Nói về cách tối ưu hóa các tham số của một số mô hình giao dịch lập trình

Nói về cách tối ưu hóa các tham số của một số mô hình giao dịch lập trình

• Cao nguyên và đảo tham số

Một nguyên tắc quan trọng trong tối ưu hóa các tham số là tìm kiếm các nguyên tố cao hơn thay vì các nguyên tố cô lập; được gọi là nguyên tố cao hơn, nghĩa là có một phạm vi tham số rộng hơn, mô hình có thể đạt được hiệu quả tốt hơn trong phạm vi tham số này, thường sẽ hình thành sự phân bố gần đúng với trung tâm của nguyên tố cao hơn; và được gọi là nguyên tố cô lập, nghĩa là mô hình chỉ hoạt động tốt hơn khi các giá trị tham số nằm trong một phạm vi rất nhỏ, và khi các tham số đi ngược với giá trị này, biểu hiện của mô hình sẽ thay đổi đáng kể.

• Hình cho các thông số cao nguyên

  Ví dụ, giả sử một mô hình giao dịch có hai tham số, lần lượt là tham số 1 và tham số 2, sau khi thử nghiệm qua hai tham số, bạn sẽ có một biểu đồ hiệu suất ba chiều. Phân bố tham số tốt nên là biểu đồ giao dịch, thậm chí khi cài đặt các tham số bị sai lệch, hiệu suất lợi nhuận của mô hình vẫn có thể được đảm bảo. Các tham số như vậy có khả năng đáp ứng tốt hơn khi các mô hình gặp phải các loại hành động trong cuộc chiến thực tế trong tương lai. Nhưng nếu kết quả hoạt động sau tham số như tham số, khi sự sai lệch của các tham số xảy ra, hiệu suất lợi nhuận của mô hình sẽ thay đổi lớn hơn, vì các tham số này thường không thích nghi với hiệu suất và đáp ứng với môi trường giao dịch thực tế trong thị trường.

  

  Nói chung, nếu hiệu suất của hệ số gần khác xa so với hiệu suất của parameter tối ưu, thì parameter tối ưu có thể là một kết quả của quá trình tổng hợp, được coi là giải độc đáo, chứ không phải là giải cực lớn. Từ quan điểm toán học, điểm độc đáo là không ổn định, trong trường hợp không chắc chắn trong tương lai, một khi các đặc điểm thị trường thay đổi, tham số tối ưu có thể trở thành tham số tồi tệ nhất.

  Sự quá phù hợp liên quan đến mẫu được chọn, nếu mẫu được chọn không thể đại diện cho các đặc điểm tổng thể của thị trường, chỉ để làm cho kết quả thử nghiệm đạt được giá trị mong đợi tích cực, thực hành này chắc chắn là tự lừa dối, và các giá trị được lấy là các giá trị tham số không hiệu quả của quá phù hợp. Ví dụ, bằng cách phân tích các tham số quá phù hợp, mô hình giao dịch có xu hướng tăng lợi nhuận ở các giá trị 35 và 63, nếu các chỉ số tương ứng trong mô hình được chọn với các tham số 35 và 63, lợi nhuận của mô hình trông hoàn hảo, nhưng thực tế là hiệu ứng đảo đảo tham số điển hình.

  Mối nghịch lý chính của quá phù hợp với tối ưu hóa tham số là các tham số tối ưu được tối ưu hóa mô hình chỉ dựa trên mẫu dữ liệu lịch sử đã xảy ra, trong khi thị trường tương lai là sự thay đổi động, có sự tương đồng và biến thể so với thị trường lịch sử. Các nhà thiết kế mô hình có thể tìm thấy các tham số mà mô hình hoạt động tốt nhất trong lịch sử, nhưng điều này không nhất thiết phải là tốt nhất trong ứng dụng thực tế mô hình tương lai, thậm chí là các tham số thực tế hoạt động tốt nhất trong lịch sử, có thể hoạt động tồi tệ trong cuộc chiến mô hình tương lai, thậm chí gây ra tổn thất lớn. Ví dụ, chọn một tham số có thể nắm bắt một làn sóng giao dịch lớn trong lịch sử, nhưng đặt một mô hình như vậy không có nghĩa là mô hình có thể hoạt động tốt trong tương lai.

  Ngoài ra, các đường cao nhất tham số và các hòn đảo tham số cũng thường có mối quan hệ lớn hơn với số lần giao dịch. Nếu số lần giao dịch của mô hình ít hơn, thường có thể tìm thấy một điểm tham số phù hợp để mô hình có lợi trong nhiều lần giao dịch, mô hình lợi nhuận được tối ưu hóa tham số này thể hiện sự ngẫu nhiên mạnh mẽ. Nếu số lần giao dịch của mô hình nhiều hơn, tỷ lệ ngẫu nhiên lợi nhuận của mô hình sẽ giảm, và sẽ thể hiện nhiều hơn sự chắc chắn và quy định của lợi nhuận, thì cũng có một đường cao nhất tham số.

• Cách tối ưu hóa các tham số

  Sau khi hiểu rõ về đường cao nguyên tham số và đường hẻo lánh tham số, phương pháp tối ưu hóa tham số trở nên quan trọng, đặc biệt là khi có nhiều tham số trong mô hình (sau đây gọi là các tập hợp tham số), thường thì việc lấy giá trị của một tham số sẽ ảnh hưởng đến sự phân bố của một đường cao nguyên tham số khác. Vậy làm thế nào để tối ưu hóa các tập hợp tham số?

  Một phương pháp là tiến trình kết hợp dần; đó là, tối ưu hóa một tham số một cách riêng biệt, sau khi đạt được giá trị tối ưu của nó được cố định, sau đó tối ưu hóa một tham số khác, sau khi đạt được giá trị tối ưu của nó được cố định. Như vậy, xoay vòng cho đến khi kết quả tối ưu hóa không còn thay đổi nữa. Ví dụ, một mô hình giao dịch giao dịch giao dịch chéo đường thẳng, hai tham số độc lập là chu kỳ ngắn đường thẳng N1 và chu kỳ dài N2 tương ứng. Đầu tiên, N2 được cố định là 1, N1 được thử nghiệm lọc trong phạm vi từ 1 đến 100, tìm kiếm giá trị tối ưu nhất, cuối cùng đạt được giá trị tối ưu 8 và cố định; nó được tối ưu hóa cho N2 từ 1200 đến 26 và cố định; một lần nữa, tối ưu hóa cho N1 cho vòng hai, đạt được giá trị tối ưu mới 10 và cố định; cuối cùng, N2 được tối ưu hóa và cố định 28.

  Một phương pháp khác là sử dụng nền tảng thiết kế phần mềm lập trình với các tính năng tính toán mạnh mẽ hơn để tính toán trực tiếp sự phân bố giữa các hàm mục tiêu và các mảng tham số, sau đó tìm kiếm sự phân bố chênh lệch đa chiều, xác định một ngưỡng chênh lệch, với giá trị tuyệt đối chênh lệch nhỏ hơn trong phạm vi chênh lệch, tương ứng với khối lượng đa chiều lớn nhất, bán kính hình cầu đa chiều cao nhất, được chọn làm giá trị tham số ổn định nhất.

  Ngoài phương pháp tối ưu hóa tham số, việc lựa chọn mẫu dữ liệu cũng là một yếu tố quan trọng. Các mô hình theo dõi xu hướng như ý tưởng giao dịch hoạt động tốt hơn khi thị trường có xu hướng, và các chiến lược mua bán thấp như ý tưởng giao dịch hoạt động tốt hơn trong thị trường biến động. Do đó, khi tối ưu hóa tham số, cần phải loại bỏ đúng các thị trường phù hợp với ý tưởng giao dịch để xem xét lợi nhuận và tăng dữ liệu thị trường không phù hợp với ý tưởng chiến lược để xem xét tổn thất.

  Ví dụ như các hợp đồng tương lai chỉ số chứng khoán, từ đầu năm 2010 khi ra mắt và từ nửa sau năm 2014 khi thị trường mua bán cực lớn xuất hiện, các hợp đồng tương lai chỉ số chứng khoán chỉ số là một bên. Không có nghi ngờ gì rằng tất cả các mô hình xu hướng sẽ có hiệu quả tốt. Tuy nhiên, nếu chúng ta đưa dữ liệu thị trường cực này vào mẫu để tối ưu hóa các tham số, các tham số mô hình có thể không phải là tốt nhất.

  Ví dụ, giả sử một mô hình có hai thông số, thì các kết quả thử nghiệm của thông số A hoạt động rất tốt trong thời gian thị trường đơn phương và hoạt động tốt hơn ở các thời điểm khác; các kết quả thử nghiệm của thông số B khác hoạt động kém hơn thông số A trong thời gian thị trường đơn phương và hoạt động tốt hơn thông số A ở các thời điểm khác, và sự phân bố giữa các thời điểm là tương đương với thông số A. Ngay cả khi thông số A cho phép kiểm tra các chỉ số tổng thể như lợi nhuận rủi ro trên toàn mẫu dữ liệu cao hơn thông số B, chúng tôi cũng có xu hướng chọn thông số B vì thông số B tương đối ổn định hơn và không phụ thuộc vào mẫu cụ thể.

  Nói tóm lại, khi xây dựng mô hình giao dịch theo quy trình, một mặt, có thể tối ưu hóa mô hình cải tiến thông qua các tham số, để mô hình thích nghi tốt hơn với mô hình biến động giá và tăng lợi nhuận đầu tư; mặt khác, để ngăn ngừa sự phù hợp quá mức đối với các tham số tối ưu hóa, dẫn đến việc giảm đáng kể tính phù hợp của mô hình đối với sự thay đổi thị trường.

Được chuyển từ Người giao dịch theo chương trình