第九章　量化中常見的問題

第一節　數據過少

上證指數數據優化回測

從歷史數據中發掘規律，一般來說至少需要經歷一個牛熊周期。在A股，一般一個牛熊周期3～5年，最長7年，所以少于3年的數據就不太合適，如2014、2015年兩年是牛市，如果用這兩年的數據找到的最佳值，到2016年走熊的時候就不一定合適了。我們來看一個最簡單的，用上證指數2014、2015年兩年數據找到最佳均線策略的一個例子，如表9-1所示。

從表9-1中我們可以看到，通過部分數據的遍歷，找到了均線為71天，對應2014、2015年兩年總收益率101.42%這個最佳值，但這個71天的參數在2016年表現又如何呢？

如果用71天這個參數，2014年基本持平，2015年跑贏指數23個點，表現不錯，但在2016年熊市卻大跌了近10個點，還跑輸了指數。2015年的跑贏，只是在紙面上的，而如果采用此策略進入實戰，在2016年虧損10個點，則是實實在在的。這個量化其實也模擬了很多人的牛市思維進入熊市后的結果。

上證指數25年數據優化回測

把上證指數1991—2015年25年的數據做個優化，還是用MA均線策略，線上買進并持有，線下賣出并空倉。通過部分遍歷優化，找到了22日均線這個最佳值，如表9-3所示。

對比一下用22日均線策略對應的每年的收益率情況，如表9-4所示。

量化最佳均線回測

顯然，都是截至2015年的數據，前一個方案只用了2年的數據，2016年的實盤收益率是-9.76%，而后一個方案用了25年的數據，2016年對應的收益率卻是4.02%，不僅遠遠跑贏了2年策略，而且還大幅度跑贏了指數。從這個案例也可以看出數據量大，對于優化策略的好處。

但在實盤中依然有問題，除了上證指數，很少有指數、股票有25年的數據可供使用，那我們該怎么辦呢？前文提到，最近的一個牛熊周期，基本能代表歷史的所有情況，特別是2010年后這個周期，基本反映了股指期貨這個做空工具對大盤的影響。還是拿上證指數為例子，用2010—2015年共6年的數據進行優化，結果找到了21天這個非常接近用25年數據得到的結果，如表9-5、表9-6所示。

用6年數據優化得到的21天均線策略和用25年數據優化得到的22天均線策略，進行比較可以看出，不僅2016年的收益率完全相同，而且歷史數據差異也不大，最近10年21天均線策略還平均每年跑贏了22天均線策略大概1個點。

從上面的案例可以看到，回測用的歷史數據太少了肯定不好，但太多了也沒有必要，采用一個牛熊周期的數據就足夠了。考慮到2010年以后股指期貨的做空力量對大盤的影響，從2010年開始的數據，基本就能滿足回測的需求。