第三部分：开发策略 (Developing a Strategy)

第三部分：开发策略 (Developing a Strategy)

在这一部分，作者详细拆解了构建算法交易策略的每一个具体步骤，从设定目标到处理数据，再到具体的测试方法。

第九章：策略开发——目标与目的

在开始写代码之前，你必须知道你要去哪里。没有地图的旅行通常以迷路告终。

SMART 目标原则
作者借用了管理学中的 SMART 原则来设定交易目标：

• Specific（具体）： 不要说“我想赚大钱”。要说“我想开发一个针对欧元期货的日内策略”。

• Measurable（可衡量）： “年回报率50%，最大回撤不超过25%”。

• Attainable（可实现）： 不要设定“年赚500%且回撤只有2%”这种不切实际的目标，那会导致你造假或过度优化。

• Relevant（相关）： 目标必须与你的交易风格和生活方式相关。如果你还要上班，就不要设计需要全天盯盘的系统。

• Time-bound（有时限）： “我给自己一个月的时间来开发这个策略”。

  
  

愿望清单（The "Wish List"）
除了硬性目标，你还应该有一个“软性”愿望清单。例如：

• 不持仓过夜（避免隔夜风险）。

• 指标少于两个（保持简单）。

• 不在主要经济数据发布时交易。
  这有助于你在开发过程中做取舍。

  
  

第十章：交易理念

有了目标，下一步是构思交易逻辑。

入场（Entries）：被高估的部分
很多新手沉迷于寻找完美的入场点。但实际上，对于长线策略，入场的精确度并没有那么重要。

• 伪代码（Pseudo Code）： 在编程前，先用大白话把逻辑写下来。例如：“如果今天的收盘价是过去X天的最高价，明天开盘买入。”

  
  

出场（Exits）：被低估的关键
出场决定了你赚多少或亏多少。常见的出场方式：

• 反向信号出场： 直到出现相反信号才平仓。

• 止损（Stop-Loss）： 必须有，防止灾难性损失。

• 止盈（Profit Target）： 虽然老话说“让利润奔跑”，但有时候这就好比“见好就收”，能提高胜率。

• 时间出场： “如果持有X天还没赚钱，就平仓”。

  
  

选择市场与时间框架

• 全天候 vs. 特定市场： 是做一个能交易所有市场的通用系统，还是专门为欧元做一个系统？作者倾向于后者，因为更容易实现，也便于后期通过多策略进行分散。

• 日内 vs. 波段： 小周期（如1分钟图）受噪音和交易成本影响大，开发难度极高。作者建议从较大周期（如日线或60分钟线）开始尝试。

  
  

第十一章：以此谈谈数据

数据是回测的基石，垃圾进，垃圾出（Garbage In, Garbage Out）。

你需要多少数据？
越多越好。对于日线系统，作者建议至少10年。这能涵盖牛市、熊市和震荡市。

场内数据 vs. 电子盘数据
以前期货是人工喊价（场内），现在是电子撮合。如果你用20年前的场内数据回测，要注意那时的交易时间很短，波动特性与现在24小时交易的电子盘完全不同。作者建议尽量统一交易时段。

连续合约（Continuous Contracts）的陷阱
期货有到期日，回测需要拼接数据。

• 不调整（Non-adjusted）： 保留原始价格，但在换月时会有巨大的价格跳空（Gap），导致指标失真。

• 后复权/反向调整（Back-adjusted）： 消除了缺口，但可能导致历史价格变成负数。

  • 致命陷阱： 在使用后复权数据时，绝对不能使用基于比率的指标（如“今日收盘价除以昨日收盘价”），因为价格被调整过，比率已经失真了。

    
    
  
  

外汇数据的特殊性
外汇没有中央交易所，每家经纪商的数据都不一样。此外，回测软件通常只用Bid（买价）画图。如果你挂Limit单买入，图表上价格到了，但实际上Ask（卖价）没到，你根本成交不了。

• 作者建议： 测试外汇策略时，尽量使用市价单（Market Orders），以避免回测与实盘的巨大偏差。

  
  

第十二章：有限测试 (Limited Testing)

不要一开始就用所有历史数据进行测试！一旦你看了所有数据的结果，你就“污染”了数据，失去了验证系统真实能力的样本。

初步筛选
只拿出历史数据的一小部分（例如20%或最近2年）进行快速测试。

• 单测入场： 设定一个固定的止损和止盈，或者固定的持有天数，看看这个入场信号是否有优势（Edge）。如果胜率或平均利润很差，直接扔掉。

• 单测出场： 用随机信号入场，测试你的出场策略能否控制风险或保住利润。

  
  

猴子测试（The Monkey Test）
这是作者最喜欢的环节。

• 原理： 既然我要开发一个有优势的策略，那它必须比随机交易（猴子扔飞镖）强。

• 做法： 保持你的出场规则不变，用随机信号代替入场信号，运行几千次模拟。

• 标准： 你的策略表现必须击败90%以上的随机策略。如果你的策略还不如猴子乱做，那就别浪费钱了。

  
  

第十三章：深度测试/前向步进分析 (Walk-Forward Analysis)

通过了初步筛选和猴子测试后，进入核心验证阶段。作者强烈推荐前向步进分析（Walk-Forward Analysis, WFA），而不是传统的全样本优化。

什么是前向步进分析？
它模拟了一个交易员在真实时间轴上的行为：

• 优化窗口（In-Sample）： 取过去一段数据（如2010-2012年），找到最佳参数。

• 测试窗口（Out-of-Sample）： 用这组参数，在紧接着的未来一段数据（如2013年）上进行交易。

• 滚动： 将时间轴向前推，取（2011-2013年）优化，在（2014年）交易。

• 拼接： 把所有“测试窗口”的结果拼接起来，这就是你真实的预期资金曲线。

  
  

为什么这么做？

• 它能检测参数是否随时间变化而失效。

• 它完全避免了“后见之明”，因为你总是在用过去的数据决定未来的参数。

• 注意： 前向步进测试的结果通常比普通优化结果差很多，但这才是真实的。

  
  

第十四章：蒙特卡洛分析与孵化

这部分在第二部分已有简述，但在开发流程中，它是最后一道防线。

蒙特卡洛模拟
利用前向步进测试得到的交易记录，进行随机重排。

• 如果在模拟中，你的账户有20%的概率爆仓，或者最大回撤经常超过50%，那么这个策略即使期望值为正，也是不可交易的。

  
  

孵化（Incubation）
当你终于完成了一个通过所有测试的系统，不要马上用真钱交易！

• 把它放在模拟账户里，或者只是每天记录信号，持续观察3-6个月。

• 目的： 确认没有编程错误，确认最近的市场没有发生结构性变化。如果在孵化期策略就失效了，你不仅省了钱，还保护了信心。

  
  

第十五章：分散投资

这是交易的“免费午餐”。

相关性（Correlation）
如果你有两个策略，一个做多欧元，一个做空美元指数，它们本质上是一样的。同时交易它们不会降低风险，只会加倍风险。
作者的目标是寻找低相关性甚至负相关性的策略组合。

• 例如：结合一个“趋势跟踪”策略和一个“均值回归”策略。当市场震荡时，趋势策略亏钱，但均值回归策略赚钱，从而平滑资金曲线。

  
  

第十六章：头寸规模与资金管理

如果你有一个好系统，资金管理决定了你是赚大钱还是破产。

由小做起
作者建议从交易1手合约开始。哪怕你有几百万资金，新策略上线也先做1手。

• 这能让你在低风险下检验实盘执行问题（如网络延迟、滑点）。

  
  

固定比例资金管理（Fixed Fractional）
随着账户资金增长，逐渐增加手数。
公式：交易手数 = 账户权益 * 风险比例 / 最大止损

• 警告： 这里的“风险比例”不要拍脑袋决定。作者使用蒙特卡洛模拟来寻找一个既能实现增长目标，又将破产风险控制在极低水平（<1%）的最佳比例。通常这个比例比大多数人想象的要低得多（保守）。

  
  

第十七章：记录流程

开发系统是一个漫长且容易混乱的过程。作者提供了一个Excel表格模板来管理这一切。

你需要记录：

• 策略ID和版本号： 避免混淆。

• 原始思路： 这个策略基于什么逻辑？（防止以后忘了初衷去乱改）。

• 测试记录： 每一阶段（有限测试、WFA、蒙特卡洛、孵化）的通过/失败状态。

• 最终决策： 是否实盘？何时启动？

  
  

虽然不懂，表示支持

全书原版下载地址：https://wwpi.lanzouu.com/i5wu53c67gza