[策略管理/資金管理] 上下架模式與權重模式的比較
昨天有同學私底下問說,我在”Xeus常見問題“篇有提過
- Xeus的管理功能是如何與評價函數做結合?
A: Xeus的管理功能是直接將資金函數與評價函數做串聯,因此可以做到動態排序與動態資金分配。也就是策略可以掌握的資金權限是與評價函數動態連結的,因此可以做到真正的動態加減碼,而非只有策略上下架的陽春管理功能。
該怎麼來驗證上面說到的權重(串聯)模式(依據評價函數的計算結果直接對資金/部位進行加權)優於陽春的上下架模式(依據評價函數的結果,只要過門檻即給予符合條件的策略群相同比例的資金/部位分配)
老方法,講過很多次,大數法則,大數法則,大數法則。要驗證一個概念的時候先建立大量的(獨立)樣本(事件),直接把我們以前測試用的均線策略再拿出來跑,不針對特定商品最佳化參數。
策略原始碼: (內有原始進出型態模式/上下架模式/權重模式)
不囉嗦,直接掛入數十個海外期貨商品(獨立樣本空間),即可取得該策略型態大量的測試樣本,近十年 七千多筆 交易事件(已透過 RiskParity 模組對每筆交易進行風險平價)
很顯然,這樣的簡單順勢策略型態在近十年看起來已經越來越效率化了,盈利因子為1,一種嗡嗡嗡做白工的概念
(白話翻譯給技術分析初學者: 也就是你用了該種技術分析在這近十年重覆做七千多次在數十種商品上會得到以下的結果。)
參考上面源碼,我們透過評價函數作為部位管理濾鏡,這裡我們選的評價函數為大家最熟悉的 Optimal-F,最小動能門檻設定為 0.3,來對這七千多筆的每一筆交易事件進行篩選(部位/策略管理)
陽春上下架模式:(部位不變,不使用評價函數分數對資金與部位進行加權,僅使用評價函數分數做策略上架下架篩選)
看起來還不錯,即使不針對部位進行加權,只使用評價函數的結果作門檻篩選,對策略做最陽春的上下架,也已經可以從權益曲線看出很明顯的改善。PF值提升到了 1.44。改善幅度達四成多。
。再繼續來看
Xeus 權重模式(依據評價函數的計算結果作門檻篩選,並且使用評價函數分數直接對資金/部位進行weight加權)
在最小動能門檻的篩選之外,透過評價函數權重進一步針對部位進行加權,硬是把效率再往上拉升一成,達到五成多
結論:
-
透過評價函數對一個看起來已然是垃圾的礦場進行挖礦,仍舊可以挖出不錯的結果
-
除了透過最小動能門檻篩選之外,再針對資金與部位進行更進一步的加權,可以比單純陽春的策略上下架更進一步地提升策略管理效率
-
Optimal-F的挖礦功力確實還蠻威的(相關源碼請自行參考討論區)