量化策略研究之二 -...

量化策略研究之二

1

爱建证券有限责任公司金融工程证券研究报告量化投资策略报告

发布日期 2016 年 7 月 7 日星期四

研究所

六根 K 线击败市场

分析师：朱志勇

TEL：021-32229888-25509

E-mail:[email protected]

执业编号：S0820510120001

联系人：汤文靖

TEL：021-32229888-25515

E-mail:[email protected]

执业编号：S0820115050006

一个单独的激浪也许很快平息，然而潮流却永远不会停止。

我们所面对的市场是一个混沌的市场，而量化的本质就是要在混沌市场中找

到并建立秩序。本文首先对市场上现存的一些公开策略进行检验，并通过总

结现存策略的一致性特点作为新模型的开发手段和依据。

新模型仍然是基于价格和形态的模型，通过定义价格定义形态去找寻买卖机

会。模型的最原始构架由三个关键性步骤组成，包含了两次结构形态定义，

一次数学运算。通过定义 K 线的价格量能去判断这组 K 线的整体是否进入了

强势区间，并对形态结构做出限制性定义。

压缩计算范围，把起到关键性判断的 K 线压缩到 6-8 根内，试图以最简洁最

有力的手段在模糊的市场形态中找出通性与特点，避免了大范围的数据计

算，尽可能的消除因统计计算而产生的不可避免的拟合行为，从而把握市场

本质。

本文在第二部分中对策略进行了检验，包括普遍适应能力检验以及自适应向

前预测检验。并在全文第四部分加入了各项策略提升方案，不过目的也只是

为了换个角度来证明策略的有效性以及重新检测策略，同时也是为了帮助自

己以及他人能够更深刻的领会策略，建立自信。

当然，本文除了在给予大家必要的引导之外，最主要的目的还是为了让投资

者领会到“六根 K 线”的真正意义。

2

目录

前言

（一），放弃预测．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

（二），接受趋势．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

（三），现有公开策略的一致性特点和缺陷是什么？．．．．．．．．．．．．．．．．．．5

正文：六根 K 线击败市场．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

（一），原始策略开发．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

1.1 初始策略开发．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

1.2 为什么是趋势策略？．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

1.3 为什么选择 6 根 K 线？．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

1.4 趋势是否会过时？．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

（二）策略检验方式概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

2.1 普遍适应能力检验．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

2.2 结果统计优化检验．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

2.3 策略向前预测检验．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

（三），原始策略展示．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

3.1 股指期货 1 分钟．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

3.2 股指期货 1,2,3,4…14,15 分钟、1 小时线以及日线上的表现．．．．．．．．．13

3.3 所有大宗商品期货合约上的表现．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

3.4 沪深 300、中证 500 中 800 只股票投资组合表现．．．．．．．．．．．．．．．．．．17

（四），策略检验、其他运用．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

4.1 基于遗传算法的移动取样优化方案为策略增加了自适应能力．．．．．．．25

4.2 增加同方向不同位置入场的第二手单子的效率比较．．．．．．．．．．．．．．．28

4.3 计算过程中对标的物增加幂函数指数值．．．．．．．．．．．．．．．．．．．．．．．．．30

4.4 增强策略确定性方案以及过滤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．36

4.5 运用于 ALPHA 选股、FOF(基金中基金)选取．．．．．．．．．．．．．．．．．．．．．．．38

4.6 震荡策略的生存空间．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40

4.7 全自动交易模拟盘展示．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41

总结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43

附言．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43

量化策略之三：期权．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．45

3

前言

人性就像地球引力一样，捉住你，不让你交易的梦想起飞。

（一），放弃预测

打开各类财经论坛，每天都能看到成百上千的财经评论员在预测股市的涨

跌，他们的预测难道都是正确的？难道我们自己就无法预测？难道只有具备

扎实金融学知识或者了解公司、了解商品的人才能进行准确的预测？而广大

拿着真金白金杀入市场的其他人士就注定要成为牺牲者？经济学研究人员

曾经试着对几十年后的市场走势进行预测，结果是否是屡次失败？

这个市场存在了上百年，各种各样的人用尽各种各样的方法讲述着各种各样

的逻辑进行着各种各样的预测。牛顿也曾经加入到这个令人着迷的市场中去

预测股价，最后在输掉了十年的薪水后得到的结论竟是：“我可以预测天体

的运动，却无法预测人心”。

大部分人认为，成功的交易者都需要在一间大公司里，有着专家硕博团队为

其做研究。然而为什么我们却经常能见到一群操盘手，尤其是后来大量涌现

的量化交易者，他们对公司行业、大宗商品、地缘政治一无所知，却能在正

确的时机做出最为正确的选择，并在随之而来的行情中赚取高额利润。他们

做出此判断的依据是什么？看似毫无关系的市场，他们之间是否具有共同特

性？大部分投资者都不喜欢波动和变动，为什么有的人却说“不断变化的市

场才是财富的来源”？究竟是什么捉住了我们，让我们交易的梦想无法起

飞？

认真的审视后发现，其实自己的确不如大多数的研究者们，他们每天跑到上

市公司收集资料、精心总结，无论结果如何我认为自己都不可能比他们更了

解上市公司。再加上多年以来我对自己大多数预测都做过总结，得到的结果

自然不言而喻。既然预测帮助不了我们，那就放弃预测。

（二），接受趋势

我们必须明白，如果没有其他人的买入，我们永远不可能在通过持有多头的

头寸中赚到哪怕一分钱，但是为什么会有人买入？股价涨跌的背后究竟是什

么所推动的？答案就是人性，人性才是供求关系背后的一切。

就是因为人性的存在使得供求关系总是难以均衡，永远的均衡是不存在的，

失衡反而才是真正的常态。当平静达到一定的程度后，平衡就会被打破。因

此，世上没有不突破的形态，突破和趋势才是人性之上最有意义的东西，才

4

是真正的永恒。如果你对此带有疑问，请往下看。

有人说：“趋势策略早就已经不行了”。然而，趋势策略并没有被淘汰，就算

彻底公开的策略也是如此。你可能会很希望知道，MACD 公开了那么久究竟

有没有被彻底淘汰？但是一旦策略的大致逻辑公开并遭到使用，策略在短时

间周期上的有效性就会开始变得模糊，如 MACD 策略。事实上 MACD 策略在

短时间周期上已经再也经不起市场的考验，而我所谓的策略有效性变的模糊

并不意味着一定会跑输市场，只是在加快了交易频率后策略再也经不起额外

费用的考验，包括手续费、滑点等其他费用。

我以股指期货为例展示一下 MACD（12,26,9）趋势跟踪策略（金叉做多，死

叉做空，金死叉形成后下一根 K 线的开盘价买入）在不同时间周期上的总体

表现，下面这几张图从左到右依次是 MACD 用于股指 1 分钟，5 分钟，10

分钟，15 分钟，1 小时以及日 K 线上的表现：（手续费为万分之 0.3，略比原

交易所的万 0.25 高了一点点，也许还不够高，但是在时间周期提高后，其

影响力也会迅速下降）

图 1，MACD 作用于不同周期 IF 期指上的权益图：

数据来源：爱建证券研究所

结论是不言而喻的，当MACD使用在越短时间周期上的表现越差。其实MACD

在不加手续费的情况下，在 1 分钟 K 线上也并没有表现的如此之差，但其杂

乱的收益曲线依然体现出了策略的无效性，尤其是在加了手续费以后，策略

彻底经受不住了冲击。而一旦周期被延长到 5 分钟 K 线，由于开单频率的降

低，手续费的冲击就被减小（其实 1 分钟周期上 0 手续费的表现跟 5 分钟周

期上加一个交易所万 0.25 的表现差不多），其收益回溯曲线开始显得杂乱无

序，但至少不再是一输到底的状态。并且在继续加大了时间周期后，尤其是

周期上了 15 分钟以后，策略开始展示出趋势策略惯有的有效性！

5

虽然不完美，并且实际收益随着滑点等流动性因素的影响还可能会降的更

低，但趋势交易的有效性却隐隐涵盖其中并可见一斑。实际上，不光是MACD，

哪怕是均线策略放在较大的周期上依然能表现出一定的有效性。

但是话又说回来，存在有效性未必就等于可以盈利了。因为从回溯曲线当中

我们就能够明白，从 2010 年 4 月开始进行交易直到 16 年 6 月份，接近 6 年

时间里，哪怕是最佳的 15 分钟周期 K 线上 120 多万的表现也只能算是非常

平庸，任何 1,2 次大的趋势波段的错失都很可能是致命的，何况我们还没考

虑流动性以及资金成本等因素的影响。尤其是，如果是对着信号的主观交易

下单，还要涉及到反应速度、心态、执行力的影响等等。所以说，具备有效

性也并不意味着我们可以通过使用 MACD 来轻松的赚钱了。

（三），现有公开策略的一致性特点和缺陷是什么？

那如何打造全新的趋势策略呢？为什么 MACD、均线等传统趋势交易系统会

沦陷？他们的沦陷代表着什么，是趋势的沦陷、震荡的崛起吗，还是策略公

开并遭到追随后自身有效性的下降，还是有别的什么原因？他们的一致特点

是什么？他们的一致缺陷又是什么？如果不能抓住现存策略的一致缺陷，我

们何以超越他们？

其实，要回答以上几个问题并不容易，因为这关乎人性，即便你得到了一种

解释也只是你的个人观点。仔细来看看这个市场上现已公开的策略，不外乎

几大类。从对象上看：有价格上的运算（绝大多数）、量上的运算（根据主

动买卖量、挂单量）、相对运算（比如配对交易、套利）。从频率上看：有微

观 tick 级的（高频，做市）、和宏观级的 K 线周期。从方向上看可分为：趋

势跟踪（突破，跟随）、震荡反转（阻力支撑，统计）以及其他（如头肩顶

反转，趋势突破上个形态位回踩做多做空等）。从数学逻辑上看分为：统计、

推演（比如通过波动率去推导股价涨跌概率）、归纳。

不论哪一类型的策略，从理论上讲都必然有其存在的价值跟意义，只不过大

量的方法早已丧失了可解读性和普遍适应性，比如说，统计策略和推演策略

最接近预测，其结果非常容易严重失真，而失真的程度则又无法证明和证伪，

虽然我们都知道历史会重复，可是历史的每一次重复都不是简单的行情的重

复。上百万根 K 线终归会出现一模一样的巧合，但是真正能延续下去的绝对

不是 K 线行情，而是一种内禀于人性上的东西。同样的，反转策略则很难摆

脱拟合优化的困扰。而大多数的人性跟随策略又已经无法存活在费用的压力

之下。

还是回到市场上最基本的价格跟随（或人性跟随）策略上来，目前市场上已

公开的，无论均线策略 MA，又或者 MACD、BBI、PBX，以及这个市场上的

绝大多数其他策略，无一例外不使用到了平滑股价这种方式，更甚者还有的

6

进行二次平滑或多次平滑。这很好理解，都是为了过滤，通过平滑股价来达

到抹平 K 线上下影线的棱角，好处就是使得股价变得更平缓，劣势就是开仓

的延时性。布林带、唐奇安通道策略实则也是异曲同工，通过加宽股价波动

空间来过滤震荡行情，抓住趋势。Dual-thrust、R-break、开盘区间突破等策

略也一样，不过他们专门盯住了当天这根 K 线能否有效突破一个统计区间。

因此，我们的总结就是，现存策略大多是为了过滤震荡并保留住趋势其扎根

于内在的有效性。而大多的震荡策略则更偏向于统计或者 K 线形态依托，我

们在之前《量化策略研究之一---基于高低点突破，高低点反转，头肩顶反转

的研究》中也提过震荡策略是很难通过策略本身去实现开平仓并保持盈利

的，很多时候，震荡策略不得不配备一套独立的出场方式，但无论你的出场

方式怎样，是止盈止损也好，是策略平仓也罢，其实都是一种无形的优化成

分带入。而这种带入会将一个哪怕明明有效的策略带入深渊。因此我们也多

次提到在使用震荡策略时候一定要慎之又慎，绝不可以以做回溯曲线为目的

而做策略，那样的代价势必会非常严重。

回到趋势策略上来，我们知道了大多数已公开策略都以平滑股价为基础，其

目的都是为了通过过滤震荡而抓住趋势内禀在市场中的有效性。剥去均线交

叉（一次平滑股票）和 MACD（相对值红绿柱上的二次平滑股价），而这些

做法的本意全出自于让行情波动缓下来，通过过滤掉震荡使得趋势更稳定。

然而随着行情波动率和波动节奏的不断增大，这些策略开始面临到越来越大

的挑战和压力，他们在 1 分钟 K 线周期上的表现已经完全仅受不了考验，随

着 K 线周期的增大才能勉强好转，因为周期增大的过程中波动方式和波动节

奏都变得更为简单和缓和。但随着时间的推移，这类策略的有效性还会下降。

看一看上证指数，从几百点走到现在的几千点，以后还会上万点，波动方式

和波动节奏都在往更快的一面发展，策略如何才能适应越来越快的行情成为

考虑的重点。

在一些必要的问题都解决的差不多了以后，进入主题：用 6 根 K 线击败市场。

正文

很多人都希望寻得交易的圣杯，却又不断的被告诫世上无圣杯。其实圣杯的

真实性取决于我们追求它的热情与专一。

（一），原始策略简述

1.1 初始策略开发：

7

模型介绍：本模型是基于价格和形态的模型，通过定义价格定义形态去找寻

买卖机会。该模型的最原始构架由 3 个关键性步骤组成，包含了 2 次结构形

态定义，一次数学运算。通过定义 K 线的价格量能去判断这组 K 线的整体是

否进入了强势区间，并对形态结构做出限制性定义。

对于一段趋势，比如 6 根 K 线，首先我们需要知道它往两个不同方向上的漂

移程度，当一方的漂移分量占比能足够打破另一方时，通过为 K 线增加两项

严格的形态定义来完成全策略。在对 K 线的定义中，6 根 K 线的重要性依次

提升。并且策略只有 2 个参数，其中一个为固定的 6 根 K 线。事实上，两步

形态定义也不是必须的，仅凭借计算步骤也一样可以完成策略，但是形态定

义的加入可以起到支撑起整个趋势框架的作用。

压缩计算范围，把起到关键性判断的 K 线压缩到 6-8 根内，试图以最简洁最

有力的手段在模糊的市场形态中找出通性与特点，避免了大范围的数据计

算，尽可能的消除因统计计算而产生的不可避免的拟合行为，从而把握市场

本质。

在初始策略开发里，我没有进行任何策略修饰以及过滤，甚至都不进行止盈

跟止损，所有的买卖全部由信号来完成，并且永远持有 1 单在手（不是多单

就是空单），当策略持有多单时，如果出现了做空信号，就平掉多头并且立

刻反向开空单，以此类推。

模型逻辑：关于六根 K 线漂移程度的定义，首先要记录每个 K 线的四个价格，

除了发起的第一根和收尾的最后一根 K 线分别由开盘价开始以及收盘价结

尾外，中间的过程全部由高低顶点来完成。（实际上，最高价以及最低点价

也是 K 线四价中重要的价格部分。要知道以 5 分钟为周期的 K 线图表可以继

续打开成 4 分钟、3 分钟、2 分钟或者 1 分钟周期，甚至还可以是比较另类

的 1.5 分钟周期图表等等。仅收盘价而言就不足以解释其中的很多部分。）

先来看看图 2，前四根 K 线完成了一轮上涨趋势的建立，紧接其后进行了一

步衰退，并在第六根 K 线略微上扬完成六根 K 线全部过程。而考察这轮六根

K 线是什么趋势主要基于两点：幅度和 K 线重要性。从幅度上看毫无疑问上

升力量大于下跌力量，而从另一个角度的“K 线重要性依次提升”的角度看

（前 4 根 K 线上扬，第五根下挫，以及第六根上扬），依然是上升力量更为

强劲，我们把图 2 的六根 K 线就归为上升趋势。而这个过程是一个动态变化

的过程，随着新 K 线的不断产生，旧的高低顶点被不断取代并重新刻画。

图 2，六根 K 线举例

8


再来看图 3，两步上涨、四步下跌所组成的六根 K 线。还是从之前的两点出

发，从幅度上看上升力量略大于下跌力量，但从“K 线重要性依次提升”角

度看，后四根 K 线的下跌构成了全组 K 线的下跌趋势。

图 3，6 根 K 线举例


最后来看图 4，前三根 K 线完成上升趋势，但是紧随其后的两根 K 线立刻打

破了这个趋势，无论从 K 线重要程度还是幅度上看，新的下跌趋势都将不可

避免的产生，但最后一根 K 线的上扬收尾又使 K 线趋势方向的不确定性得以

增加。

图 4，6 根 K 线举例

9


综合来看，在某些位置上的细微的 K 线结构改变会使 K 线组合处于不同的趋

势形态之下。但是通过观察我们可以发现，其实大多数的 K 线组合都处在混

沌的状态的，也就是“此时此刻”的无明显趋势状态。然而无明显趋势并不

意味着无方向，充其量只是说明了“此时此刻”这种状态下的无方向，这个

时候我们就需要通过向前观察 K 线来找到那些曾经的可以明确趋势开启的

时刻。当找到那个时刻后，我们把“此时此刻”状态下的无明显趋势全部归

为离我们最近一次趋势确认点上的趋势的中继状态。也就是说，当下的“此

时此刻”近似于混沌的状态其实也早已处于一个已经形成的趋势之中。

这个时候我们就势必需要拿出一个参数来定义可以确认趋势开启的那种状

态，也就是本原始策略的第一个，也是唯一一个参数的形成了。

实际上参数并不是越多越好的，相反，要竭尽一切可能的来压缩参数数量，

除非不得已，否则一定不要轻易增加参数。引用爱因斯坦的哲学观念便是：

自然界应当是和谐而简单的。当然，简单不是单薄和肤浅，而是凝练和深刻。

越复杂的逻辑与模型会越远离事物的本质，而是否真实的脱离了事物的本质

却又是我们无法证明和证伪的，因此，开发策略的出发点理应是善良以及简

单的。

至于对漂移程度的综合计算过程，首先我们要得到漂移程度。漂移程度分为

两方向，有正负之别。当然，在实际过程中漂移程度的算法有很多种，也并

不需要拘泥于某一种模式。毕竟交易系统就好比穿在脚上的鞋子，这双鞋无

论多么精美，或多么昂贵，如果不适合自己的这双脚，都不会是双好鞋，也

无法帮助你走的更远。所以，只有适合自己的交易系统，才是真正最好的交

易系统，而本文除了给予大家必要的引导之外，最主要的目的还是为了让投

资者领会到“六根 K 线”的真正意义。

10

1.2 为什么是趋势策略？

我们在之前的一篇文章《量化策略研究之一---基于高低点突破，高低点反转，

头肩顶反转的研究》中已提到过，“为什么说我们开发出来的策略大多以趋

势策略为主，其中有一部分原因也许的确是因为趋势策略的有效性，恰恰是

市场所具备的特性。另一层面上来说，也是因为我们更容易将震荡行情过滤

掉。能否意识到这一点将非常重要！” 一个单独的激浪也许很快平息，然而

潮流却永远不会停止。总而言之，个人还是强烈推荐投资者使用突破或者趋

势类策略进行交易，谨慎使用逆势或者寻找支撑点或阻力位的反转策略（更

要摈弃掉一些无谓的统计和推演策略）。虽然在震荡行情中趋势鲜有开仓甚

至会反复做错，可是谁又知道什么时候趋势的来临呢？

1.3 为什么选择 6 根 K 线？

因为在这个市场上，K 线策略已经被研究到极致，甚至可以很负责任的说，

基于 K 线为主体的策略几乎已经没有发展空间了，那么在这个领域，你必须

做到更快才能生存。而庞大手续费支出的系统才能震慑住你的对手踏入这个

领域并捍卫你的利润。当然，这还是停留在 K 线层面上的，在之后的时间里，

我还会分享一个 tick 级别的高频策略研究。

1.4 趋势是否会过时？

市场上有很多差不多的策略，如果这些策略的发单与该策略形似，比如一天

内平均来说都开了差不多的空单与多单。又或者是，在趋势行情上该策略全

天做了多单，而其他策略也是全天多单，在震荡行情中，该策略把握住了，

并且盈利能力也不相上下，那么就会引起一个问题，究竟是策略优秀，还是

市场行情本身就存在错误？如果市场行情本身存在错误，那么这种错误是否

会存在修复期？如果行情修复，那么该策略是否还能保持盈利？即，策略是

否会过时？事实上，这个问题只能大家自行思考，就好比，趋势会终止吗？

除此之外，既然选择的是趋势交易，就必然要在定义的趋势形成后进行交易，

那么如果当行情已经上涨了很大一段后，是很可能面临回调的，这一点谁都

避免不了，当然，我们也可以通过一些方法去避免追涨杀跌，但是其结果往

往未必能变的更好，可行的方法有：比如趋势策略开启后等待回调再开仓等。

在以后的时间里，我会持续的将类似的增强策略分享给大家。但首先必须要

注意到，诸如此类的做法未必会使策略变得更好，如果一种方法的确能提升

原策略的有效性，那么一定要再三审问自己所添加的做法是不是在换了种方

式拟合历史数据。它还能经受的住普遍适应能力的检验吗？

11

（二）策略检验方式概述

量化策略的检验不外乎几类做法：策略内检验和策略外检验。策略内检验顾

名思义就是在量化策略可以得到源代码的前提下进行的检验，其实主要还是

用于自己开发策略的检验，主要是用于防止未来函数、隐藏性滑点、偷价等

情况的发生。相反的，对于无法得到量化策略具体细节的情况下就必须要进

行策略外检验，而策略外检验也是我们经常使用的检验方式，同时也是非常

重要的检验。

对于策略外检验方法主要有以下几类：普遍适应能力检验、结果统计优化检

验、策略向前预测检验等。

2.1 普通适应能力检验

先来说说大家都熟知的普遍适应能力检验，也就是将策略加载在同品种不同

周期、不同品种同周期以及不同品种不同周期上进行检验，检验过程可以用

商品、股票等替代期指。进而再加入投资组合检验，加入对冲检验，甚至加

入另类 K 线数据检验等等。

对于普通适应能力检验，本文会展示策略加载在以下品种上的表现：股指期

货 1,2,3,4,5…14,15 分钟、1 小时、日线。沪深 300、中证 500 对应的 800 只

股票。螺纹，白糖，豆粕，金银、铜、锌、铝等绝大多数的商品期货。并在

将来的时间里将其逐渐推广到更为广泛的应用领域上，比如运用于 ALPHA

对冲交易。基金中基金(FOF)的筛选等，只要趋势在那里能够作为一项判断方

法。具体细节请参见本文的第三部分：<（三），原始策略展示>。

2.2 结果统计优化检验

而结果统计优化检验是通过查看优化结果是否稳定、是否存在规律以及是否

存在多峰态等多个角度去综合判断策略的稳定性，通过检验不同参数产生的

综合结果去判断策略是否有效。当然本文主要还是要介绍一下第三种做法：

策略向前预测检验。

2.3 策略向前预测检验

策略自适应并进行向前推移预测检验：在此我们只先讲述向前预测检验，详

细的策略自适应并向前推移预测请参见本文中的第四节：<4.1：基于遗传

算法的移动取样优化方案为策略增加了自适应能力>。

使用向前预测检验可以用于检验策略的有效性并极大的避免或排除了原策

12

略经优化后的过度优化的部分，或者说是统计部分。由于大多数的过度优化

部分是不可见的，因此，统计策略或多或少的都添加了某个节点上的过分优

化的部分而并不容易被使用者察觉，使用向前推移预测就能大体上识别一个

策略真实的有效性。

除此之外，我们知道通常的量化策略是不会提供源代码的，自适应并向前预

测的组合可以很有效的应用于不公开策略的评估以及检验，无论你的策略用

的什么方式与方法，无论你的策略参数有几个，那些难以被直接发现并且无

法存活的策略将在这个环节被彻底击垮。我们可以在不知道策略具体细节的

基础上，可以通过外部检验的方式去检验策略。详情请参见本文中的第四节：

<4.1：基于遗传算法的移动取样优化方案为策略增加了自适应能力>。

（三），原始策略展示

3.1 沪深 300 股指期货（IF）1 分钟

下面首先展示原始策略在 IF 股指期货 1 分钟 K 线上的表现：

（手续费为交易所 5 倍—0.0125%，收盘平仓，单利计算不加仓，初始资金

设置为 10 万，滑点设置为 0，连续不间断做单，不是做多就是做空，并永

远持有 1 单在手，无止盈止损，除了收盘平仓外所有的开平仓全部由策略发

出，而且做多与做空策略完全一致，只是方向不同。时间为 2010 年 4 月 16

日至 2016 年 6 月 30 日）

回溯结果大致为：历时 6 年总盈利为 383 万。由于采用的是收盘无条件平仓，

平仓交易最大回撤为 24.7 万（非平仓交易最大回撤 28.1 万，最大回撤低点

出现在 2016 年 5 月 31 日 IF 股指期货盘中意外被砸跌停）。由于采用的是单

利不加仓，并且永远只交易 1 单方式的回测，按 10 万的初始本金算单利平

均年化收益率为 616.2%（即便按 50 万开一手算单利平均年化收益率为

127.5%）。且全部回溯期间共支付 184.6 万手续费。详细情况请参见下图。

图 5，“六根 K 线”裸策略加载在 IF 期指主连上的权益图：

13


图 6，详细权益图表及细节：


3.2 股指期货 1,2,3,4…14,15 分钟、1 小时线以及日线上的表现

14

下面的是原策略不做任何调整加载在股指期货 1,2,3,4…14,15 分钟 K 线、1 小

时线以及日线上的表现：（原策略不做任何参数调整，手续费为交易所 5 倍

---0.0125%，全部隔夜，单利计算不加仓，初始资金设置为 10 万，滑点设置

为 0，连续不间断做单，不是做多就是做空，永远持有 1 单在手，无止盈止

损，所有的开平仓全部由策略发出，而且做多与做空策略完全一致，只是方

向不同。时间为 2010 年 4 月 16 日至 2016 年 6 月 30 日。并且不同时间周期

上所加载的策略以及使用的参数完全一致。这里提一点，虽然我们都知道股

价的上涨和下跌模式的内在驱动属性是有区别的，比如长久来看，我们会发

现全球的主要指数还是涨多跌少，上涨的日子往往漫长且缓和，而下跌的时

候往往迅速且暴力，但对于做策略来说，我最担心的并不是把握不到市场所

有的内在属性，而是担心非有意的过度拟合。）

图 7，六根 K 线裸策略加载在 IF 期指主连各个不同周期上的权益图：


图 8，六根 K 线裸策略加载在 IF 期指主连各个不同周期上的权益图：


图 9，六根 K 线裸策略加载在 IF 期指主连各个不同周期上所组成的投资组合综合权益图：

15


3.3 所有大宗商品期货合约上的表现

不得不提到的是，原本是很希望将策略加载在商品期货的指数上进行回测

的，因为指数的连续性更好不至于碰到类似于主力连续合约换月后主连上的

大幅高低开，可是由于商品指数并不是一个真实的市场环境，最终我还是选

择将策略加载在商品主连上进行回测。其中自然避免不了突发性的巨幅回撤

和巨大波动。除此之外，很多商品品种早期合约数据都几乎无法使用，比如

下图的黄金品种，在 2013 年之前的数据几乎没法使用，都是一些点的集合，

但我还是依然将这些数据保留并将策略加载在上面，因为这些数据的产生仍

然是个博弈的过程，只不过当时的成交过于低迷而几乎无波动，不过这并不

能阻止我们用这些“特殊数据”来检验策略。

图 10，早期期货市场成交低迷所导致的零乱数据：

16

数据来源： Multicharts 爱建证券研究所

以下是原策略不做任何调整直接加载在商品期货上的表现：首先原策略不做

任何参数调整，跟股指一样，加载在商品主连合约日线图表上，全部隔夜，

单利计算不加仓，手续费为 0，滑点设置为 10 元，连续不间断做单，不是

做多就是做空，永远持有 1 单在手，无止盈止损，所有的开平仓全部由策略

发出，而且做多与做空策略完全一致，只是方向不同。所有品种回溯时间均

由该品种上市交易日开始至 2016 年 6 月 30 日。

图 11，郑州商品交易所品种主力连续上的测试结果如下：


图 12，大连商品交易所品种主力连续上的测试结果如下：

17


图 13，上期所品种主力连续上的测试结果：


3.4 沪深 300、中证 500 中 800 只股票投资组合综合表现

沪深 300 中 300 只股票的投资组合绩效：以下是沪深 300 指数 300 只成份股

日线周期上的测试结果图，采用的是前复权数据，并且每只股票上每次开仓

固定投入 6000 元，单利不加仓，平仓时为平去头寸不再反向做空，初始资

金 100 万。测试时间段：2005 年 1 月 1 至 2016 年 6 月 30 日，手续费设置

为来回一次交易按千分之四手续费计算。滑点为 0。

18

提示一下，由于使用的是固定资金投入，并且单利不加仓，因此在前期股价

便宜时 6000 元可以买到多的多的股票数量，导致前期盈利看起来大幅高于

后期，而到了后期由于股票价格的总体上涨，6000 元可以买到的股票数量

显著减小了，因此看起来盈利大不如前，由于采用的固定金额的投入方式，

这点还是值得留意的。另外，虽然初始设置的 100 万启动资金，但由于每只

股票上只投入 6000 元，因此资金使用率是极低的，即便每只股票都开仓，

也只使用到了 180 万，何况早期 2005 年期间并非所有当前的 300 只股票都

上市了，因此最终我是按照 11 年间平均持仓来计算百分比收益的。

最终沪深 300 中 300 只股票所组成的投资组合 11 年半间总金额收益为

1139.8 万元，期间最大回撤为 138.9 万元，已付手续费为 18.4 万元，11 年

半间平均持仓金额 74.5 万元，总收益率为 1530%，11 年半平均年化收益率

为：133%。

图 14，沪深 300 中 300 只股票上的测试结果：


图 15，沪深 300 中 300 只股票上的测试结果：

19


图 16，测试结果的年度周期分析：


图 17，测试结果月份分析：

20


（提示，即便采用了前复权数据，由于早期一些停牌时间过长的股票复牌后

没有涨跌停限制，会出现当日巨幅高开的情况，导致回溯曲线中某些时刻出

现了大幅的上涨，这些上涨并不是由数据错误带来的，实际上本人已经多次

检验数据，应该没有太大的问题，但是理论上仍应该减去那些大幅波动的收

益以及亏损。）

中证 500 中 500 只股票的投资组合绩效：投资组合回溯测试时间区间为 2005

年 2 月 1 日至 2016 年 6 月 30 日，初始投入资金为 100 万（由于采用的是固

定金额开仓，一开始资金的使用率是级低的，计算百分比收益时按照平均使

用资金来计算结果），其他所有信息全部同上。

最终，中证 500 中 500 只股票所组成的投资组合 11 年半时间里收益总金额

为 1241.7 万元，期间最大回撤为 258.2 万元，已付手续费为 30.4 万元，11

年半间平均持仓金额 133.4 万元，总收益率为 930.8%，11 年半平均年化收

益率为：80.94%。

（说明一点，中证 500 的整体收益率表现低于沪深 300 中很重要的一点可能

是由于小票的上市时间更短所导致的，由于测试时间是 2005 年，那时候很

多被测试股票还没有上市）

图 18，中证 500 中 500 只股票上的测试结果：

21


图 19，中证 500 中 500 只股票上的测试结果：

数据来源：Multicharts 爱建证券研究所


22


图 21，测试结果的月份分析：


沪深 300 外加中证 500 中 800 只股票上的综合投资组合绩效：时间区间为

23

2005 年 1 月至 2016 年 6 月 30 日，初始投入资金为 100 万（由于采用的是

固定金额开仓，一开始资金的使用率是极低的，计算百分比收益时按照平均

使用资金来计算结果），其他全部同上。

最终，沪深 300 外加中证 500 中 800 只股票所组成的投资组合 11 年半时间

里收益总金额为 2381.6 万元，期间最大回撤为 384.9 万元，已付手续费为

48.8 万元，11 年半间平均持仓金额 207.9 万元，总收益率为 1145.6%，11 年

半平均年化收益率为：99.6%。

图 22，沪深 300 外加中证 500 中 800 只股票上的测试结果：


图 23，沪深 300 外加中证 500 中 800 只股票上的测试结果：

24




图 25，测试结果月份分析：

25


（四），策略检验、其他运用：

4.1 基于遗传算法的移动取样优化方案为策略增加了自适应能力：

计算机学习系统有很多种，神经网络、支持向量机、决策树、随机森林等等。

而本策略添加自适应的过程中主要运用的优化技术以及向前推移预测。

通过利用参数的移动取样优化（穷举或者遗传算法）自行选取参数最优值，

并将选取出的最优值带入到对未来的预测中去，然后再将这段原样本外数据

归为样本内，并在另一段的时期做样本外检验，并以此迭代，层层递推。如

下图所示，打个比方，我们拥有并使用 100 天行情的历史数据（样本内），

通过遗传算法得到最优参数组合，然后使用这组最强大的参数用于对未来

20 日（样本外）进行预测并得到结果，然后把这个结果记录下来。接下来

我们将这 20 天的行情也归并到历史数据之中去，并对已经产生的 120 天历

史数据进行重新优化，得到一组新的最优参数，然后将这组参数继续用于接

下去 20 天的预测，以此类推，并最终记录下所有的预测结果并形成策略回

溯曲线。图一为钉锚式，即不断的加入新数据做遗传算法优化。图二为非钉

锚，即永远只对 100 天内的历史数据做遗传算法优化。

图 26，下图为钉锚，即不断的加入新数据

26


图 27 为非钉锚，即永远只对 100 天内的历史数据做遗传算法优化。


通过计算机自适应后产生的预测收益图，不同于策略回溯图的是，这份曲线

并不是由策略直接加载在历史数据上而直接得到的，这份曲线完全是由计算

机通过模拟一定量的历史数据得到最合适参数值后向前预测市场所得到的

曲线，因此，该份曲线不存在拟合优化的情况，而是策略在完全不知道后来

行情的基础上类似于通过提前预测参数值得到的。

自适应本质上来说就是通过故意的过度拟合来进行向前预测并对效果做出

判断。也就是通过模拟一定时期内市场运行的节奏，由计算机通过最优识别

向市场打出随机组合拳。但由于自适应会打乱了原策略的固定出招套路，因

此本身会增加一定的不确定性。但是从另一个角度来看，如果机器自适应依

27

然能表现出极强的预测能力，那么就有理由相信该策略是有效的，或者说该

策略至少存在着有效成分，因为每一次的盈利不会很凑巧的都被堆积到一条

回溯曲线上。而通过使用自适应并向前预测可以极大的避免或排除了原策略

经优化后的过度优化部分（或者说是统计部分）。由于大多数的过度优化部

分是不可见的，因此，统计策略或多或少都添加了某个节点上的过分优化成

分而不容易被使用者察觉，使用自适应可以取代使用策略优化。我们知道通

常的量化策略是不会提供源代码的，自适应并向前预测的组合可以很有效的

应用于不公开策略的评估以及检验，无论你的策略用的什么方式与方法，无

论你的策略参数有几个，那些难以被直接发现却实际上无法存活的策略将在

这个环节被彻底击垮。我们可以在不知道策略具体细节的情况下，通过外部

检验的方式去检验策略，我相信这个方法将会被广泛应用。为我们以后衡量

量化策略提供了一种非常有效的检验手段。任何一个带变量的加密策略，是

好是坏，将被立刻显现并无所遁形。

下面就对最原始 6 根 K 线裸策略做了一个“遗传 50 测 5”自适应回溯曲线：

（原始策略依然加载在 IF 股指期货 1 分钟 K 线上，手续费为交易所 5 倍

—0.0125%，收盘平仓，单利计算不加仓，时间为 2010 年 7 月 1 日至 2016

年 6 月 30 日。自适应遗传算法计数时间为 13500 根 bar，向后预测时间为

1350 根 Bar，也就是通过 50 个交易日的计算去预测接下去 5 日的行情。）

回溯结果大致为：历时 6 年总盈利为 242 万。收益曲线图如下所示。

图 28，策略经过“遗传 50 测 5”自适应后加载在 IF 期指 1 分钟主连上的权益图：


通过图表我们可能会发现一个问题，就是为什么计算机的自学习在股灾行情

中的表现不如全局固定的参数系统好呢？这里有几个原因，由于选取的是 3

个月的适应时间，大致为 13500 根 1 分钟 K 线，而暴涨暴跌行情完成的速度

28

又快，所以当其在试图自适应的过程中，需要很长的一段适应时间，而当完

成适应以后，行情却基本上结束了，所以表现还不如一开始就固定住的。所

以说，其实历史回溯的好坏跟我们所选取的计算机学习时间也是有关联的，

但我个人认为完全没必要计较这些问题，任何一种方法的加入与其说是为了

让原有的东西变得更好，倒不如说是为了让我们可以更加认清原始状态的有

效性，在下面的时间里我还会通过其他方式去证明策略的有效性。

4.2 增加同方向不同位置入场的第二手单子的效率比较

仓位改变，增加允许同一方向不同位置的入场单子数量。比如，这些单子都

是多头开仓，但是每个开仓点位只开 1 单，如果后续时间里持续满足策略触

发条件，继续增加开仓，在之后的时间里，我会以最多为 2 单作为测试。

在这里必须要留意一点，这里的仓位改变并不是资金管理的意思，并不是盈

利加仓、亏损减仓。而是满足同一方向的单子，当已经持有该仓位单子后，

如果策略在之后的时间里继续发出了该方向的信号，那么持续增仓的过程。

所以，这个过程是一个增仓过程，并且一定是随时间推移的增仓过程。

在做测试之前进行一些分析，看看这些分析是否会在测试后得到印证。

比如，假如一个策略是有效的，那么其在第一个开仓位之后的其他同方向开

仓也理应具备一定的有效性，但是理论上会拖垮第一笔交易的效率，如果它

没能拖垮第一笔交易的赚钱效率，那么则可以反过来说明战胜这个市场的并

不是由于自身策略的唯一性，而是由于市场条件的本身就允许一大类做法的

存在。从而允许你在即便延迟开仓依然可以得到不低于第一笔交易的效率。

实时上，当拖垮的效率越高，理应越能体现出策略优越性，试想一下，比如

同为趋势交易，我们知道很多趋势交易虽然其策略逻辑完全不同，可是能达

到的效果都是一样高的，那么，当两类趋势交易放在一起比较时，你可能会

希望于找出一款更具领先性的趋势策略，而不是对市场拟合更好的。

在以后的时间里，我会对拖垮的效率做一个研究，以此来找寻或者比较不同

策略之间的隐含赚钱效率。拖垮的效率越高，说明该策略的第一手开仓信息

的效率是异常高的，并且此后急转直下。（比如当加入第二手延迟开仓后效

率急转直下，但由于开仓数的增加会使得最终赚钱效率达到终态，但是这个

终态又不能太差，如果这个终态很差的话，即便拖垮效率很高，也无法说明

策略的第一手开仓信息效率高，反而显得策略整体出现了一定的局限性，即，

对第一时间开仓的要求非常高，策略的可扩容性也不大，并且策略还无法承

载更多的资金量。）

因此，拖垮效率更适合于策略之间的比较，而不是追求其绝对值。

以下是增加同方向第二手单子后的权益图。所有条件保持不变。回溯结果大

29

致为：历时 6 年总盈利为 713.2 万，全部回溯期间共支付 298 万。（相比之

下，仅一手的测试结果为总盈利 378 万，手续费 184.6 万。）

图 29，增加同方向不同位置第二手单子后的开平仓效果图


图 30，增加同方向不同位置第二手单子后的权益图


图 31，增加同方向不同位置第二手单子后的权益细节图

30


就本策略而言，策略第二手延迟开仓的效率还是比较高的，基本不会有巨大

的拖垮，但还是那句话，拖垮效率不应单独拿回来考虑，因为并不是越低越

好，也不是越高越好，它是有均衡状态的。当一个策略发出信号后，如果每

一次都特意延迟（比方说）半小时开仓并且还能保证原策略的高效性，那么

显然这个策略就留出了过大的空间被其他策略超越或取代，因为它为其他策

略留下了过大的生存空间，那么我相信它一定还不够好，因为这个市场不容

许每个策略都成为好策略。同样的，如果一个策略完全经历不起哪怕任何一

点点的延迟开仓，那么这个策略显然被压缩的太死了，实有可能是存在过度

拟合优化，并且可扩容性也几乎没有。

4.3 计算过程中对标的物增加幂函数指数值

计算过程中对标的物增加幂函数指数值，在数学上是同比增强或减弱了大阳

或者大阴 K线的计算数值，在实际环境上就是增强或减弱了短期内大阳或者

大阴 K线的重要性。

在这里我们通过对 K线增加幂指数值对原始策略进行考察。主要目的是了解

策略在相同的行情结构，但原 K线却经历了幅度变化（即强者更强，弱者更

弱）后的适应能力。具体的方式为将策略加载在新的调整后的 K线上，但是

实际的发单依然在原 K 线上进行。也就是说，我们通过制作一个虚拟的影子

K线来做策略开平仓的引子，但是实际的开仓和计算回溯结果全部在原 K线

31

上进行和计算。

当然，我们还可以将这个做法运用到其它所有的策略当中去，从而进行总结

并发现问题。比如对于高低点突破策略，如果影子 K线的大小以及长度被重

新调整后，那么我们平时用肉眼看到的高低点突破就不是原来的高低点突破

了，实际当中它可能会变成提前突破或者滞后突破。

其实我们很容易发现，对于大多数的策略一旦当我们增加幂指数值后，从一

定程度上来说，策略的效率都会有所提高。但是极大的可能是因为增加参数

后形成的过度拟合带来的效果。因此，如果想知道幂指数值的增加究竟是否

有真实的市场意义，最好还是需要通过第一步中所提到的自适应系统进行评

估。

当对 K线增加了幂运算后，还需要对幂指数值的数值进行优化，当然，优化

的目的并不是以创造更优美的回溯曲线，而是通过数据优化的结果去观察幂

指数值添加方案的合理性，至于得失还是得观察后再去权衡。

下面我对 K 线增加了幂值运算，其目的就是放大或者缩小 K 线，大者更大

(幂>1)、小者更小（幂<1）、取 1 就是不变。并且通过幂指数值搭配上我们

策略唯一的参数“漂移程度”进行优化，优化目标是最大化盈利值。优化

3D 效果图如下：（Y 轴为目标函数：盈利，另外两项分别为：幂指数值与漂

移）

图 32，计算过程中对标的物增加幂函数指数值正面效果图


32

图 33，背面效果图


以上两幅图表就是我们对 K线增加幂指数值后，它与另一参数值漂移程度关

于总体盈利做出的优化的结果图。在对优化数据进行分析后，我们得到的结

论是幂指数值（0<幂指数值<=2）的增加对于我们系统的改良具有非常积极

的意义，其主要表现在幂指数值和漂移与所对应的盈利具有单调性，也就是

幂指数值越大、漂移越大，盈利能力越强；幂指数值越小、漂移越低，盈利

能力越低。并且最优幂指数值与最优漂移程度之间具备线性关系，即，最优

盈利所对应的幂指数和漂移落在一条曲线上。

下面来看当幂指数值大于 2 时所产生的情况。

图 34，增大幂指数值范围至 0.4-4 后斜视俯视效果图

33


图 35，增大幂指数值范围至 0.4-4 后斜视俯视效果图


图 36，增大幂指数值范围至 0.4-4 后平视效果图

34


图 37，不断放大幂指数值至 20 次方后，正角度向下俯视效果图（左）和平视图（右）


图 38，不断放大幂指数值至 20 次方后，正角度向下俯视效果图（37）和平视图（38）

35


总结，而当幂指数>=2 时，所建立的幂指数+漂移系统与所对应的盈利之间

不再有明显的提升空间，盈利不在随着幂指数与漂移的增大而增大。并且伴

随着幂指数的增加，优化数据还出现了多峰态，也就是出现了两条明显的最

优路径函数。实时上，多峰态的出现未必是坏事，至少在本例之中，当幂指

数值大于 2 时，整体稳定性反而提高了，并且还成了一个最优值平原。在整

个平原上，基本不再讲究参数的选取，并且盈利稳定性变的非常高，普遍在

300 万以上。

通过提取盈利大于 390 万的(幂指数值，漂移)集合得到最优解路径函数为：

Y=1.378ln(x)-5.94，显然该对数函数的形成也是跟我们 K 线加幂指数值这

个过程是有关联的。

图 39，最优解路径函数为


36

以上是对漂移系统的漂移情况建立的幂指数数据分析，我们可能还是要回到

最简单的均线策略上来，看看我们平时无处不见的均线系统是否能得到 K线

加幂指数后的增强。但首先我们必须得先建立一些条件，比如在均线系统中

往往会通过两根均线的上下穿来进行交易或者判断行情进入了什么区间，为

了制作可直观的 3D立体图，我们也可以首先固定一个均线值，比如说 10根，

然后在第二个均线的选取上我们把其当成变量，并对 K线的收盘价增加幂级

数，即 NewClose[1]=Close[1]+/-|Close[1]-Close[2]|^(power)。最后对

这两个变量的系统关于总盈利进行分析。

由于我们知道均线系统本身无法支撑住快速 K线周期上手续费的考验，于是

我们把系统放在相对较大的 K线周期上进行测试，比如 15分钟线或 30分钟

线。

结论：在本例中，对于“6 根 K 线”原始策略而言，K 线增加幂指数能有效

帮助系统进行趋势的建立，提升系统优越性。并且当幂指数值落在 1-2区间

时，幂指数值的增大（配合上漂移的增大）可以有效推动盈利的增加，且具

备单调性。而当幂指数大于 2时，增加幅度不再有明显变化。推导结论：在

本例中，越大的大阳线对上涨趋势的确认越有利，越大的大阴线对下跌趋势

的确认越有利。(因为在给予 K 线增加幂指数的过程中，越大的阳线或者阴

线得到的增加值越大。实际上，很多经典策略，比如 R-Break、Dual-thrust、

开盘区间突破等策略都是在对大阳线以及大阴线进行的解读。但是对于均线

以及 MACD 等策略，增加幂指数值的过程反而不是一件好事，降幂反倒更合

适，也就是说，对于均线这类更适合于缓慢系统的策略，越慢越好。)

4.4 增强策略确定性方案以及过滤

我们有多种方式可以增强原策略的确定性，比如可以多增加了一个参数系统

作为参考，即，同时使用两组参数来配合开平仓，也可以通过增加过滤系统

以此来增强策略确定性等等。但是正如我们之前所说的一样，如不是非常必

要的情况，最好不要添加任何过滤系统。这种必要的情况包括如今的股指期

货被严重封杀，日内平仓手续费高出 100 倍等，导致我们在使用策略时不得

不进行一些过滤，使得交易次数下降从而降低日内交易次数。

在增加一个参数系统时，我多选取了一个 9 根 K 线系统，通过搭配两者的开

平仓来提高策略确定性。在此就不再做过多的累述了，直接看结果吧。

（策略依然加载在 IF股指期货1分钟K线上，手续费为交易所5倍—0.0125%，

收盘平仓，单利计算不加仓，初始资金设置为 10 万，滑点设置为 0，连续

不间断做单，不是做多就是做空，并永远持有 1 单在手，无止盈止损，除了

收盘平仓外所有的开平仓全部由策略发出，而且做多与做空策略完全一致，

37

只是方向不同。时间为 2010 年 4 月 16 日至 2016 年 6 月 30 日）

回溯结果大致为：历时 6 年总盈利为 353 万，按 50 万本金开一手单子计算，

单利平均年化收益率为 117.7%。由于采用的是收盘无条件平仓，平仓交易

最大回撤为 14.7 万（非平仓交易最大回撤 16.6 万，最大回撤低点出现在 2016

年 5 月 31 日 IF 股指期货盘中意外被砸跌停）。且全部回溯期间共支付 117.7

万手续费。从总体情况来看，相比于原始策略（盈利 383，回撤 28.1），显

然在增加了一重确定性保障后，最大回撤大幅减小，所支付的手续费从 180

多万减少到 118 万，总盈利下降 30 万的同时带来的收益却是回撤大幅减少

41%。

详细情况请参见下图。

图 40，策略加载在 IF 期指主连上的权益图：


图 41，策略加载在 IF 期指主连上的权益图：

38


4.5 运用于 ALPHA 选股、FOF(基金中基金)选取。

我们知道 Alpha 选股方式有多种方法，比较常见的有以下几类：多因子模型、

风格轮动、行业轮动、资金流、动量模型等等。而这里所展示就是动量模型，

其最初的假设就是过去一段时间表现强势的股票，在未来一段时间里将继续

保持强势，过去一段时间里表现弱势的股票，在未来一段时间将继续弱势。

说白了，这其实也就是一个趋势策略（之所以在这里展示 alpha 的原因也是

为了证明趋势策略的有效性的，同样的事情也发生在 FOF 上，不过独立的

Alpha 选股以及 FOF 策略我会在以后的时间里继续分享给大家）。

首先，我们所做的 Alpha 选股策略是基于“6 根 K 线”策略的，其中目标选

股范围为沪深 300 中的 300 只股票，其对冲指数为对应的现货沪深 300 指数。

手续费分别为：期指为万分之 1.25（原交易所 5 倍），股票费用设为万分之

18。方法为重新整合 K 线，将单只股票的日线和沪深 300 指数的日线 K 线以

按比例的形式重新整合后，得到一条新的重塑后的 K 线。并加载 6 根 K 线的

趋势跟踪策略。也就是，当新的重塑后 K 线形成趋势后，进行跟进操作，买

入强势的一方，卖出弱势的一放。其中对参数不进行任何调整，完全挪用股

39

指期货以及股票上的原策略，唯一的区别是期货上双向开仓，而这里只做单

方向，也就是当单只股票对比指数连续表现弱势时只进行平仓操作而不反向

开空。

以下就是 6 根 K 线策略加载在 Alpha 选股上的表现：时间为 2005 年 2 月至

2016 年 6 月 30 日。每只股票上固定投入金额为 6000 元（也就是投入金额

为等权投入）并按相同持股资金量做空沪深 300 指数。

图 42，一般性 Alpha 策略资金回溯曲线


上图展示的就是一般性的股票多头等权开仓 Alpha，而然会遇到一个问题就

是有些时候很少有股票开仓，那么资金的使用效率就会大打折扣，因此我们

重新调整投入金额，不是每只股票上投入 6000 元了，而是保持持有总股票

头寸为固定的 90 万元。就算很少有股票开仓的情况，我们依然使用 90 万资

金并平均分配到各个持有的股票中，但是依然为等权重。最终我们得到的结

果是 11 年半间单利总收益为 366.7%，平均年华收益为 31.9%。如下图所示。

图 43，固定投入 90 万资金 Alpha 策略资金回溯曲线

40


这里要提一点，我所使用的是完全原始的“6 根 K 线策略”，实际上我也做

过检验，就是在 K 线的选择上也满足一条最优对数方程，并且 6 根 K 线是处

于下降通道上的一个点，当选用 9 根以上 K 线后盈利表现会大幅提高整整一

倍多至 450 万（相对于图 1 的 192 万的情况下），当然波动也会略微增大。

不过鉴于我们也无法百分之百确认更优的参数选择对策略未来的表现究竟

有多大的帮助的情况下，我们索性就沿用 6 根 K 线了。当然了，由于 K 线的

重塑之后（新 K 线是一个由比值转化而来的 K 线），K 线的波动方式和波动

节奏都受到了严重的改变（主要是被压缩了），不过庆幸的是 6 根 K 线的表

现依然勉强可看。还需要提到的是，在这里我们并没有对冲过不同股票在沪

深 300 指数里的不同权重，因此波动率增大在所难免。在以后的时间里，我

会单独分享一篇详细的 Alpha 选股方式以及 FOF(基金中的基金)的选取。

4.6 震荡策略的生存空间

在经典 K 线框架下，趋势策略的有效性是毋庸置疑的，就像牛顿三定律在经

典力学下的基础一样，只不过随着时间的推移，趋势策略在短周期上的表现

开始变得暗淡，然而却不能阻挡趋势策略在大多数周期上强大的有效性。反

观震荡策略（这里首先要撇去拐头策略以及趋势回踩等模糊化趋势的策略，

它们看似是震荡策略，其实本质上全是趋势为核心），大多数的震荡策略除

了完全无法承受周期或者品种的随意改变，也就是所谓的普遍适应能力低之

外，也无法接受自适应向前预测等大多数检验方法的检验。

但是这并不代表震荡策略就无法在这个市场中生存，只不过它的要点更难以

被解释，看起来似乎是被隐藏起来了，要掌握可以随时间推移并保持有效性

的震荡策略的确很难，原因就在于震荡策略不可以仅仅凭借一个策略本身去

完成入场和出场，他必须有独立的出入场规则，并且在构建更多规则的同时

这就引来了强大、并不可抗拒的隐形优化。尤其是，我们实难分辨和证明这

些额外的加入过程究竟是对的还是错的。不过话又说回来，也许我们更该换

41

个角度去思考这个问题，就好比牛顿三定律在经典世界力学下的表现一样，

趋势交易是在经典宏观 K 线形态下的一种特殊存在，也许我们更应该走入高

频或者超宏观 K 线状态去探究震荡策略，在以后的时间里我也会全力打造震

荡策略，总而言之，震荡策略的生存空间肯定是有的，因为这是一个充满想

象力的世界，而它就在某个地方等我们，其实我所做过的震荡策略也非常之

多，只是眼下都还无法得到我自己的全面认同。当然，又或者它根本就存在，

只是由于不同的理念或哲学观造就了不同的人看待事物的方式与方法的不

同吧。

4.7 全自动交易半年模拟盘展示

模拟盘使用标的主要为中证 500 指数期货(IC)，使用策略为最原始的“6 根 K

线策略”，模拟平台由 Multicharts-达钱提供，初始资金 100 万，手续费标准

是内定的交易所 2 倍并无法修改，每次交易只执行 1 单，单利不加仓，时间

为 2015 年 10 月至 2016 年 6 月 30 日。模拟与历史回溯的不同在于在模拟软

件中，过往的每一次交易都被彻底记录并无法人为修改。

图 44，模拟盘表现

数据来源：Multicharts-达钱爱建证券研究所

图 45，摘要统计资料

42


图 46，交易分析与统计


虽然使用的是全自动的程序化系统，但本人还是参与了一些人为干涉，没有

特别完美的执行好策略，因此跑的远没有策略好。（有时是因为失误或者遇

不可抗拒因素导致的持隔夜仓或者多开了好几单等等。）不过得失自在心中，

也没必要过分计较。本质上来说，交易系统只是一个帮助领略交易的过程，

而真正的想靠交易赚钱，也许还需要更多的人生积淀。但是在我们不断碰壁

被市场打的鼻青脸肿之时，也一定不能丧失信念，因为信念是人类不断超越

自我、克服自身人性缺陷、并能够力挽狂澜的最终能量。如果你自己都不相

信你能做到，那这个世上也就没人能够帮的了你了。

本人花费了超过半年时间跑出了 1 份量化模拟盘记录，对于有需要的投资者

可以联系本人并得到交易记录，当然，这么做也是希望能够帮助到每一位投

资者，并不苛求任何回报。

另外，全文中所加入的各项策略提升方案，目的只是为了换个角度来证明策

略的有效性以及重新检测策略，同时也是为了帮助自己以及他人能够更深刻

的领会趋势策略，建立自信。

43

总结

记住，世上一定有圣杯，它就在你想象不到的地方，你肯定见过它，但对它

不屑一顾。

关于趋势我曾今也咨询过很多人，甚至还包括很多专业人士。虽然大多数的

人都对趋势有着不同程度的认可，可是真正能够明确定义趋势的人却寥寥无

几。当然了，所谓的定义趋势也不过是需要形成一套自己的系统罢了，并不

是真的要去搞清楚自然界中所有关于趋势的因果关系或者逻辑。因为我们所

做的不是在预测，而是在跟随。

所以，想抓住趋势一定要能够确认趋势，而确认趋势就必须有一套能够定义

趋势何时开启的系统。能够确认的开启时间越早对趋势的把握或许越有利，

当然，这一切都是介于利润和损失之间的再权衡。

附言

决定自己命运的，不是市场，而是自己。

过多的思考变量，容易让决策过程变得复杂，内心纠结。而交易更像是临门

一脚，需要果断和坚决。第一时间跟随，守住风险底线，让利润随缘。曾今

付出大量心血、看似宝贵的研究也只能简化、简化、再简化，剩下仅有的几

条等待符合条件的交易机会出现，这长期来看可能也就只有一半的胜率，但

是风险收益比将会成为胜负关键的另一个重要因素。

我们所面对的市场是一个混沌的市场，而量化的本质就是要在混沌市场中找

到并建立秩序。之中并没有过多神秘而又复杂的东西，剥去一些分析框架，

其实核心逻辑不应过分复杂。我个人做过的大大小小、林林总总的策略不计

其数，回过头来慢慢的才看清量化交易的真谛。说实话只要想做好一个策略

一定是可以做到的，什么方法，哪种途径都不重要，重要的是是否足够真诚

与简单，这点尤其对于量化。我知道它与一般人想象的不一样，但做量化的

意义绝不是为了发明光鲜华丽的印钞机，取而代之的是在充分自我认知后所

捕获的朴实与简单。应用工具的本身也是为了帮助我们简化问题、理解问题

而不是复杂化问题，否则还不如不用。

当有人问起你量化交易的优势是什么的时候，还记得当初刚入行时是怎么给

别人做介绍的吗，还记得那句“量化交易的优势就是帮助我们克服人性的弱

点，包括贪婪、恐惧以及侥幸心理”吗。量化的本质核心就是靠具备超高执

行力的交易系统去战胜这个市场，战胜的是这个市场中没有执行力的弱者，

而不是用于对抗强者的！当你一再优化自己的系统，做到几乎能不亏钱的同

时又赚走大把钱的时候，就已经离量化越来越远。

44

最后，仅从策略角度看，六根 K 线足以击败市场，但关键在于每一个使用者

的内心究竟能否接受“六根 K 线”击败市场这个简单事实。能抵御无时不在

的诱惑而恪守自己的信仰，才是赢家和输家的唯一区别。

45

量化策略之三：期权

我们都知道大名鼎鼎的期权定价模型 BSM 模型有一个最致命的缺陷就是它

假设的资产价格波动满足布朗运动，也就是假设了资产市场的完全有效性，

其股价的回报率分布模式呈现正态分布。然而我们知道，股价的运动往往并

不具备有效性，在很多时间里，股价呈现出明显的趋势行为，特别是，股价

回报率的分布也不满足正态分布（从 2000 年至今的上证指数回报率序列来

看，其分布呈非尖峰，肥尾以及左偏）。因此，下一篇文章会在不改变基础

随机偏微分方程推导 BSM模型的前提下，通过加入量化突破策略以及分布形

态中高阶统计量峰度（kurt）和偏度(skew)对其进行重新建模使其能够更加

适应真实市场分布状态。通过调整无风险利率 r在标的物所处不同形态下所

应得不同必要回报率的形式（以方程形式）给出期权价格真正意义上的“无

套利”定价。趋势策略的有效性将为新式期权定价打下理论基础，并使新式

期权定价成为可能。

敬请期待。

46

分析师承诺

负责本研究报告全部或部分内容的每一位证券分析师，在此申明，本报告的观

点、逻辑和论据均为分析师本人研究成果，引用的相关信息和文字均已注明出

处。本报告依据公开的信息来源，力求清晰、准确地反映分析师本人的研究观

点。本人薪酬的任何部分过去不曾与、现在不与，未来也将不会与本报告中的

具体推荐或观点直接或间接相关。

投资评级说明

报告发布日后的6个月内,公司/行业的涨跌幅相对同期的上证指数/深证成指的

涨跌幅为基准。

公司评级

强烈推荐：预期未来6个月内，个股相对大盘涨幅15%以上

推荐：预期未来6个月内，个股相对大盘涨幅5%～15％

中性：预期未来6个月内，个股相对大盘变动在±5%以内

回避：预期未来6个月内，个股相对大盘跌幅5%以上

行业评级

强于大市：相对强于市场基准指数收益率5％以上；

同步大市：相对于市场基准指数收益率在-5％～+5％之间波动；

弱于大市：相对弱于市场基准指数收益率在-5％以下。

重要免责声明

爱建证券有限责任公司具有证券投资咨询资格，本报告的信息均来源于公开资

料，我公司对这些信息的准确性和完整性不作任何保证，也不保证所包含的信

息和建议不会发生任何变更。我们已力求报告内容的客观、公正，但文中的观

点、结论和建议仅供参考，报告中的信息或意见并不构成所述证券的买卖出价

或征价，投资者据此做出的任何投资决策与我公司和研究员无关。我公司及研

究员与所评价或推荐的证券不存在利害关系。我公司及其所属关联机构可能会

持有报告中提到的公司所发行的证券并进行交易，也可能为这些公司提供或者

争取提供投资银行服务或其他服务。本报告版权仅为我公司所有，未经书面许

可，任何机构和个人不得以任何形式发表、复制。如引用、刊发，需注明出处

为爱建证券研究所，且不得对本报告进行有悖原意的引用、删节和修改。

爱建证券有限责任公司

地址：上海市浦东新区世纪大道1600号33楼（陆家嘴商务广场）

电话：021-32229888 邮编：200122

网站：WWW.AJZQ.COM

量化策略研究之二 -...

Documents