3.6 策略改进

有一些常用方法可用来改进初次回测业绩不佳的策略。如何在改进策略时不引进数据迁就偏差，并保持少参数的简单模型，更像是艺术而非科学。一个与参数优化相同的指导原则是：任何策略改进要同时提高训练集和测试集的业绩。

经常有一些非常简单的策略，为交易员所共知，收益在不断下降，但仍然盈利。股票配对交易就是一个例子。收益下降的原因在于众多交易员会利用这种套利机会，从而逐渐消除盈利。然而，通常会对基本策略进行微小调整，来提升收益。

这些微小调整往往不如基础策略那样为人熟知，因此交易员也很少采用。比如有时会排除某只或某组特定股票。例如，交易员会倾向于从技术交易程序中排除价格易受消息影响的医药股，或面临并购的股票。还可以改变进出市场的时间或交易频率，甚至简单到选择一组不同的股票。如例3.7 就可以看到，一项策略应用于小盘股时夏普比率很出色，而应用于大盘股时却非常糟糕。

策略的改进，最好基于经济学基本原理，或者透彻研究过的市场现象，而不是依据一些主观的试错法则。否则，就有可能产生数据迁就偏差。

例3. 8  清仓策略的微小调整

我们改进一下例3. 7 中的均值回归策略。考虑交易成本后， 2006年策咯的夏普比率从o. 25 变为一3. 19 0 对策略仅做一下改动：在市场开盘而非收盘时更新头寸。将MATLAB 代码中所有的“ cl”改为“ cp”。

你会发现，不考虑交易成本，夏普比率会增加到4. 43 ；考虑交易成本后，夏普比率也增加到有利可围的0.78 ！用标准普尔400 中盘股指数和标准普尔600 小盘股指数的成分股进行回测，会进一步提高夏普比卒，这留给读者自行练习。