如何简单地判断一款EA的质量呢?

周末啦,来一篇小干货。

这两天去上海谈一个EA的交接事项,所以忙着忙着就忘了写推文,但是还是会坚持写,便改成了夜报。能天天看我瞎扯的想必是真爱粉了吧😆。今天的内容分为两部分,一部分是关于如何从回测表大体看出这款EA的优劣并提出我自己的看法,一部分是解释为什么EA的回测可能会和实测有所差别,最后附上一些回测表的术语,算是让你温习温习英语了。

如何简单地判断一款EA的质量呢?市场上的回报=超额回报+市场回报。后者是基准收益率,可以说大部分人应该达到的受益,而我们往往追求的突出的利润,这些阿尔法利润就是超额回报,它可能需要费好大的功夫才能获得,或者另辟蹊径。就好像买基金,你要获得好的收益,你就不能太懒,你要参考基金的各项指标,基金经理的能力,历史业绩,行业配置,风格类型等等,并根据基金的类型剖析该基金的结构,如果是偏股型你要看看该基金重仓股的行业方向,市场环境,如果是偏债型,还要考虑债券的下行风险等。那么市场上良莠不齐的自动化策略,始于颜值、弃因业绩的例子时常有发生,如何挑选呢?

自然,EA的业绩说话了。给你一张回测表,你能看出什么端倪,就好像给你一张报表,你至少要懂得去看营业收入、盈利利润、PE啥啥的,或者看看盘口的量比等等,基础知识还是要懂点了。然而回测表一般指标众多,那些是重点呢?

1.抗压能力和获利能力。

抗压能力就是指在市场波动的条件下这款EA能不能安好地生存下来,而不是一个不成王便成寇的马丁策略。获利能力就是这款EA攻城略地的能力了,通常我们会看:

1)Total Net Profit (总净盈利 )肯定很清楚不过了,最终看的就是结果,但是不能看的太重,这毕竟是绝对的数据,还要参考各种相对的数据。

2)Profit factor (获利系数,也简称PF) =毛利\毛损,在实际运行当中,PF大于1就挺不错了,贝利君在上期推文中贴出的EA的PF大于4了,可以说让我还是较为欣慰的。

3)Expected payoff (预期收益 ) =总净盈利\总交易次数,很容易能够理解,就是平均每笔交易能都带来利润,这代表了综合实力。

4)Profit trades (% of total) 获利单的交易次数,就是胜率了。虽然说在人工交易中,真正决定你赚钱的不是胜率,但是在机器交易中,胜率是比较重要的,体现了该策略注定的优越性。通常来说胜率较高的EA是通过一点一滴的小赚维持获利曲线,但这种EA对价差和流动性的要求很高,真实环境不一定能达到其严格的要求,看到这种类型的EA就要特别注意回测报表中的价差(如果回测的价差竟然设为0那就太耍无赖了)。 而低胜率较低且预期收益高通常属于顺势波段策略,但可能会考研投资人的心态,因为可能会经常处于亏损的状态。

(狼逐)

2.风险成分

风险成分就是指你所能接受盘面上发生不太好看的事情了,像Maximal consecutive loss (count of losses)最大的连续亏损金额(亏损次数)  ,Average consecutive losses 平均的连续亏损次数 都是可以作为风险指标,类似VAR在险价值的含义了,就是可能存在的最大亏损不会超过这个额度:

1)Maximal Drawdown (最大亏损金额),回测期间内的账户从最高点滑落到最低点所产生的最大亏损幅度,我们可通过这个指标看这个指标是不是属于那种腰斩然后再回去的极端风险,以狼逐专题—一个狼性的策略是什么样子的?中的狼逐为例:最大亏损大概12%,实际在跑时若亏损达到 10%的时就要考虑要不要提前熔断了。

2)Maximal Drawdown (最大亏损金额)  假设你投入资金5000美元,可承受风险约15%和5%分别设置的下单手数会有所不同,Largest loss trade 最大的单笔亏损金额  这个指标也可以参考参考。

3)Average loss trade (平均亏损金额) 平均亏损必须是你可承受的每笔亏损金额,如果自认平均亏损承受不起,可以通过调降手数取得平衡。当然要结合平均盈利了,一般高胜率平均亏损可能会大于平均盈利,低胜率的平均盈利可能会大于平均亏损。如果左思右想觉得实在不行,👋再见。

4)Maximum consecutive losses (loss in money)  最大的连续亏损次数(在这次的亏损金额)程序交易不是让你暴力的工具,想做那种中签新股的请取关追求稳健的贝利君,谢谢合作。EA的重点就是在于长期稳定获利,但我们也要事先预先做好心理准备。类似的还要参考Loss trades (% of total) ,亏损单的交易次数(失败率),不过再会赚钱的策略都会有遇到连续亏损的时候,这时最重要的就是准备资金并耐心去等待。

沉迷学习

3.报表覆盖面

报表覆盖面就是报名表覆盖的时间周期长短了,可以参考的指标有:

1)Bars in test (柱数 ),这个就是被拿来测试的K线总数量,当然越多越好了,同时这些K线也有不同时间周期的,M1的,M5的,不同的可能会影响到最后的复盘模型品质。

2)Ticks modeled (用于复盘的即时价数量),这个就是在历史资料中最细的测试价格数量,同时还有时间周期来衡量,如果只单单回测数月的EA,看起来就很相当不客观。

4)Modelling quality (复盘模型品质 )  ,这个就是可以说算是回测结果的参考价值了一般来说最高就是 90% ,虽然不是说50%的复盘质量就不好,但越高总不会是坏事。

4. 我要投多少钱来操作呢?

这个当然要看你资金的富余程度、预期受益,还有一种方法就是大概估摸一下,从平均亏损金额和最大亏损金额来计算。比如平均亏损金额= 50,最大亏损是=1000, 如果平均亏损为资金的1%,则我可以用 50*100=5000刀去做这个策略,则承受的可能最大亏损风险是 1000/5000 = 20%,再根据资金净值图可以推算你要承受的亏损时间累积为N个月,并推算你的获利可能。

回测报表其实就是仅供参考,你还要参考其他因素,就是开发者人品咋样,市场咋样等等各种因素。很多真实交易并不会比回测好,基本上打个七折就不错了。光一份回测报表,隐藏的陷阱有价差、最大亏损等,在你真枪实弹前务必看清楚并且衡量自我风险和承受能力再交易也不迟,不要再用血泪换取经验了。

我怎么看呢?

我说下我自己实战出来经验:

1、回测的时候,一定要把复盘显示选上,这样可以清晰的看到,回测给出的开平仓路径是否和你的策略一致,如果连这个都不一致,那报告根本不用看。

2.盈利比>1.2是最小要求

3.最大回测率则要区别对待,如果是固定手数,那要极度小心。应考虑回测金额和初始本金的比例关系,比如1万美金先盈利到3万美金,然后跌回2万美金,看似最大回测只有33%,这样的模型也是不可以采用的。而如果是可变开仓手数,还是上个例子,如果3万美金回落到2万美金,而开仓手数是1万美金的3倍,那没有问题,这个模型是可以采用的。

为啥实盘和复盘不一定一样?

一般来说实盘其实不会和复盘一个天上一个地下的,如果回测本身就是弱鸡的话,实盘自然不会好,而回测可以的话,至少表明了先天不是残疾,才有继续考虑下去的勇气啊!那为什么会出现两者不小的差别呢?

1.复盘覆盖面欠缺。

外汇行情放在宏观上来说是按年来分析行情的,某段时间单边,再过几年可能就是震荡走势,如果用一个单边趋势的EA去跑08年的欧元,要知道当年欧元大涨3000多点不回头你说能不漂亮吗?然而不用再单边行情中就会像吃屎了一样......如果能有一个策略可以用从2001年欧元诞生起到今天连续十五年来复盘,结果依旧很好,可以说明该EA就是神器了,然而这种EA很难找到,如果那些国际长期资本管理公司有,也都是内部资料,别活在梦里了。

2.理想环境。

做非农的最能体会到踩踏事件的恐惧了,当行情剧烈波动的时候,毫秒之间可能你的账户就说拜拜了,你本来打好的如意算盘在某某点位做什么单子来不及传到信息接收服务器那儿交易条件已经更改了,结果造成巨大亏损。而回测是基于网络环境没有任何意外,十分舒畅的状况下,然而在实际中可能会出现网络不好,服务器延时甚至断网重连的可能。所以一款真正优秀的EA必须要具有出出色的纠错容错能力。

3.稳定性

过程的稳健很重要,你想一下,如果你的账户虽然最后运气好都盈利了,但是中间最大的亏损达到了腰斩,你觉得你会不会气得跺脚睡不着?这里的稳定性不只是硬件、软件的稳定,还包括策略的稳定性。那些所谓无脑翻倍加仓EA还有什么炒鸡马丁加仓返仓无敌策略......可能一年盈利不少,复盘曲线也非常漂亮,但最后说好的不爆仓还是会蹒跚而来。这和赌博有差吗?

4.最后贝壳君要吐槽的一个陷阱就是,很多外汇代理商会“免费”给客户挂一些所谓多牛的EA,然而实际上这些EA的作用就是疯狂打单,账户是否盈利却不一定,而这么大的单量下,有人赚到好大佣金的说。

听说有软广配会很bigger:

狼逐专题—一个狼性的策略是什么样子的?

附上学习资料:

Initial Deposit 起始资金 : 执行测试的帐户交易金额。

Gross Profit 毛利 = 所有获利交易金额的加总

Gross Loss 毛损 = 所有亏损交易金额的加总

Total Net Profit 总净盈利 = 毛利 - 毛损。(就是净获利)

Profit factor 获利系数 = 毛利 / 毛损

也就是你的每一块钱可以为你带来多少利润(一定要大於一低於一就不会带来利润了)

Expected payoff 预期收益 = 总净盈利 / 总交易次数

也就是平均每一张交易单可以帮你创造多少利润

Profit factor 获利系数与 Expected payoff 预期收益是不一样的可不要搞混了喔获利系数是平均每一块钱可以带来的利润 预期收益是平均每一张单可以带来的利润

Absolute Drawdown 绝对亏损 :

也就是从开始测试的时候你的帐户资金低於开户资金的最大幅度。

Maximal Drawdown 最大亏损 :

也就是在这段测试时间内你的帐户从最高点滑落到最低点所产生的最大亏损幅度

Total trades - 在测试裏的总交易量;

Short positions (won %) 空单的交易总数(空单的成功率);

Long positions (won %) 多单的交易总数(多单的成功率);

Profit trades (% of total) 获利单的交易次数(成功率);

Loss trades (% of total) 亏损单的交易次数(失败率);

Largest profit trade 最大的单笔获利金额;

Largest loss trade 最大的单笔亏损金额;

Average profit trade 平均获利金额;

Average loss trade 平均亏损金额;

Maximum consecutive wins (profit in money)

最大的连续获利次数(在这次的获利金额);

Maximum consecutive losses (loss in money)

最大的连续亏损次数(在这次的亏损金额);

Maximal consecutive profit (count of wins)

最大的连续获利金额(在这次的获利次数);

Maximal consecutive loss (count of losses)

最大的连续亏损金额(在这次的亏损次数);

Average consecutive wins 平均的连续获利次数;

Average consecutive losses 平均的连续亏损次数;

为了方便粉丝们查看数据,以后阅读原文可以看到各个货币对的枢轴点数据哦。以后某个时间还会推出模型预测哦。

----------------------------------------------------------------------------------------------------------------


关于EA的往期文章:

狼逐专题—一个狼性的策略是什么样子的?

常见的算法交易策略模型介绍

简单谈谈宽客(QUANT)

一个有效的短期量化系统

详解剥头皮交易

论优秀EA策略的西天取经路

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,064评论 5 466
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,606评论 2 376
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,011评论 0 328
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,550评论 1 269
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,465评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 47,919评论 1 275
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,428评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,075评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,208评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,185评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,191评论 1 328
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,914评论 3 316
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,482评论 3 302
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,585评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,825评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,194评论 2 344
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,703评论 2 339

推荐阅读更多精彩内容