说,如果它的相对位置左移,它所对应的系统表现就 要低于A点;如果它的位置右移,系统表现就会提高。因此,参数 值A下的测试结果有不错的预测价值,不管未来如何变化,因为它 高估和低估未来表现的可能性是相同的。

       但B点就不一样了。不管向左还是向右移,系统表现都会下降。 这意味着B值下的预测结果很有可能高估未来的实际结果。假如这种效应通过多个不同的参数而复合放大,那么未来变化的影响也会 复合放大。这意味着,如果有很多参数都是最优化的,那么未来的 实际结果与这些最优化参数值下的预测结果就很难吻合。

       但这并不意味着我们应该在实际交易中使用参数A。因为即使 未来的变化幅度相当可观,B点左右的系统表现仍然高于A点左右 的系统表现。因此,尽管最优化过程降低了预测价值,你仍然应该 采用最优化参数,因为最优化参数更有可能带来理想的结果,不管 未来如何变化。.

       最优化矛盾已经成了骗局和诡计的温床。有很多不道德的系统 兜售者大肆炫耀他们靠特定市场上的最优化(特别是短期最优化) 所得出的超高利润和不可思议的优异表现,但他们知道这样的历史 测试结果不可能在实际交易中实现。不过,最优化会导致虚夸现象 并不意味着我们不应该最优化。事实上,要想建立有效的交易系统, 最优化是至关重要的。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。