?

?

「如何判斷一個程序化策略失效還是正常失誤，如果失效的話，如何判斷是需要調整參數還是完全放棄策略?」

回答

「此問題確實關鍵而難以抉擇，可藉由實務界的經驗規則，或學術界的量化檢驗。

首先談實務界的規則，在論壇中有篇探討交易系統生命週期的文章的建議是這樣的，如果一個交易系統是經過良好的design,良好的最佳化，沒有over-fitting的情形：

1.如果是用2年的歷史資料來設計出來的系統，而且在這2年的歷史資料都有不錯的表現的話，應該會有3-6個月的生命週期。

2.如果是用5年的歷史資料的設計出來的系統，而且在這5年的歷史資料都有不錯的表現的話，應該會有1-2年生命週期。」

這個答案可以參考，但我覺得時空背景不同，不能一概而論，且沒有科學根據(在該篇文章的后續討論串中，我也做了回應)，

但提供一個可以接受的觀念，「回測期間與可用期間成正比」，一般做當沖、短線、高頻交易，回測只需取前幾天。

另一個較科學方法是使用統計檢定，依據要檢驗的統計量，做均值、變異數與比例值的檢定，

用簡單的話(不帶學術術語)說，如果要確定該策略之「歷史回測過程報酬率序列」(例如回測期間交易的報酬分別為10%, 14%, 8%, -3%, 5%, -7% ….)，與「運用策略以后的報酬率序列」(-2%, 5%, -6%, 3%...)間有無「明顯」變差(一般所謂明顯通常意指95%的可能性)，則做所謂的「均值檢定」；均值檢定如果樣本數(即前述的報酬率值數目)小于30採取小樣本，大于等于30採大樣本檢定，因為如果要等到策略運用過程收集到30個樣本，恐怕虧損連連了，因此通常採取小樣本。

再則，策略運用過程報酬是依序產生的，有2個報酬就可以作檢定了(驗證是否失效了)，但此統計方法在樣本不足時也不會遽下定論，

因此只要順著產生的報酬資料依序帶入檢定，檢查是否碰到臨界值(失效的界線)或P值(依然維持原有績效的可能性)，就可以決定是否放棄該交易模型了。(同理，也可以用變異數檢定檢定風險特性是否改變，用比例檢定檢定勝率是否改變)。

在這次課程講義中的第九章第一節有提到詳細的操作方式。

至于失效以后如何呢? 我建議不要改參數，應該要放棄該策略，因為如果失效這麼明顯到可以被檢驗出，通常代表該交易策略對市場型態的認知已經偏誤了。

至于可否使用時間數列方法，我認為因為是非定頻時序資料，除非這領域的方法有突破(而我不知道)，否則用處不大」

」

?

本來我是想要一篇文章回復所有問題，但回答一上手，就滔滔不絕，也為了方便閱讀，最后還是決定把不同問題切成不同篇章。