2018年4月12日星期四

組合回測結果已發出

對於這幾天發送電郵給我表示對組合名單感興趣的網友,我已把過去15年的回測結果發送你們。如果沒有收到電郵請盡快告知。謝謝。

所有回測的結果均依賴數據的準確性,我們盡最大努力確保數據的準確性,表現在選用最好的數據供應商,以及重複比對數據的統一性。然而,這其中也有大量需要人工操作的地方,難免沒有疏漏之處,所以如果網友或用家在使用的過程中發現數據有不准確的地方,請及時通過電郵反映給我們。謝謝。


4 条评论:

  1. 師兄, 沒有要挑戰的意思, 只是想知在師兄的眼中怎看待回測這回事呢?

    回复删除
    回复
    1. 回測的主要目的是為了證偽。首先先從理論層面找到那些我們認為有效的量化因子,然後進行歷史試驗,也就是回測,如果回測結果不行,那麼就意味著那些量化因子是無效的或弱效的。如果回測結果符合預期,那就進入第二步,第二步就是調整量化因子,首先從理論層面上給調整後的表現給一個預期變化,然後進行歷史回測,如果回測結果與預期變化趨於一致,那就重複第二步,直至從統計意義上獲得滿意的結果。如果中間隨便哪一次回測結果與預期不同(可能是好於或也可能差於預期值)便說明該量化因子不行。

      你問的是量化模型設計中的其中一個問題,而我把整個過程都給你介紹了。

      或許你看不出組合中各成分股的具體優勢在哪,假如其中有些表現好的成分股碰巧也具備你喜歡的因子(或條件),那麼你就會高高興興地認同它們,如果是這樣,那麼你其實只是在相信你本來就想要相信的事物,這是主觀的表現。我們使用各種統計方法,嘗試各種時間跨度,並加入數千只股票作為研究對象,首要目的就要避免主觀意識可能帶來的任何偏見。

      使股價大漲或大跌的原因是因子,我們的任務是找到這些因子,並了解它們的強弱性及週期性,在此基礎上給它們分類,最後我們根據分類把它們拿出來組合成想要的投資策略,從而找到能夠滿足我們需要的投資組合。

      删除
  2. 簡單說是否即是data mining?

    A司

    回复删除
    回复
    1. 不是。data mining是用來分析固定模式,例如性別,年齡,收入水平等因素與消費習慣的聯繫就可以使用data mining並取得不錯的效果。股市並非一成不變的主體,它一直在保持變化,有些因子週期短,有些週期長,但並非沒有週期,所以我們必須了解決定因子週期變化的要素,並加以利用,本質上來說我們的研究是如何利用變化獲利,並避免被變化傷害。

      删除