算法交易策略 的 成功 回測 - 第二部分

+

算法交易策略的成功回測 - 第二部分 通過對2013年5月9日邁克爾·霍爾 - 摩爾 在成功回測的第一篇文章中，我們討論了影響我們的回測性能統計和行為偏差。 我們還討論了軟件包，回溯測試，包括Excel，MATLAB，Python中，R和C ++。 在這篇文章中，我們將考慮如何把交易成本，以及需要進行創建回測引擎時，某些決定，如訂單類型和數據的頻率。 交易成本 其中一個實施交易模型時最普遍的初學者的錯誤是疏忽（或嚴重低估）的一項戰略交易成本的影響。 雖然通常認為，交易成本只是反映了經紀人佣金，也有事實，成本可以在交易模式計提許多其他方式。 成本的三種主要類型是必須考慮的包括： 佣金/費用 所招致的算法交易策略，交易成本最直接的形式是佣金和費用。 所有的戰略需要某種形式的訪問交流的。 直接或通過經紀中介（“代理”）。 這些服務產生與各個行業，被稱為佣金的增量成本。 券商普遍提供了很多服務，但定量的算法只有真正使用的交換基礎設施。 因此，券商的佣金通常很小的每筆交易的基礎。 經紀人還收取費用。 這是發生於交易清算和結算成本。 進一步的情況是由地方或國家政府徵收的稅收。 例如，在英國有一個印花稅，以支付股票的交易。 由於佣金，費用及稅費一般是固定的，他們是相對簡單的回測引擎來實現（見下文）。 滑移/延遲 滑移是在價格，當一個交易系統決定交易和當一個事務被實際執行時的交換時的時間之間所取得的差。 滑移是交易成本相當組分，可以使一個非常有利可圖的策略和一個性能低下之間的差異。 滑點是對標的資產波動率的函數，交易系統及交易所和戰略的類型之間的延遲正在開展。 具有較高揮發性的儀器是更可能是移動等信號和執行之間的價格可以有很大的不同。 延遲被定義為信號的產生和執行點之間的時間差。 更高頻率的策略是更敏感的延遲問題，並在此等待時間毫秒的改進可以使對盈利所有的差異。 策略的類型也是重要的。 動量系統遭受更多的滑動平均，因為他們正試圖購買的是在預測的方向已經開動的儀器。 與此相反的是真實的均值回复策略，這些策略都朝著一個方向相反的交易。 市場影響/流動性 市場的影響是招致投資者的成本，由於交流（和資產），通過它，他們正試圖貿易的供應/需求動態。 在一個相對非流動性資產的一個大訂單很可能會推動市場大幅的貿易將需要訪問的電流供應的很大組成部分。 為了解決這個問題，大宗交易被分解成定期交易，因為當新的流動性到達交換小“豆腐塊”。 在另一端，對於高流動性的工具，如S＆P500電子迷你指數期貨合約，低量的交易不太可能調整在任何大量的“當前價格”。 更多的非流動性資產的特點是價差較大。 這是當前的出價之間的差異，並要求價格在限價訂單。 這種傳播是與任何貿易相關的額外交易成本。 傳播的總交易成本的重要組成部分 - 如由英國蔓延博彩公司的廣告活動，表達對大量交易工具的“鬆緊度”的利差萬千。 交易成本模型 為了成功地模擬了回溯測試系統的上述費用，不同程度的複雜的交易模式相繼出台。 它們的範圍從簡單的平面造型通過一個非線性二次近似。 在這裡，我們將概述了每種模式的優缺點： 平/固定交易成本模型 平交易成本是最簡單的交易成本模型的形式。 他們認為每個交易相關聯的固定成本。 因此，他們最能代表經紀佣金和費用的概念。 他們不是很準確建模更複雜的行為，如滑動或市場的影響。 事實上，他們不考慮資產的波動性或流動性可言。 他們的主要好處是，他們在計算上容易實現。 然而它們很可能顯著之下或之上取決於策略估算交易成本所採用。 因此，他們很少在實踐中使用。 線性/分段線性/二次交易成本模型 更先進的交易成本模型開始線性模型，繼續與分段線性模型，並得出結論：用二次模型。 他們趴在至少至最精確的頻譜，儘管至少要實現最大的努力。 由於打滑和市場影響力本質上是非線性現象的二次函數是最準確的模擬這些動態。 二次交易成本模型是很難實現，並且可以採取的時間遠遠計算比較簡單的平的或線性模型，但它們通常在實踐中使用。 算法交易員也試圖使他們的策略使用的實際歷史交易的成本投入，其目前的交易模式，使其更加準確。 這是一個棘手的問題，往往近乎造型波動，打滑和市場影響的複雜領域。 然而，如果交易策略是辦理大量在短時間內，然後的發生的交易費用準確的估計可以對策略底線一個顯著效果，所以它是值得投資在研究這些模型中的努力。 回測策略實施問題 而交易成本是成功的回溯測試實施的一個非常重要的方面，有可能影響性能的策略等諸多問題。 貿易訂單類型 一種選擇是一種算法交易者必須提出的是如何以及何時利用不同的交換訂單可用。 這種選擇通常落入執行系統的境界。 但是我們認為它在這裡，因為它可以極大地影響策略後台測試性能。 有兩種類型的順序，可進行：市場訂單和限價訂單。 A股市場秩序立即執行交易，不論提供的價格。 因此，隨著市場訂單執行大型的交易，往往會得到價格的混合物作為在相對一側每個後續限價定單被填滿。 市場訂單被認為是激進的訂單，因為他們幾乎肯定會被填滿，儘管有潛在的未知成本。 限價訂單提供了一種機制戰略，以確定最糟糕的價格在該交易將得到執行，該交易可能無法獲得部分或全部充滿了警告。 限價單被認為是被動的訂單，因為他們往往是未填充，但是當它們價格保證。 限價指令的個人交流的集合稱為限價訂單。 這本質上是買和賣單，在一定的尺寸和價格的隊列中。 當回測，就必須正確地建模使用市場或限價訂單的影響。 尤其是對於高頻率的策略，backtests可以顯著跑贏現場交易，如果沒有精確地模擬的市場影響力和限價訂單的影響。 OHLC數據特質 有利用每天的數據時，在打開 - 高 - 低 - 收盤（OHLC）數字的形式，尤其是對股市相關的回測策略具體問題。 請注意，這恰恰是數據由雅虎財經，這是零售算法交易數據的一種很常見的源給出了形式！ 廉價或免費的數據集，而來自生存的偏見（我們在第一部分我已經討論過），也往往來自多個交易所綜合價格飼料。 這意味著，極值點（即打開，關閉，高低）的數據是非常容易由於在區域交流小訂單“外圍”的價值觀。 另外，這些值也有時更可能被蜱錯誤尚未從數據集中去除。 這意味著，如果你的交易策略，大量使用任何OHLC點特別的，回測性能不同於現場表演由於訂單可能會被路由到這取決於你的經紀人，你的可訪問的流動性不同的交流。 解決這些問題的唯一途徑是利用頻率較高的數據，或直接從單個Exchange本身獲得的數據，而不是更便宜的複合飼料。 在接下來的文章中，我們會考慮回測的績效評估，以及一個回測算法的一個真實的例子，有很多的上述作用包括在內。 邁克爾·霍爾 - 摩爾 邁克是QuantStart的創始人，曾參與了定量金融行業在過去的五年中，主要是作為一個定量的開發，後來成為一個定量交易員諮詢對沖基金。