本文共 882 字，大约阅读时间需要 2 分钟。
因子评估：R^2，择优而用，同时需考虑时间因素，时间段波动小，收益可能无法覆盖手续费和滑点
最终评估：资金曲线 预测值的使用：假如是收益，可以当做仓位，高预测值高仓位，或按照马克均值方差构造最优组合，或者风险平价高波动低权重等 开仓阈值：一般不对未来做预测，开多空堆成阈值，相应平仓阈值是否相同需要进一步思考 收益对比评估：累计盈亏/最大回撤相对合理，年化/最大回撤 会歧视长期策略，但实际长期策略比短期更有说服力 策略筛选规则：1，不宜采用单指标过高模型（作者未说明原因，可能个人经验吧） 2，避免高相关性， 3，最好采用滚动优化，也和实际场景更符合
顺势or逆势：信号前16k线中，和信用同方向的比例
网格搜索：过拟合根源（个人感觉，模型复杂度也是一个） 平仓问题：可以看做风险控制，非多即空会带来长期持仓风险 开仓和平仓参数选择方法：定开仓阈值后，寻优平仓阈值 策略评估：1，夏普，最常用，但不是非常合理，比如近期收益应该远期收益权重高，夏普则认为等权（行情类似性） 2，最好结合图形看（近期收益，近期最大回撤） 3，单笔平均盈利，决定策略容量，平均盈利越低，对滑点越铭感，收益越容易被侵蚀 4，参考，历史相似价格的收益情况 5，筛选掉平均收益低的剩下的基本都差不多了（可能和特定策略模式有关）
第三方平台常见问题：
1，解释性语言，运行速度慢2，无法保存中间结果3，逐k线计算4，图表绘制容易卡壳5，最新价格无从知晓是买价还是卖价6，挂单策略，低于挂单方成交（这个不是很懂）
分笔策略：等成交量绘制k线
简化搜索空间：预测与仓位挂钩，预测与动作挂钩 加速手段：并行化，GPU 策略：统计模型+交易模型2部分 策略筛选和投资组合优化：风险平价，马克均值方差等1，日内，每日更新，按照一定规则筛选第二日交易的标的即可2，隔夜，作者倾向于做小训练测试，好处时，明确知策略在那种行情下获取的较好收益3，控制策略数量，这个最优策略从多少策略中筛选，是否过度优化
计算因子技巧：稀疏矩阵，逐步回归和逐渐回归
转载地址：http://teyws.baihongyu.com/