唠唠量化策略开发当中的细节优化，十年多赚200%

最近这段时间没有搂到啥有趣的量化策略，又不想开空窗，周末闲暇，就来唠唠如何把现有的策略做得更精细化，处理好一些开发细节，让原来的策略更亮眼，无需高深的数据处理和开发技巧，十年多赚200%+。

大道理就不瞎扯了，说多了大伙儿也不爱听，我自己是喜欢比较实操更接地气的东西，就拿之前开发的ETF轮动策略开刀吧，具体的策略构建细节可以看之前的两篇文章《手把手教你构建与改进轮动策略》和《换了量化平台，重新回测，还是十年10倍》。

给新来的但又不想看长篇大论的小伙伴，描述一下这个ETF轮动策略大致的思路，轮动候选池为：红利ETF（510880），创业板ETF（159915），纳指ETF（513100），黄金ETF（518880）；每日为候选池当中的所有ETF进行动量强弱打分，ETF强弱得分为“价格序列斜率和决定系数的乘积”，买入得分最高的那个ETF，若得分持续最高则继续持有，否则卖出旧仓买入新的最强，回测绩效如下。

原始策略十年来回测的累计收益率是1040.55%，年化收益是28.74%，夏普率正好是1.0，咱就以这些回测绩效统计指标作为基准，判断之后修改的策略是否起到改进优化作用。

为了保证策略之间的可比性，回测时间依旧保留为2013年9月3日~2023年7月28日，ETF交易费率为万分之3，无印花税，当前交易日出信号，下一个交易日开盘成交，滑点、防未来等设置都与之前的一样。

闲白铺垫完了，下面进入正题，对原始策略第一处改进就是“对数处理”，这一点很常见吧，特别是对于接触过金融数据分析的童鞋。

在金融数据分析当中，通常都会对证券原始的价格序列进行对数处理，将原始价格转化为对数价格，然后再计算收益率等各种分析，为什么要这样做呢？

在统计上，这样能使数据序列更平稳、削弱共线性和异方差~什么~~看不懂~~~犯迷糊？不理解的小伙伴不要着急，接下来会说人话，总之对数处理好处多，我就说说跟这个策略相关的部分。

先举个栗子，假设有个ETF价格是1块钱，第一年先下跌了50%，跌到了0.5元，第二年上涨了50%，涨回到了0.75元，你瞧，平均收益率是0，1*(1-50%)*(1+50%)=0.75，但价格最终却是下跌了25%。

这就是用原始价格计算收益率时的一个弊端——涨跌不对称性，如果计算对数收益率就没有这个烦恼了，对数收益率=ln(原始期末价格/原始期初价格)=ln(原始期末价格) - ln(原始期初价格)，ln()是以自然数e为底的对数函数。

第一年对数收益率 = ln(0.5) - ln(1.0) = -69.31%

第二年对数收益率 = ln(0.75) - ln(0.5) = 40.54%

平均对数收益率 = (-69.31% + 40.54%) / 2 = -14.38%

转化为最终的原始价格：exp(-69.31% + 40.54%) = 0.75

可以看到，平均的对数收益率是负数，表明最终的价格是下跌的，第一年下跌的幅度要比第二年上涨的幅度要大，并且，由于对数收益率的计算性质，对数收益率之间具有可加性，不像普通的算术收益率需要加1后连乘才能得到最终的价格。

这种对数化的处理就非常契合轮动策略当中的动量理念，这更加方便咱看价格走势，进而计算出价格走势的斜率了。

为了直观解释，再来举个栗子，简单粗暴假设有个ETF的价格每天都是上涨1%，咱分别画出原始价格的序列曲线和“ln(原始价格)”的曲线。

为了方便对比，我把两条曲线的首尾放到一起，原始价格（黑线）数值看左轴，对数价格（蓝线）看右轴。可以看出，对数价格曲线符合每日固定增长的走势，而原始价格的走势斜率会越来越大（这也印证了复利的威力）。

看完了对数处理的缘由，咱试一下把策略中的原始价格换成是对数价格，再跑一遍回测试一下。

跟原始策略对比，累计收益率从1040.55%提升到了1125.18%，年化收益从28.74%提高到了29.70%，夏普率从1.0提高到了1.04，看来这常规的金融数据处理还是有一丢丢的改进优化作用。

上面针对的是价格走势的处理，那价格是用什么来表示呢？肯定有很多童鞋本能地回答说是收盘价，这也没错，收盘价确实是其中的表示形式之一，咱之前也是怎么做的，但价格的表示不单单只有收盘价。

咱平常看盘的时候，映入眼帘的是K线序列，是一根根K线串联起来的，而收盘价只是K线当中的一个数值点，下面是沪深300指数的K线序列。

红线是最高价，白线是最低价，黄线则是收盘价，K线如果像是一条有一定宽度的布带的话，那收盘价只是这根布带之间的一条线，咱之前就是在用这根线的斜率，去衡量这条布带的走势。

如果是这样，那能不能多用几根线去表征这条布带？答案是肯定的，特别是开发CTA策略的童鞋，计算价格的时候会综合考虑开高低收、成交量、换手率等因素。

我就说其中一种常用且简单的形式，价格 =（最高价+最低价+收盘价）/3，这个平均出来的价格在坊间有很多种称呼，比如平均价格、价格中枢、K线中枢等，这些都是不成文的叫法，大伙儿明白我的意思就行了，下文就称为“K线中枢”吧（其实真正的K线中枢要有逐笔成交数据才能算出来，就当做是极其简化版吧）。

咱就用这个K线中枢，代替原策略当中的原始价格序列，重新回测一遍，看看效果如何。

跟原始策略这个基准比，累计收益率从1040.55%提升到了1233.22%，年化收益从28.74%提高到了30.84%，夏普率从1.0提高到了1.08，看来这K线中枢的改进优化作用比对数处理还要强。

既然对数处理和K线中枢对原策略都有改进优化的作用，那一起用会怎么样呢？

说干就干，先用K线中枢代替原策略当中的原始价格，再对K线中枢进行对数处理，接着的流程就跟原始策略的一模一样了，再来回测一番。

这个双管齐下的策略跟原始策略基准比，累计收益率从1040.55%提升到了1273.95%，十年间多赚了233.4%，年化收益从28.74%提高到了31.25%，多了2.51%，夏普率也从1.0提高到了1.1，比单独使用其中一种改进方式的效果要好很多。

量化策略的细节优化和改进，一般情况下不会带来翻天覆地的收益提升，但改进优化一次比一次好的话，长期累积下来，也是很可观的收益，同时也能减弱一些异常数值的干扰，是一种长期打磨的功夫。

这次唠了对数处理和K线中枢这2种很简单实用接地气的策略细节优化技巧，一般对原策略改动不大，并且有一定的提升作用，开发性价比还是挺高的，感兴趣的小伙伴可以自行尝试一下。

原文首发链接：《唠唠量化策略开发当中的细节优化，十年多赚200%》