量化交易基础 - 009 - 检验 （2）

6. 胜率或盈利时间占比

胜率这个百分比是一致性的另一种度量方法。这个指标告诉研究者系统盈利是来自小比例的偶然表现极其优秀的交易，还是来自很多交易，每笔交易可能都贡献微小的利润。类似地，可以使用盈利周期与总周期数的比值简单度量（这通常是用胜率或者盈利天数百分比进行度量）。对于两种度量方法，人们对具有更强一致性的策略具有更多的信心。在标准普尔500指数策略中，研究结果有点不寻常，因为策略并不是每天产生信号，而仅仅当模型察觉到机会足够具有吸引力时才产生信号。既然这样，模型会在65%的时间里产生0信号，19%的时间里产生盈利交易，16%的时间里产生亏损交易。在非零信号的交易时间里，大约54%的时间里获得盈利。对于一个策略而言，这也不是一个太糟糕的结果。

7. 回报相对于风险的不同比率

许多统计量被用来度量调整风险收益（risk-adjusted return），通常都是设法度量获得一些收益的“成本”（以风险的角度）。典型的例子是以威廉·夏普命名的夏普比率（Sharpe ratio）。夏普比率是通过计算某周期内高于无风险利率的平均收益率与收益率的波动率之间的比值可得。夏普比较越高，策略越好。宽客（以及投资管理领域的许多人）通常去掉比率（ratio）以简化这个名称。夏普值为2的策略是指每承担1个单位的风险，将会获得2个单位的高于无风险利率的收益率（如果能得到这个结果，这是一个相当好的夏普比率）。

和夏普比率相近的比率是信息比率（information ratio），不同之处在公式中去除了无风险利率。标准普尔500指数策略的信息比率仅为0.57，意味着投资者每承担1%的风险，可以获得0.57%的收益（此外，这个结果是在扣除交易成本和实施策略的其他费用的成本之前）。斯特林比率（Sterling ratio，平均收益率与低于平均收益率的波动率），Calmar比率（Calmar ratio，平均收益率与波峰波谷间最大回测的比值），Omega比率（Omega ratio，正收益率之和与负收益之和的比值）也是广泛应用于调整风险收益的度量指标。

8. 与其他策略的关系

许多宽客会同时使用几个策略。这样，宽客有效地管理策略组合，这与其他类型的投资组合一样，分散风险。宽客需要频繁地测量新策略如何适应于其他已经使用的策略，确保新策略能够增加价值。毕竟，不能改进投资组合的好思想最终也没有用处。虽然计算新策略与现存的投资组合策略之间的相关系数是件寻常的事情，但许多宽客通过比较现存策略的结果和加进新思想后的结果，度量新策略的新增价值。结果的显著改进表明新策略和现存策略之间存在着协同关系。

9. 时间延迟
   在检验策略时，一个有趣的问题是，策略及时获得信息的敏感性如何，预测效果会在市场中持续多长时间。许多宽客寻求理解，如果他们必须在接受交易信号后才开始交易，这个交易有一些延迟，那么策略的收益将会如何。

通过这个方法，可以判断策略对接收信息及时性的敏感程度，也能获得策略拥挤程度的一些信息（因为越拥挤意味着到达新均衡的运动越激烈，即潜在盈利的衰减速度越快）。想象一个研究员开发了一个根据华尔街分析师的建议交易股票的策略。越多分析师对某个公司持推荐意见，越会导致策略对此公司持有多头头寸，否则推荐建议的减少会导致对此公司持有空头头寸。这个策略很流行并被许多宽客（和主观交易者）所追随。然而，策略的效应是非常短暂的，对接收到信息的及时性非常敏感。

这策略对即时信息依赖程度的压力测试的重要性，这也不总是可利用的。有趣的是，延迟信号的实施并不总是导致坏结果。例如，标准普尔500指数策略倾向于“尽早”交易，也就是说，即使市场随后按照预测的方向运行，建立多头和空头头寸也为时过早。

通常情况下，交易者不会很舒适地从交易策略中获得这样的信号，这个信号不仅使你延迟一会儿没有实施交易而无亏损（这可能是最好的结果），而且实际上，使你在获得信号至少一天之后再进行交易而盈利。

10. 特定参数的敏感性

前面提到，通过改变参数，可能得到不同的结果。但是基于参数的微小变化对结果所造成影响的理解，有助于了解策略的质量。许多研究员所研究的是参数值的变化对结果变化程度的影响。参数的近邻集应该得到极为相似的结果，如果不是这样，研究员应该对策略持有怀疑的态度，因为这些结果可能意味着过度拟合（overfitting）。