|
海龟系统的故事，很多交易者都听说过，我在图书《量化技术分析实战——解码股票期货交易模型》中专门用一个小节做了展示，那是1983年在美国举行的一场关于成功的交易，是天赋决定还是程序化连续执行的对赌，这次对赌让海龟交易法则在30年内席卷了全世界商品期货市场。 海龟交易法则不仅从模型原理上容易理解，而且提供了一套完整的模型+风险控制+资金管理思路，这套思路在现在看来也绝对受用，今天我们仅从模型开发层面，再次剖析海龟交易法则，并试图做一些有效的迭代，提升其绩效。 首先是头寸方面，海龟不是按照资金等分头寸，而是通过ATR自适应头寸，符合一般的资产配置头寸调节方法，在高波动率环境下降低开仓头寸以换取较高的收益风险比，而非全程追逐高利润。 为什么头寸能够这样的变化？本质的原因还是波动率的均值回复效应。可以在波动小的时候开大仓位，波动大的时候开小仓位。 入场方面，海龟拥有明确的双重入场条件：也就是在向上突破进20日（和55日）最高点的第一刻买入，在向下突破20日（和55日）最低点的第一刻卖出。这种高低点突破通道叫作唐奇安通道。 在出场逻辑方面，原版系统提供了离市周期 Trailing Exit Length=10周期高低点连线，用来出场平仓。 在止损方面，策略以2*ATR为幅度进行追踪止损，多空对等。所以这是一套典型的通道突破模型，它并不十分复杂，而且逻辑合理。 我们的改进集中在这几个方面： 1、首先发现反应不足和反应过度的交替变化。 反应不足需要使用程序化系统的主体条件应对——均线、突破等。 反应过度需要使用程序化系统的外挂条件应对——基于波动率的追踪止损。 而系统原有的离市条件其实显得非常鸡肋，且影响性能。 2、复利再投模式，将一些品种好不容易积累的利润丢失了，而且不符合我们测试模型全程同等条件下的真实表现。所以采用单利模式。 3、以ATR为止损度量，我们开始对海龟交易模型进行逐一品种的ATR止损区间优化。我们选择的目标函数是夏普比率。经过优化分析之后，我们大致地找到了各品种比较合理的止损位，并重新组合测试，得到了非常迅猛的绩效改善。 经过这几次改变，海龟交易系统的性能获得了较大幅度提升，但是第三点改进需要深思，尤其是优化得到的出场参数，一定要非常稳健，在未来衰减小，才可以长期使用。 |
|
|
