为什么回测效果非常好的策略实盘却不行？

1. 为什么回测效果非常好的策略实盘却不行？

1。误判。这不是我的答案。这是一个血淋淋的教训。在我的量化测试的历史中，当对现有的显著盈利能力的结果进行测量时，超过95%是这个错误的结果。例如，在计算中遗漏了一个负号，另外，在不同的语言迭代0和1的时候，在混淆的起始点，等等，倾向于给一个好的，我认为会改变世界的结果。所以我养成了彻底检查自己是否错的习惯，只要结果好就行。

顺便说一下，我要告诉你结果是否是个好测试。给我的交易策略跨度大,所以我们需要一种适用性广泛,我将练习0正态分布是用来模拟资产回报率,首先使用历史数据估计标准差,然后模拟n的试验周期和长序列,返回n交易策略是获得损益结果,如果测量结果两端的尾巴,n的结果太好或太坏的结果。这是一个单一的资产交易策略，如果它是一个多资产，你可以整合相应的组合过程。当然，还有一些变化，比如获取概率结果，而不是直观的利润和损失结果。但我不会把大部分时间都花在这上面，而且我也受到了越来越多的打击，我想看看这是不是有什么问题。

2。未来的功能。这种提法在其他答案中已经重复了好几次，而这个解释确实是一个根本问题。未来函数的破坏力在于它会出现未被发现的情况。例如，一种著名的分析师语言:“在熊市结束时积极建立头寸，在牛市结束时卖出股票”。如果我知道这是这段时期的结束，我还在听你说些什么。例如，当你做量化时，你应该注意未来函数的出现，例如曲线的平滑度，整体模型的估计，统计特征的提取等。

要控制它的外观，唯一要做的事情就是要小心，因为逻辑上的错误要比前面提到的“错误估计”更难检测。我自己的经验是，在准备一个测试过程时，它是严格按照时间顺序进行的，而样本中的计算本身就完全阻止了样本中的数据。一句话，经验就是财富。