Financial - 东方证券EfficiencyRatio量化回测 + 夏普率，最大回撤，胜率，阿尔法贝塔收益率

总结--请介绍下你如何运用EfficiencyRatio策略

 

1.“EfficiencyRatio效率比值” 概念是美国交易员 Perry J. Kaufman 佩里·考夫曼 提出的，是一种趋势强度的衡量。它的计算公式是：

• ER = N期间内价格总变化 / N期间内个别价格变化的绝对值
• 取值范围为-1.0到1.0； -1.0代表最强烈的下跌趋势，1.0代表最强烈的上涨趋势， 0.0代表无方向性的波动

2. 在我们的项目中，使用ER策略对期货进行回测交易，参数因子池包含了5个参数，分别是：

• K线的长度M：也就是说选取M分钟（该策略是日内策略）的K线（就是下图的每个红色/绿色的K线：K线也分1分钟K线，5分钟K线，天K线，周K线，年K线，等） 
• 回望周期N：就是指计算ER时使用了几根上一步的K线
• 追踪止损的比例L：止盈止损的比例，触发时会平掉持有的头寸
• 多仓ER阈值：当ER值到达多大的正值，开多仓
• 空仓ER阈值：当ER值到达多大的负值，开空仓

项目中，我们遍历60个交易日，选出最好的一组参数，给接下来的20个交易日使用。以此类推，动态获取最优参数。

3. 我的主要贡献：

• 代码的补充实现：以及bug fix - 策略收益一直从15年的某一刻（回测期2014.01-2016-12）开始持续异常下跌，原因是代码在特定条件下的开多开空逻辑颠倒
• 策略的完善：原本的参数池只有4个因子，开多仓和开空仓的阈值始终保持一致。之后，我就改为分开设置，多仓空仓的信号阈值不同。
  • 原本的夏普率：1.42，年化收益率：18%，最大回撤：14.8%
  • 修改后夏普率：1.29，年化收益率：21%，最大回撤：13.4%
  • 结论：夏普率下降0.2个点，年化收益率上升2个点，最大回撤下降2个点

 

 

注意：该策略是日内策略，会在每个交易日的最后一条K时，强制平仓

 

 

一、EfficiencyRatio策略

1.1 策略描述

 

 

回测平台包含参数池 5 个参数：

• K 线频率（把1分钟，2分钟，5分钟，10分钟，20分钟的K线合并成一条K线）
• K 线数量（把上一步合并后的K线，选择2根，3根，5根，10根，20根）
• 止损比率
• 做多阈值(ER值)
• 做空阈值(ER值)

 

1.2 策略效果

 

过拟合定义：模型在训练集上的表现很好，但在测试集和新数据上的表现很差。详情请看：深度学习中“过拟合”的产生原因和解决方法

训练集上的表现	测试集上的表现	结论
不好	不好	欠拟合
好	不好	过拟合
好	好	适度拟合

 

图1

 这里的回测基准，可能是“连续合约指数日线数据”

 

 

 

图2

回测显示策略平均夏普率达到 1.3，平均最大回撤达到 0.10 左右。

 

 

 

1.3 潜在风险

 

 

 

二、评断策略效果的参数

2.1 夏普率 SharpRatio

目的是计算投资组合每承受一单位总风险，会产生多少的超额报酬。夏普指数代表投资人每多承担一分风险，可以拿到几分超额报酬；若大于1，代表基金报酬率高过波动风险；若为小于1，代表基金操作风险大过于报酬率。

举例而言，假如国债的回报是3%，而您的投资组合预期回报是15%，您的投资组合的超额报酬率的标准差是6%，那么用15%－3%,可以得出12%（代表您超出无风险投资的回报），再用12%/6%=2，代表投资者风险每增长1%，换来的是2%的多余收益。

 

 

2.2 最大回撤 Max Drawdown

 

2.3 胜率

链接：原文地址

胜率就是目标周期内盈利的交易次数占总交易次数的比例，例如：一段时间内，一共交易了100次，盈利了70次，那么该周期的胜率为：70 / 100 * 100% = 70%。前文讲到高胜率并不能产生高收益，甚至有可能会产生亏损，道理很简单，假如盈利的70次交易每次都盈利100美金，总盈利7000美金，但亏损的30次交易每次都亏损250美金，总亏损7500美金。如此，即使胜率达到了70%，也不能保证我们的交易系统是正向盈利的。

假如你的胜率是99%，上面举的例子每次开固定仓位，显然1笔亏损超过99笔的盈利有点难度，换个例子。初始净值10000美金，还是做了100次交易，前99次交易每次使用10%的仓位，每次盈利10%。最后1笔交易时，账户余额已经达到10000 * (1 + 0.1*0.1)^99 = 26780.33美金了。你可能觉着交易了这么多次，每次都能盈利，因此决定在第100次交易的时候梭哈，大不了赢了会所嫩模，亏了工地干活。可惜最后1笔交易爆仓了，你血本无归。这里涉及一个仓位管理的问题，将在后续的文章中讲到。

 

2.4 盈亏比

链接：原文地址

盈亏比就是平均盈利金额与平均亏损金额的比值。公式如下：

盈亏比 = 平均盈利 / 平均亏损 = (盈利总金额 / 盈利次数) / (亏损总金额 / 亏损次数)

以上面的例子，盈利次数70，盈利总金额7000，亏损次数 30，亏损总金额 7500，那么盈亏比 = (7000/70)/(7500/30) = 0.4。 0.4的盈亏比是一个什么概念的呢？可以理解为盈利的时候只能盈利0.4，亏损的时候却要亏损1。0.4的盈亏比，如果要盈利，需要满足大于1 / (1+0.4) *100%= 71.423%的胜率。

胜率和盈亏比有一个公式，可以计算胜率一定的情况下，至少需要多少的盈亏比，交易系统才能正向盈利，反之亦然。

• y = 1 / (1+x)

y表示胜率，x表示盈亏比。它的函数图像如下所示：由图像可以看出，盈亏比越大，需要的胜率越低。

 

 

2.5 阿尔法α收益 + 贝塔β收益

贝塔收益可以看作是一种相对被动的投资收益，也就是承担市场风险（业绩基准下跌10%标的下跌11%）所带来的收益（业绩基准上涨10%标的上涨11%）-- 注意：这里的β系数是1.1。这种收益一般不需要主动去通过选股、择时等获得，而是随着业绩基准（比如大盘）起起伏伏获得的。我们听到的大部分被动型指数基金就是这种基金。

 

阿尔法收益，是和市场波动无关的（业绩基准上涨产生的基金收益为贝塔收益），这部分收益就是需要通过基金经理通过管理、择时、择股等手段来获取的超额收益，市场上绝大多数主动管控基金追求的就是阿尔法收益。

 

为了更好的对比和说明，我们来做一个比喻。比如我们在乘火车时的速度，其实等于火车的速度，加上我们自身相对于火车的速度。火车本身开的很快，我们在火车上自然也会很快，当火车慢下来的时候，我们的速度也会降下来，这个就是贝塔收益。但是我们在火车向前开的同时，也可以自己在火车里向前跑，这也会增加自身的速度，这个就是阿尔法收益。

作者：后厂村名基
链接：https://www.zhihu.com/question/45437609/answer/707085428
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。