中低频量化交易策略研发06_推进的择时策略

7.1 均线趋势策略的推进分析

需要单独说明的是，在第 4 章第 2 节均线趋势策略的简单优化中，策略的参数设置在四年半的模拟交易时间内始终保持不变，因此这段时间内的均线趋势策略也等同于“短期均线从下向上穿过长期均线则做多，短期均线从上向下穿过长期均线则做空”。但是这里灰色框所代表的模拟交易期则不同，三年半的时间由相对独立的 845 个交易日组成，对每一个灰色框中运行的均线趋势策略而言，参数设置都由前面 244 个交易日下的优化结果决定，因此会在这三年半期间产生变化。出现诸如策略参数变化时买卖点不一致之类的问题。因此，研究人员需要始终采用分类思维来处理仓位变换，即在分类为多的情况下，如果仓位为多头则保持不变，如果不是则通过买入操作将仓位变为多头；在分类为空的情况下，如果仓位为
空头则保持不变，如果不是则通过卖出和卖空操作将仓位变为空头。但是使用分类变换的方法来处理仓位时，可能会由于策略参数的切换导致多空在短时间内来回变动，进而带来操作上的反复，这是该方法本身存在的不足之处。

在整个推进分析 845 行的过程中，均线趋势策略的参数组合一共变动了 52 次。
实际上，变动次数与用来优化的白色框的长度有内在关系，优化样本的长度越短则变动越频繁。

7.2 均线反转策略的推进分析

7.3 均线混合策略的推进分析

是将均线趋势策略和均线反转策略在优化过程中同时进行考虑，选择盈利能力最强的策略方式和具体参数设置，并将其应用到检验数据之上。

而检验期下的收益率水平有所提升，就是一个对于量化交易策略而言具有实际意义的结果了，其说明至少在回溯测试的样本下，策略的混合改进确实带来了一定的盈利能力。

虽然均线混合策略在收益率和回撤水平上都比单独的均线趋势策略和均线反转策略表现更好，但是年化收益率仍然只有 7.83%，而模拟交易中的平均年度最大回撤为 11.15%。同时，在三年半的交易检验期中，净值在相当长的一段时间内低于初始净值且没有明显变动。实际上，综合来看，三种均线策略的推进分析结果均没有很好的表现。通过这些研究结果来判断，这三种均线策略均不适合应用于实际交易当中 。

7.4 自回归策略的推进分析

7.5 自回归策略的多层推进分析

 

第 8 章 推进的选股策略

8.1 多因子选股策略的推进分析

虽然多因子选股策略中包含市值因子，但是市值因子作为单因子的表现实际上是要好于多因子选股的。这主要是由于在 2014 年底、2015 年初的特殊时间段内，多因子选股策略中的两个因子同时遭遇到了因子失效的问题，所以多因子选股策略在没有降低最大回撤风险的情况下，收益情况却被两个因子平均化了，进而形成了这种退化的结果。但是在真实的策略研发过程中，即使在样本中出现了这样的问题，作者同样建议在多因子选股策略中尽可能多的吸收有效因子。只要研究人员通过逻辑判断出多个因子之间没有非常强的内在相关性
虽然本书整个篇幅都在讲解数据的实证研究，但是在作者的观念里，经济直觉的重要性其实是要高于纯粹的数据研究结果的。

8.2 多因子选股策略的多层推进分析