千投量化体验:采用均线加风控建模(二)

云计算 waitig 457℃ 百度已收录 0评论

改进点

上一篇 决定更换回测区间并查看历史选股记录。实践后发现效果很一般,主要体验为:更换回测区间仍然可能拟合于一段特定的行情,需要反复验证和实践;查看历史选股记录工作量有点大,需要一个一个寻找到对应时间去查看,而仅查看一部分很有可能会招致误判。所以还是继续按照昨天的套路,继续加一些指标,探索如何让模型应对温水煮青蛙式的行情。

探索过程

第一次摸索,我加上了两个与总涨跌幅相关的入市指标,智能回测后,发现效果一般:

这里写图片描述

与昨天相比,比较明显地感觉到似乎整体 复利/回撤 的值下降了一些,但也有可能是因为智能回测本身的”运气”问题。继续挨个重建并在长回测区间内测试:

这里写图片描述

可以在回撤图里看到,过拟合得到了少许缓解。剔除掉其中一个总涨跌幅指标,回测结果为:

这里写图片描述

接着再剔除掉一个:

这里写图片描述

哈哈,真是让人笑话了,原来起作用的根本不是总涨跌幅,仍旧为均线组合。带着这个猜测,我重复测试了其他几个优秀的智能回测记录,结果大同小异。至少从这一次的回测来看:涨跌幅配合均线组合,结果很是一般化,能够降低最大回撤,却也得牺牲不少收益率。

接下来我使用智能回测的一个高级功能:锁定。将上图15.70%年化的模型参数完全锁定,另外在入市和出市里面各添加数个KDJ数个RSI指标,原因是KDJ和RSI具有识别波动情况的属性(温水煮青蛙式下跌 还是 过山车式下跌)。他们可以帮助降低最大回撤的同时,提升复利收益率。其逻辑以”依次剔除掉”为主,因为我想在这个模型基础上进行优化而不是推倒重来。

随手整了一个,采用默认参数,单次回测结果为:

这里写图片描述

看起来降低最大回撤肯定是没有问题了,上高级智能回测,开跑。


晒一下加上锁后,智能回测运行中的截图:

这里写图片描述

根据官网的描述,锁机制就是:锁定几个指标,不允许改变其设定的参数,仅仅智能变动其他几个未锁定的指标,这个机制相当于给这个功能背后的机器学习算法定了一些约束)

我锁定了之前设定好的均线参数,仅仅只允许其变动新添加进去的指标,给智能回测确定了这些约束后,初始的回测结果就已经非常优秀了。

锁定的指标本身并没有过拟合,我认为这样的方法也非常可靠。

这个智能回测 + 锁的功能确实非常强大,值得深入研究和应用一番。


下图中截取的报告是这次智能回测中,表现比较好的模型,十年十倍收益,承受30%最大回撤,拿到每年23%的复利收益。虽然离我期望中的模型收益风险比差距很大,但是这个模型非常稳定,修改每日持股数、回测区间等,对它的收益影响均在可承受范围内。模型仍然显示出对于11年12年行情的不适应,之后的回撤曲线也相当陡峭,应该还是有一些拟合于06-09年的行情。
这里写图片描述

接下来打算直接看看11年这段大回撤期间,模型到底选择了什么样的股票,分析为什么会遭遇这么大的回撤。

后记

部分看了下11年这段时间内遭遇较大跌幅的股票以及股票走势,没有发现特别明显的线索或者模式。我猜测更多的可能还是风控的问题,即:风控在这段时间内表现不佳导致的。

尝试挨个剔除既有模型的3个风控,最终发现真正起到决定性作用的只有一个:180金融指数000018趋势型风控。设定的风控组合并没有平衡各个权重。

接下来打算通过智能回测验证自己的猜测:在既有模型上剔除至只剩下180金融指数一个风控,以”并”逻辑再添加一个风控,除了新添加的风控外,其余全部锁定,在2006-2017这个超长回测区间上开跑智能回测。(这里主要是验证关于风控的猜测,并且因为我的其余所有模型均是在短区间上做出来并锁定,不必特别担心过拟合的问题。但是这个超长区间,跑起来确实很慢,有的等了。。)

交流方式

欢迎加入qq群: 643033887 一起探索量化分析股票的方法、量化平台的使用经验分享等。

众人拾柴火焰高,目标:10年千倍模型!


本文由【waitig】发表在等英博客
本文固定链接:千投量化体验:采用均线加风控建模(二)
欢迎关注本站官方公众号,每日都有干货分享!
等英博客官方公众号
点赞 (0)分享 (0)