1703559580
1703559581
CTCR：
1703559582
1703559583
让我们讨论如何衡量系统的绩效。罗伯特，就由你开始吧。
1703559584
1703559585
巴度：
1703559586
1703559587
主要的考虑是净盈利。但是你必须用对应的潜在风险考虑净盈利，这是你在赚取净盈利时所需付出的代价。我以最大资金回撤（一连串不利交易所造成的最大损失金额）来衡量潜在风险。
1703559588
1703559589
风险/报酬比率（risk/reward ratio）是评估模型的另一项关键概念。在计算风险/报酬比率时，我是以净盈利除以最大资金回撤。这项比率越高，则该模型的“风险–绩效”之表现便越佳。
1703559590
1703559591
绩效考虑的另一项要素是单笔交易平均盈利。非常明显，平均盈利金额越高，该模型的业绩便越好。因为你在每笔交易中都会面临亏损的风险，达到相同盈利所需进行的交易笔数越少，则该模型的绩效越佳。
1703559592
1703559593
优化过程也涉及某些类似如稳定性与可移动性的评估因素。稳定性是在变数值区间中模型绩效所呈现的连贯性。可移动性则是在不同历史时间段，模型绩效所呈现的可靠性。
1703559594
1703559595
评估交易在时间与金额上的前后一致性也很重要。如果模型出现几笔特殊的盈亏交易，尤其是在测试时间段开始或结束时，则你必须避开这类模型。你必须了解不寻常巨额盈亏对于整体绩效所造成的影响。
1703559596
1703559597
避免这类不规则影响的最单纯方法，便是以不同的历史时间段检验交易模型的绩效。这有三方面的功效。它可以降低大盈、大亏所造成的影响。它可以在统计上比较有效的数据范围内呈现模型的实质绩效。另外，它可以让模型在各种不同的行情状况下展现其绩效。
1703559598
1703559599
在包含各种不同市场状况的各个历史时间段，即涵盖价格波动剧烈与平静的时间段，有趋势与无趋势的时期，如果模型的绩效始终最好，则其在未来继续保持其绩效的可能性便很大。
1703559600
1703559601
CTCR：
1703559602
1703559603
杰克，你如何判定好的绩效？
1703559604
1703559605
茨瓦格：
1703559606
1703559607
在我提出我的标准之前，我希望提到一项有关绩效衡量的重要问题。交易系统的使用者经常发现，其实际交易结果远不如模拟交易所预期的水平。其中一项原因是其测试未能纳入现实的假设。
1703559608
1703559609
在测试系统时不扣除佣金费用是一项明显的错误。但是，仅调整实际发生的佣金费用并不够。佣金只是交易成本的一部分。你必须估计系统理论执行价格与实际成交价格之间的差值。举例而言，如果你所测试的系统是以收盘价进行交易，则不可假定交易成交于收盘区间的中点，因为这是不切实际的假定。在现实世界中，更为常见的是买单成交于收盘区间的上端，卖单则会成交于下端。
1703559610
1703559611
这个问题有两种处理方式。第一，使用可能的最差成交价格——例如，以收盘区间的最高价买进。第二，设定高于佣金费用的每笔交易成本——比方说，每笔交易再加上50~100美元。
1703559612
1703559613
第二种方式更为可行。因为大多数数据库均不提供开盘与收盘区间的数据。况且，你如何决定盘中止损单的可能最差成交价格？另外，假定每笔交易都成交于最差价格，这或许有些矫枉过正。
1703559614
1703559615
如果你所评估的系统频繁发出交易信号，那么未纳入合理交易成本将是一项尤其严重的错误。交易者经常会选择交易活跃的系统，因为这类系统往往有较好的绩效。他们没有发现，绩效之所以好，仅仅是因为他们没有考虑适当的交易成本。
1703559616
1703559617
除非电脑程序做了额外的修正，否则电脑交易系统可能准许你在开盘的跳空缺口或当日涨停板水平上成交。若是如此，纸上交易的结果会出现严重高估的倾向。
1703559618
1703559619
在纳入实际的考虑之后，看似迷人的交易系统可能会因此而分崩离析。当然，在测试阶段发现这些疏误，要比在实际交易中遭遇它们来得好。
1703559620
1703559621
CTCR：
1703559622
1703559623
在纳入合理的假定之后，杰克，你如何判断某交易系统的表现好到值得拿来交易？
1703559624
1703559625
茨瓦格：
1703559626
1703559627
可用于衡量绩效的指标数量数不胜数。非常幸运，我们无须观察如此众多的指标，因为它们之间几乎都存在着极高的相关性。举例来说，如果你测试50种交易系统或参数组合，并根据10项绩效指标来排列其结果，则你会十分讶异于每项指标所产生的排列顺序竟然会呈现如此高的相似性。我相信，任何人只要进行这类的实验都会发现这种惊人的相似性，此后他顶多只会使用几项绩效指标。
1703559628
1703559629
CTCR：
[
上一页 ]
[ :1.70355958e+09 ]
[
下一页 ]