海龟交易法则11_历史测试的谎言

海龟交易法则11:历史测试的谎言

历史测试结果和实际交易结果的差异主要是由四大因素造成的：

交易者效应：如果一种方法在近期赚了很多钱，那么其他交易者很可能会注意到它，开始用类似的方法模仿它，这很容易导致这种方法的效果不再像一开始那样好。  
随机效应（randomeffect):历史测试的结果夸大了系统的内在优势也可能是纯随机性的现象。  
最优化矛盾（optimizationparadox):选择特定参数的过程(比如选择25日移动均线而不是30日移动均线）可能降低事后测试的预测价值。  
过度拟合（overfitting)或曲线拟合：系统可能太过复杂，与历史数据的吻合度太高，市场行为的一个轻微变化就会造成效果的明显恶化。  

海龟交易法则11.1:交易者效应

交易者效应:交易行为本身有可能改变交易赖以成功的潜在市场状态。交易者不约而同地试图利用某种市场现象，这种现象的优势就会被毁掉.
当我想买入或卖出，但又知道市场很容易在交易者的预期作用下提前变动时，我会故意发出相反方向的假订单。这样，假如市场真的闻风而动，我会撤掉最初的假订单，发出一个接近于市价甚至是比市价还要有利的限价真订单。
举个例子，如果我想买人100份合约，我可能先放出一个假卖单。假设这个假卖单要求在415美元的价位卖出100份合约，而市场现状是买人价410美元，卖出价412美元，那么我的假卖单的出现可能令市价变为买入价405美元，卖出价408美元。这时候，我可以撤掉假卖单，发出限价410美元的真买单，这个买单很有可能在408美元或410美元成交，比我发出假订单之前的市场卖出价要低。

海龟交易法则11.2:随机效应

大多数交易者都想不到纯随机性的因素对他们的交易结果可能有多大的影响。
事实上，单是随机性事件的影响就有可能造成交易结果的天壤之别。假如把随机事件包含在内，一系列历史模拟检验的差异水平会高得惊人.

我在提到优势率这个概念的时候说过，我曾对一个随机性入市策略进行了模拟检验，这种策略仅根据电脑模拟的掷硬币结果来决定在开盘时做多还是做空。当时我设计了一个完整的系统，采用以掷硬币结果为基础的进入策略和定时退出策略——在入市之后的若干天后退出，天数从20天到120天不等。然后我对这个系统做了100次测试，所用数据就是我们在第十章中用于比较不同趋势跟踪策略的那些数据。在这1〇〇次测试中，最好的一次获得了16.9%的年均回报，在KX5年的测试期内把100万美元变成了550万，但最差的一次却年均亏损20%。这说明，纯随机性事件可以导致巨大的差异。  
如果我们加人一点优势因素，结果会怎么样？如果我们加人唐奇安趋势系统中的那种趋势过滤器，把这个系统变得类似于一个趋势跟踪系统，结果会怎么样？这样一改，我们的人市决策还是随机性的，但前提是入市行动只能与大趋势的方向一致。这是个有趣的问题，因为无论你观察哪些趋势跟踪基金的表现，你都会发现它们良莠不齐，差异极大。如果某个基金表现得髙人一筹，它的管理者当然会说这是卓越的交易策略和执行能力的结果。实际上，超常的表现也可能源于随机效应，而不是什么卓越的策略。如果你考虑一下这样的随机效应在系统有优势的情况下还能有多大的影响，你就能更好地理解这一点。  
如果我们在这个完全随机性的系统中加入一个有正优势的趋势过滤器，那么100次测试的平均表现会显著改善。根据我的测试，平均回报率上升至32.46%，平均衰落幅度下降至43.74%。但即使加人了过滤器，各次测试之间仍有相当大的差异。在100次随机测试中，最好的一次达到了53.3%的年均回报率和1.58的MAR比率，最大的衰落只有33.6%;但最差的一次只有17.5%的回报率，最大衰落却有62.7%之大。  
运气或者说随机性因素对交易者和基金的表现有举足轻重的影响，尽管那些交易精英们不愿意对他们的投资者们承认这一点。历史表现在投资者眼中就是响当当的硬证据，但实际上并没有那么硬。  

对一个只相信历史记录的人来说，诸多交易者之中总有某些看起来技高一筹但实际上极为平庸的幸运儿。
用业绩衡量指标去区分好基金和坏基金的时候，你很容易遭遇随机效应问题。因为运气好的平庸交易者要多于运气不佳的优秀交易者。
时间更加垂青真正的优秀交易者，而不是那些平庸的幸运儿。
好的投资者投资于人，而不是历史记录。当他们观察交易者时，他们知道哪些特征预示着未来的优异表现，哪些特征反映了平庸的能力。这是克服随机效应的最佳方式。

海龟交易法则11.3:最优化

有些交易系统需要用特定的数值进行计算，选择这些数值的过程就是最优化。这些数值被称为参数。
有许多交易者认为最优化不是件好事，因为它会导致曲线拟合现象和拙劣的表现。我说这是一派胡言！
如果操作得当，最优化是件好事，因为了解参数变化的影响总比忽略这种影响要好。
当我们检验参数变化的效果时，我们常常能从一些迹象中发现系统的表现是随机效应或曲线拟合的结果，而不是系统优势的反映。所谓最优化过程，无非就是观察一下调整参数值对交易结果的影响，合理地决定在实际交易中使用什么样的参数值。

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。
参数优化助于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。
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。
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.
要想建立有效的交易系统，最优化是至关重要的。

海龟交易法则11.5:过度拟合或曲线拟合

过度拟合通常发生在系统变得过于复杂的时候。有时候，你可以通过添加法则来提高一个系统的历史表现，但这仅仅是因为这些法则影响了屈指可数的几笔重要交易。
参数值的微小变化却引发了交易结果的剧烈变化，这种现象被交易者们称为峭壁。峭壁的出现是个很好的信号，这证明你可能已经犯了过度拟合的错误，而且你的实际交易结果可能会与测试中的结果大相径庭。峭壁现象也是我们认为参数最优化有益的原因之一：通过最优化程序，你可以发现峭壁，在开始交易之前就修正这个问题。
样本规模的重要性
这个问题经常在不经意间发生，因为大多数人都不会从这样的角度考虑问题。
季节性因素就是个很好的例子。如果你想用10年的数据来分析某个特定的季节性现象，你最多只有1〇个例子可用，因为你的测试期只有10年。这样的样本规模没有什么统计学价值，因此任何以这些数据为依据的测试都对未来的表现没有太多的借鉴意义。