评估程序化模型时我们容易忽视的指标

针对一些刚开始使用真格量化进行模型开发的朋友，本文简单介绍了一些评估模型表现时容易忽视的指标，希望能帮助更多的朋友，利用真格量化的交易统计数据，客观评价自己的策略模型，早日设计出自己满意的交易策略。

　　一. 程序化模型的分类

　　程序化一般分为两类模型，一类是趋势模型（比如基于各种统计指标的对某个品种、或某几个品种的价差的趋势跟踪），一类是震荡模型（比如对单品种价格或多品种价差的区间交易、波动率套利等）。我们也可以将两者结合起来，比如利用真格量化平台去运行多个策略。当然去预测未来的市场到底适合趋势策略还是震荡策略很困难。程序化模型需要不停的去完善，但不必追求完美（比如想利用模型准确预测未来的市场状况）。以下所说模型都是趋势模型。

　　二.程序化模型的评估

　　对模型的评估的指标多种多样，比如夏普比率、最大回撤等。我们可以简要介绍一些投资者容易忽视的指标：

　　1、测试时间：一个好的程序化模型必须经得起时间周期的测试，如果一个模型，盈利率惊人，但运行或回测的时间只有几个月，那也不可信。

　　2、风险度：很多人的模型有漂亮测试结果，但单个策略的资金风险度却在80%或者接近满仓。这是不合理的选择。因为金融市场资金管理很重要，在行情好时候，资金使用率越高，收益当然就越大，但行情不适合策略时，资金使用越高亏损越大。且我们很难去预测接下来的行情会如何。我们也不确定回测的时间段是否包含了足够的行情不适合策略的时间样本．在检验模型时，可以一开始选以择固定的手数进行测试，当策略的概念检验较充分时再添加根据行情缩放仓位规模的部分功能。

　　3、回测价格选择：回测与实盘表现总会存在差别。投资者应当了解回测时选择的历史价格，无论开盘价、收盘价、最新价、对手价等等，进行测试均有其局限性，选择不当还有出现未来数据的可能。在真格量化中，tick级别回测与分钟或日线相比，会提供更接近实盘撮合逻辑的回测精度。

　　测试结果的分析：

　　a.交易总数：也可以视为信号出现数。对一个趋势策略，交易总数过高，可能意味着对震荡行情过滤不充分。过低，又可能意味着模型不够敏感。如何判断合理的信号数呢？一个最简单的方式就是将　计算交易总数除以有效交易天数，以日内策略为例，一般一个活跃品种有效交易日的平均信号数在2-5之间（当然也取决于行情）。

　　b.利润率：在总利润之外，我们还可以计算扣除单次最大利润的结果，一个理想的策略其扣除最大单利润后，剩余利润也应当为正。而且测试周期越长利润率也应该越高。很多模型，短期表现不错，长期表现就归于平庸。所以回测时应该尽量的去回测有历史数据的最长周期，去检验模型在有利行情和不利行情下的表现。

　　c.正确率：其它条件都完全一样的情况下，虽然正确率越高越好，但也不用为了看到一个高正确率的模型而心动，也不用因为我们的模型的正确率低而担心，一般的正确率能在45％左右，就不错了，因为程序化的本来意义就是赚大亏小，积小胜为大胜，且趋势策略在在震荡行情中正确率自然会下降，我们可以分别统计其在不同市场状况下的正确率。

　　d.最大回撤：如果我们选择的固定手数，比如10手进行测试，我们的最大回撤最好不要超过持仓保证金的20％，以及账户资金总量的10%，当然，如果我们选择的持仓量更大，最大亏损率可能有所提高，需要更完善的风控措施。我们需要根据策略对资金的不同使用效率，来评估最大回撤指标。

　　e.空仓时间：以日短线为例，空仓时间不宜太长，太长，可能说明模型不够敏感、错过了交易机会，当然，这一项不是最重要的，如果我们空仓时间长，利润也高，错过就错过吧，错过不是过错，没赚到也不存在亏损的风险。

测试结果分析不能只看某一个指标，而应当结合具体交易品种的实际行情以及策略的设计细节进行综合分析。希望读者能够利用真格量化的"回测详情"统计，合理评估自己的策略表现，有针对性地去完善模型。

　