一個模型需不需要多品種多周期普適性才算有效？

01-06

在開發階段，模型是否需要在多品種多周期上有效才可以開始實盤測試？
關於這個問題基本上有兩種說法：
第一種說，模型要有普適性。模型回測時，要能用相同的參數在多品種、多周期、回測K線數量超過4W根以上的條件下，能在超過一半的品種、周期裡面實現盈利，這個模型才算是初步有效，可以開始實盤測試。
第二種說，模型不需要普適性，一個模型只要在一個品種上，回測歷史數據超過3年或者超過4萬根K線的條件下，這個模型在盈利率、盈虧比、最大回撤率、夏普率和資金曲線等方面都能有很好的表現，那麼這個模型就可以放實盤。

因為一個策略只能在適合它的行情裡面盈利，不適合的行情裡面只能盡量縮小虧損。通過多策略多周期多品種組合就可以對沖平滑曲線。
-------------
總體來說個人比較支持第二種說法，可是放到實際上來說又總覺得有點不對勁
一個不具備普適性的模型，怎麼判斷它是不是僅僅偶然地符合了過去的行情特徵？怎麼判斷它在未來有沒有實用性？
以實際情況為例子：

假如我有一個日內趨勢模型A，它在2015年的恆指5分鐘上回測（回測周期超過4W根），在沒有針對它特別優化的情況，各方面表現都很不錯。
可是，把它放到2014年5分鐘恆指、2015年15分鐘恆指上都能盈利但回撤很大。放到其他品種上如PTA上就會大幅虧損。
原因是2015年的5分鐘恆指有很多趨勢行情比較適合該模型，而其他周期、品種上震蕩行情較多，所以效果比較差。
那麼，在這種情況下，是該認為這個模型只是恰好符合了那一段行情，實際上並不能盈利；還是可以認為它符合了開始實盤測試的條件，能放進策略組合裡面運行呢？

模型有效，在多品種和多周期上都有效並不是必要條件，我認為必要的條件是：回測過程中有足夠多的交易點，來支持量化中的統計優勢。

周期較短、頻率較高的策略就是一個例子，如果一個策略平均每天交易十幾次或者幾十次，而且這個策略在某個品種上面過去幾年一直表現很好，那我認為這個策略是非常容易實盤成功的。反過來說，長周期策略幾周做一次交易，那麼即便是單品種做了好幾年，總的交易次數也不會很多，這種單品種的回測沒有說服力，需要再多品種或者多周期上面鋪開回測，增加統計的基數才行。

一個螺紋鋼上面的高頻策略很賺錢，總不能指望它在股指期貨上面也表現好，畢竟盤口差異太大了。

一般地說，適合多品種多周期普適性的策略的存活周期會長一點，因為你已經用不同的行情檢驗過了。未來未知的行情和已經檢驗過的行情的匹配的可能性會更大。越嚴格的普適性測試，這個策略在實盤成功的可能性越大。

一個不是普適的策略，如果你能夠分析出策略的績效因子，比如它所適合的趨勢度，波動率，平均振幅等等，那麼你是可以根據當前一段的行情決定是否上線這個策略。

這是一個根據行情找策略，或者是根據策略找行情的問題。

如果你不具備多策略組合，並且能夠相當準確的定量分析你的策略和行情的話，建議還是尋找普適的策略上實盤比較合適。

同 @JV兄

期望收益=平均每筆贏利*勝率-平均每筆虧損*(1-勝率)

期望收益的構成就那幾種，無非

1,高盈虧比低勝率型/趨勢型長期在市

2,低盈虧比高勝率型/突破型非長期在市

討論普適性完全沒必要，廣義上，趨勢交易系統在參數不變的情況下之所以在不同的品種走勢中表現不一僅僅是因為各品種/各時間段的波動率不同。

突破型系統更不需要普適性，這種非長期在市的系統的核心就是勝率可調整，都動不動每周調整開平倉標準了還談什麼普適性。

最後：

不斷地對各品種的歷史數據回測可能會讓你得到一個令人舒適地參數，但他在可以匹配過去的同時也失去了對未來的快速反應能力。因為趨勢無關波動率，而波動率在不同的時期是變化的，真實的交易中大多數人耗不起幾年十幾年。在有限的時間裡更了解和貼近市場的情緒，積極調整或者更換交易系統，可能才是我們想要的。

為此，你可能要適當的放棄從歸納法得來的對市場的認識，且需要更深入地從更多維度上去理解它，用演繹法不斷的提出問題然後去嘗試解答，可能會有意想不到的結論。

當然，這只是我一如既往地偏題解答，完畢。

當前任何策略都是對歷史數據的總結，而未來不是對歷史的簡單重複，一切都是變化的。如果你的策略在回測情況下存在不適合某種走勢，那麼你如何敢肯定今後一定不會遇到這種走勢。

我來舉個例子，我最初開發的是一個趨勢跟蹤策略，與海龜交易策略非常類似，從回測數據看出，它在多數品種表現可以，但是在某幾個品種表現非常糟糕。於是我就採取最保守的方式，選取歷史表現最好的5個品種進行實盤，多品種組合，降低風險，同時只是拿出10萬元資金來實盤。當時正好是2013年春節後的一段普跌，利潤可觀，沒有幾天就有10萬元利潤。我還是非常保守，未加大投資。接下來的日子各商品合約發生分化，但是我採取的是多品種組合方式，所以資金曲線保持相對穩定。進入4月下旬後，各品種同時進入震蕩期間，虧損的速度也驚人，趕緊暫停所有自動交易，利潤只剩下不到2萬元。然後五月份震蕩更厲害。

然後我又開發一個日內策略，它在橡膠上表現不錯，在其他品種上表現不好。於是我就只讓它跑橡膠。最初它也未讓我失望，連續五個月盈利。要知道我採取的是全自動交易呀，並且是低倉位低頻日內，風險非常小，那感覺就是合法的印鈔機。然而從第六個月開始，就出現虧損，我以為是正常回撤，就繼續堅持運行，結果整整連續回撤了七個月，不僅之前的利潤全沒有了，還損失了部分本金。最終也只有被迫停止了自動交易。

最後用墨菲定律來作為總結：如果事情有變壞的可能，不管這種可能性有多小，它總會發生。也就是說，如果一個模型未能實現多品種多周期普適性，那麼最好還是別實盤。然而我至今未能發現能實現多品種多周期普適性的模型。

實戰派告訴你，正期望來源不同，普適性的前提就不同。其他說再多也沒用。

每個標的物的特徵，包括行情、標的物的設計參數、其他參與交易的人都是不同的，模型和演算法不需要普適。原理是普適的，只是最粗略的經濟本質上的原理，但是細節上早已相差到十萬八千里以外去了，這裡說的細節不僅僅是改一下參數。

超短線策略和中長線策略，在這問題上，完全不一樣。

超短線的一般普適性不強，交易次數極多(每天N次交易)，單品種3年是夠了。

中長線策略，單品種3年就是過度擬合。選品種在中長線策略裡面是有極大過度擬合風險的。

那些賣量化策略的，搞回測基本都是這個套路：選幾個過去幾年趨勢特別大的品種，放在一起測，其他品種不管，回測曲線屌屌的。畢竟每個品種都不是一直有趨勢的，上實盤不久，幾個品種沒趨勢了，就死翹翹。

可以說，大多數垃圾策略，在幾個品種上面都能跑出好效果，這完全是過度擬合的結果。

雖然不同品種，不同周期有不同的頻率，但是交易之道只有一個，理論上通用模型是存在的，我現在就用著一個。那些天天想著靠模型取得買賣點優勢的，天天意淫測試曲線的，基本走進死胡同。

???????????????????????

貼圖的目的不是裝逼，只是說明模型的通用性

從時間周期上來說，普適性是不存在的。

從空間結構上來說，即便是不同品種，價格數值上都存在普遍規律。

如果不引入時間參數，那麼普適性就非常必要。

如果引入時間參數，普適性就不是很重要。

做量化模型很容易走進的誤區就是時間參數與價格參數的混用。

不在同一邏輯下的參數設置造成的後果就是曲線起伏過大，優化優化再優化，整一整就過擬合了。然後在增大回測數據，然後再優化，這就陷入一個怪圈。

量化模型必須符合對市場維度的認知。而不是把策略簡單的看成找規律遊戲。

如果跟隨策略是需要多品種適應，原因在於對沖，我們不會知道那個商品會失去方向和無序波動，分散風險由如投資組合一樣。

事件邏輯類型的策略是不需要適應多品種，因為對特定品種特定因果關係。

個人認為日內趨勢不屬於趨勢跟隨策略的思想核心，日內如果跟隨更需要評估平均波動，屬於放大版scalp策略，屬於流動性策略，需要評估策略overfiting情況。

測試的本質是想通過已知驗證未來的可信度，多品種的壓力測試只是輔助標準之一，而且這種壓力測試和你的系統設置有關。

1、如果你的濾網設計的很好，即使策略很簡單，也可能穩定盈利。

比如濾網中包含「美聯儲加息」這個標準，策略根據盤中走勢，可能也會穩定盈利。

2、如果你的濾網設計的很簡單，建議提高普適性要求。

至於頻率、時間、夏普比例等指標，我覺得沒有必要強求達到一定標準，只要能夠從組合角度來看，能夠達到一個穩定區間即可，供參考

回測有兩個必須要有的，一個是時間足夠長，一個是樣本足夠多。多周期和多品種適用是非必要條件，有了更好，沒有但前面兩條有，也是可以湊合著用。我是日內交易，多周期我撐死就5，15分鐘再長日內交易不好做。多品種我能做到一般一個交易系統至少三個品種適用，但我做不到所有品種適用，比如糖在期貨里是被控盤比較厲害的，明顯感覺回測糖效果遠不如其它品種。

除了高頻策略外，一個策略如果不滿足以下四點

1. 全品種，

2. 同參數，

3. 回測時間從品種上市開始

4. 符合市場邏輯。

基本就是沒有抓到expected return，換句話說就是沒有發現一般存在的市場規律，不應該採用。

其中最重要的一點就是市場邏輯。同一類的return只需要做一個策略就夠了。即使把周期做小與隔日策略相關性任然非常高。例如期貨市場2016-12月至今趨勢型策略普遍不行，隔日的反轉策略卻好的不得了。

同樣的參數普遍適應這個感覺好難的哦

其實不一定，我知道一些用固定周期的策略也不錯。如果你的目標是搞清市場真相，那題目太大了。如果你的目標只是在有限範圍內賺點錢，就相對容易多了。

據我所知，目前能滿足品種普適性的，似乎只有高頻交易，這不屬於交易策略範疇，而屬於一種搶錢技能；

拋開這種玩笑話，您想追求的屬於尋找「聖杯」的範疇，普適性很美好，但不存在；

所謂的普適性，是概率分布穩定的另一種說法。

這個問題從統計學角度看，就是樣本量對統計結果可靠性的影響。

普適性對於一個策略未來的有效與否不是必要的，很簡單，不同的品種之間確實存在有區間波動率、時間維度、主要交易參與者的不同，也就是，針對品種本身的特點進行針對性建模是可以理解的（當然，未來行情的走勢還是否會符合你模型本身想要抓住的波動情況就是另外一個問題了）。

但是，如果一個策略能具有很好的普適性的話無疑是更好的，因為普適性好的策略一般都是抓住了品種波動的共性，那麼其在未來失效的風險也更小於單品種適用型策略，實盤起來相對與測試的偏差更小（但也不能保證仍會始終有效）。

我個人也是從單品種適型策略開始開發起的，至今仍有幾個模型長期運行下來也跑得挺不錯，與回測挺接近。但其中也經歷過很多單品種適型策略一上實盤或者上實盤一段時期後就慢慢資金曲線震蕩甚至不斷虧損的狀況，這些可能就是模型過擬合導致的。通用性還過得去的策略也開發過，雖然不是特別的穩健，但終歸在實盤的時候沒有明顯失效、虧錢的情況。現在而言，個人肯定更傾向於開發品種通用性的策略了，無它，實盤時不容易被來回打臉、關燈吃面。

那我感覺，如果策略足夠簡單，就應該具有普適性！可能是您加的濾嘴多了！

你明白這個策略邏輯是賺什麼錢就不會問這個問題了