统计假设检验在量化交易中的应用.pdfVIP

统计假设检验在量化交易中的应用 程序化交易 假设检验的基本原理：如果假设 A 成立，那么事件 B 发 生的概率低于 5%( 当然也可以用 10%或者 1%等标准 )。实际 随机抽样检测中 B 发生了，我们可以在 0.05 的显著性下认为 假设 A 不成立。在实际应用中我们要注意的是，第一，样本 书越大， 越容易验证条件 A 是否成立； 第二， 观察事件 B 是 否发生时， 一定是要随机抽样的。 比如上面那个硬币的例子， 如果不是随机抛硬币，而是由一个硬币抛掷高手来有认为控 制硬币抛掷后的结果，那么得出来的结论对于硬币是否标准 这一假设是没有参加价值的。为什么很多历史数据中表现很 好的交易系统在后期的实盘时效果很差，很大一个原因就在 于针对历史数据所设计的交易系统不符合抽样随机性。交易 应用示例： 写了这么多，还没有写到交易上，可能有些朋 友急了。稍安勿躁，有了上面的基础，再来谈交易模型的假 设检测，就很容易了。 先看一种最简单的量化交易模型， 就是止盈和止损是同样比例的量化交易模型。比如西蒙斯曾 经谈到过八十年代他们曾经靠一个很简单的模型赚过很多 钱，就是跳空高开 (或低开 )后短时间内价格反向运动的概率 很高，他们的交易策略就是高开后做空，低开后做多。现在 我们来根据这个思路尝试做一个交易模型：跳空高开 (或低 开)x% 后开盘入场做空 (或做多 )，盈利或者亏损 y% 后就出场。 为了便于讨论，我们先假设不存在滑点、手续费等问题，同 时假设当天价格日内离开盘价的波动幅度必然会超过 y% ， 也就说日内该笔交易一定会结束，要么是盈利 y% 后出场， 要么是亏损 y%后出场。这么简化后，大家再拿这个和抛硬 币的例子对比，是不是完全一样了。 现在来运用假设检验 的方法来验证这个量化交易模型。如果这个交易模型是无效 的，那么交易盈利或者亏损 y% 的概率应该是各 50%( 如果亏 损大于 50%可以反向做的 )，和硬币的例子中两种结果的概率 完全一样。现在我们拿检验硬币的思路来检验这个模型到底 是不是无效的。我们拿这个交易模型去历史数据中测试，假 如总共有 50 次交易记录，其中盈利的次数达到了 32 次以上 或者 18 次以下 (这样情况就把模型反着写，即高开后做多低 开后做空 ) ，那么，在 5% 的显著性下我们可以拒绝模型无效 这一假设，这个交易模型是有效的。 有的朋友可能会问了， 这个模型中的 x 和 y 这两个参数到底取什么值呢？这就涉及 到模型训练的问题了。 x 和 y 具体取什么值最合适，不通过 数据测试， 我们是无法知道的。 通用的统计学方法 (通讯、 搜 索引擎等领域也是这个方法 )是，选取大量的训练数据， 对模 型各个参数进行测试， 选择表现最佳的参数。 具体到交易上， 就是选取足够多的历史数据，进行参数优化，综合考虑收益 率、最大回撤、稳定性等因素