量化投资中常见的四大问题

瑞升投资   2022-03-31 本文章302阅读

量化投资中常见的四大问题

2020年起,许多投资人已经关注到量化投资火了。据《券商中国》统计,截至202110月底,国内百亿私募数量达到95家,其中量化私募有24家,占比达25%。目前,量化投资产品越来越多,但同时也产生了许多问题。下面列举了常见的四种问题以供大家参考。

一、过度拟合                

过度拟合一般被用作表示一个模型在测试时表现的非常好,但是在实践过程中成绩却不如预期。实践过程中,程序化交易系统的设计过程包括两个部分,分别是形成一个完整的交易规则体系和采用参数来描述系统。这两个部分都有可能因为过度强调对历史数据的拟合而导致对未来的绩效大打折扣。

二、数据选取

数据选取不当会导致结果有较大的偏差。选取数据时,设计者可能会选取只经历过牛市或熊市的数据。但是,若只利用牛市收集的数据进行优化的,往往到了熊市一败涂地;而仅仅在熊市里收集数据优化的,到了牛市就显得过于保守。因此,一般来说原始数据至少要经历过一个牛熊周期才能使用。

三、使用未来函数

在回测时,设计者在决策时使用了尚未发生的未来数据,这就是使用了未来函数。

如果不小心使用了未来函数,回测取得了非常高的收益率,但实际情况根本做不到,这样就给我们造成很大的误导,使实战的结果远远偏离回测。。

四、三大错误理念

其一,有些初学者过度相信量化投资策略,希望能每个月都战胜大盘,对收益有不切实际的期望。好的量化策略确实能大概率地跑赢大盘,但不能说每个月都跑赢。特别是在大牛市,跑输也是正常的。

其二,不是所有的量化策略都是对冲策略。

其三,量化交易不仅仅是高频交易例如,量化交易中的择时策略,就是针对某一品种,让模型决定买卖时点的策略。策略的买卖信号可以很频繁,几分钟就发出一次;也可以很缓慢,几个月才出现一次。

 

参考资料:知乎