在上一节中，我们看到了一个很好的策略，将我们的交易策略与机器学习预测结合使用。
但是我们不能仅仅使用累积的回报来判断这个策略是否好坏。
我们需要做一个完整的回测，我们需要正确回测我们的策略。
相关术语名词介绍
- Sortino ratio computation
索提诺比率是一种风险调整指标，用于确定每个下行风险单位的额外回报。它是通过首先找到投资的平均回报率和无风险利率之间的差异来计算的。然后将结果除以负回报的标准差。理想情况下，较高的索提诺比率是首选，因为它表明投资者将获得更高的每单位下行风险的回报。(索提诺比率越高越好，大于1最理想，小于0最差) - 风险是指资产或证券的财务表现与预期不同的可能性。
下行风险：下行风险是您投资的潜在损失。
上行风险：潜在的财务收益被称为上行风险。
不幸的是，许多绩效指标未能考虑投资风险的变化。他们只是计算他们的回报率。但索提诺比率并非如此。该指标检查无风险利率的变化；因此，使投资者能够做出更明智的决定。
索提诺比率是夏普比率的改进，夏普比率是另一个帮助个人在风险调整后衡量投资绩效的指标。Sortino 比率的不同之处在于它承认上行风险和下行风险之间的差异。更具体地说，考虑到下行风险的可能性，它提供了准确的回报率，而夏普比率平等地对待上行和下行风险。 - Volatility(波动率)
是金融资产价格的波动程度，是对资产收益率不确定性的衡量，用于反映金融资产的风险水平。波动率越高，金融资产价格的波动越剧烈，资产收益率的不确定性就越强；波动率越低，金融资产价格的波动越平缓，资产收益率的确定性就越强。（波动率越低越好）
什么是回测？
回溯测试用于模拟交易策略的过去表现。
回测的核心概念是通过回到过去模拟给定的交易策略并像过去一样执行交易。产生的利润通常通过一些指标（例如最大回撤、夏普比率、年化回报率等）与基准绩效进行比较。根据策略的性质，应使用不同的基准和指标。
回测不是什么
回溯测试不是过去表现的准确指标，不应该用作研究工具，尤其是在没有经验的人手中。
有趣的是，回测并不能很好地表明如果你能回到过去，你今天会有多富有。撇开时间旅行不谈，准确复制过去的表现几乎是不可能的，因为有许多因素太复杂而无法精确建模（滑点、交易的市场影响等）。此外，对于缺乏经验的人来说，回测可能充满偏见（例如前瞻性偏见、幸存者偏见等），这会使策略看起来比实际情况好得多。
最后，回测不是研究工具。不要仅仅因为它在回测中看起来更好就随意更改您的策略参数。您应该将市场的历史表现视为随机变量的许多可能实现之一。在没有合理经济逻辑的情况下将参数拟合到回测中将不可避免地导致过度拟合。
事件驱动与向量化回测
矢量化回测比事件驱动回测快得多，应该用于策略研究的探索阶段。
回测策略有两种主要方法：(i) 事件驱动和 (ii) 向量化。事件驱动的回测通常涉及使用随时间迭代的循环，模拟根据市场信号发送订单的代理。这种基于循环的方法非常灵活，允许您模拟订单执行的潜在延迟、滑点成本等。
矢量化回测反而会收集与策略相关的数据并将它们组织成向量和矩阵，然后通过线性代数方法（您的计算机非常擅长的东西）进行处理以模拟过去的表现。
由于线性代数的表达能力，向量化回测比事件驱动回测快得多，尽管它缺乏灵活性。通常，矢量化回测更适合初始探索性策略分析，而事件驱动回测更适合更深入的分析。
原创文章，作者：朋远方，如若转载，请注明出处：https://caovan.com/10-shilianghuahuice/.html
微信扫一扫 
