一、引言
之前总结了关于一个交易系统的构成，交易系统就像人的骨架，每个部分都应该全。但是如果把一个交易系统打造的更好呢？这就需要一个科学的测试方法，《交易策略评估与最佳化》这本书给我们提供了指南。另一方面，这本书告诉我们如何从一个概念开始一步一步搭建成一个稳健的交易系统的方法。
作者认为交易策略研发有两种方法，第一种是指由原始的投资概念概念开始一步一步应用到交易系统中，每个部分都应该符合逻辑，作者支持这种方法。第二种是指从数据出发运用机器学习等算法挖掘出赚钱规律。作者认为该方法很容易陷入到过拟合，且由于黑箱性质，他很排斥。他认为一个科学的交易策略研发流程步骤应该有以下八个步骤：
- 公式化交易策略：将所有的规则列出并公式化。
- 将公式转化成回测平台程序语言
- 初步测试：第一，主要观察策略代码是否运作正常，是否在该买卖的地方卖方 ，若否不断修改。第二，检验初步的交易成功测试报告。如果初步较大亏损，最好放弃。
- 最佳化交易策略 ：策略效果提高到最佳，使得获利最大，风险最小。
- 推进分析：最关键的部分，用最佳化的参数在样本外时期进行测试，谨防过拟合 ，测试其稳定性。
- 若通过推进分析，则可进行交易。
- 评估实际交易成效：持续监控交易成果，看是否符合预期，若市场发生大的改变要提供预警，要知道是什么产生了什么影响。
- 改善该系统。持续跟踪每个买卖点，挖掘有价值数据，知道该系统在不同时期不同市场的强度和弱点，并进行改善。
二、历史回撤前考虑的
- 选择回测平台时 一定要考虑回测平台数据的准确性。
- 考虑滑点。滑点是指以较差价位成交时所付出的交易成本。滑点受到下单类型（市价和限价）、头寸大小、市场流动性的影响。滑点还受到开盘跳空、开盘与收盘范围影响。滑点对短线交易的影响更大一些。
- 考虑重要日期。比如重要报告发布日、合约到期日等，可以在重要事件前一个交易日平掉仓位。
- 回测数据选择。是采取主力连续合约还是通过复权以后的连续合约还是考虑两种一起的连续调整合约。
- 测试样本时间范围。应保持会有足够的交易数量产生并使得测试所需自由度较大。测试
- 策略的生命周期。不同策略在不同市场有不同的生命周期，应考虑不同的参数。且定好测试样本时间后进行最佳化的参数只能应用到测试样本的八分之一到三分之一时间。过了这么多时间后仍然需要进行最佳化测试。
三、公式化交易策略并转化成程序语言
将初步的概念列出，然后写成程序伪代码的形式。每一个想法都要量化处理。接着将伪代码转化成所在平台所需要的语言。
四、初步测试
初步测试要完成以下几个步骤：
验证计算与交易
历史样本必须足够大，并产生少量交易样本。必须验证交易结果与规则相对应，即检查所有的变量、规则、进场和出厂单是由正确的公式和规则产生。这个步骤很重要，以前测试的时候没有进行过这样的检查。初步测试其可获利性
用一段历史时间初步估计其获利可能性。短期系统时间1-2年，中期2-4年，长期4-8年。交易系统如小幅获利或至少不是完全不可获利是可以接受的。
如果有异常大的损失，检查市场状况。如果市场异常，可以视为特例。否则应考虑放弃。多重市场多个时期测试
该步骤是为了扩大交易绩效在市场和历史数据方面的校验，快速获得模型的可靠性程度和更大交易范围的概览。
第一，选择市场：选择5-10个多样化的市场。可以用相关系数和基本面的差异来判断。
第二，选择测试时间。一般而言，起码要保证5年的测试时间，10年更佳。
第三，测试。每个市场将测试时间分为几小段，进行测试，记得使用同样的参数。然后观察每个市场每段时期的测试绩效。如果结果较好或值得改进则继续研究，否则应该放弃。
五、搜寻与最佳化
进入到这个阶段，我们应该感到高兴，这意味测试尚可接受，有进一步提升的机会，有必要对策略进行最佳化测试，使其绩效达到最优。在最佳化之前，有必要了解下最佳化搜寻参数的一些方法。
最佳化搜寻的方法主要有：
网格搜索：最简单最暴力的测试方法，如果参数多，测试时可能较长。
优先步骤搜寻：保持其他参数不变，测试一个最优参数，然后继续下一个最优参数的确定。
登山搜索测试法：随机点开始然后沿当下点的最优方向进行然后继续从下一个点的最优方向出发，，直至达到山顶。
多点登山搜索：以多个不同开始点开始登山搜索，最后比较不同点的最优参数产生的绩效。
还有诸如高温退火模拟、遗传算法、粒子群算法等方法。
目标函数选择：以上算法都要根据目标函数来选择最优参数。目标函数最好兼具利润与风险，比如夏普。
接下来就是进行最佳化。很多人会把最佳化与过度拟合联系起来。作者认为正确的最佳化过程将得到对策略的最大理解和最高利润。不正确的最佳化过程将导致过拟合。
正确的最佳化构架取决于四个关键点：
第一：策略参数应该被确定，其扫描范围也应该被选择。
最佳化参数应该尽量少，且只应该选择对绩效有重大影响的参数进行最佳化。可以在开始的时候测试下模型各个参数的相对影响力。如不重要，则不加入最佳化测试中。
参数的扫描范围应该考虑两个方面：首先考虑参数的理论。如果短期，参数范围不应该过大。另外考虑实际情况，比如测试时间。主要是参数步长的考虑，参数步长过小容易过度拟合，可以考虑比例的方法，在上个参数基础步长增加相同的比例。
第二：选择适当的数据样本。
数据样本应包括主要的市场类型，如牛市、熊市、震荡市等。且应该包括适当的多空交易。
第三：最佳化的目标函数应该适当选择。
第四：最佳化的评估标准必须确定好。
最佳化得到的参数结果有两个作用。第一，评估该策略的品质是否令人满意。第二，该结果将进入到推进分析。
应用上面的最佳化架构进行多市场多时期的最佳化。考察该策略的稳健性和多样适应性。
然后将所有参数的测试结果进行统计上的观察，看所有参数上的获利和亏损情况。并列出最佳化的交易结果，并对其进行稳健性评估。第一，接近最佳化参数集的平均绩效，最好在一个标准差内。对所有时期进行一个模拟，模拟的所有交易减去一个标准和3个标准差仍然获利。
六、推进分析
推进分析是策略开发最关键的阶段。推进分析提供了对四个关键问题的解答：
第一，实际交易会不会赚钱。第二，实际交易将产生多少报酬率。第三，典型的市场变化如趋势、波动性、流动性将如何改变交易绩效。第四，该使用怎样的参数在实际交易中产生低风险下的最高利润。
推进分析就是将样本内的最佳化参数应用到样本外中，稳健的交易策略的样本外绩效应接近样本内绩效。
推进分析的样本时间应该由样本内时间决定：一般而言样本内测试时间的25%-35%为样本外测试时间。
推进分析也应该进行多时期的测试。比如每三年进行6个月的推进分析，观察其绩效。
七、交易你的策略
经过以上步骤，如果策略测试都通过，恭喜你，圣杯离你不远了。
无论是回测还是实际交易，都应该观察以下绩效指标：
| ------------ | ------------ | ------------ | ------------ | ------------ |
| 年化收益 | 每年交易笔数| 获利交易百分比 | 最大获利 |最大获利长度 |
| 平均获利| 平均获利长度 | 最大亏损| 最大亏损长度 | 平均获利|
| 平均亏损长度 | 平均连胜次数| 平均连胜长度| | 最大连胜次数 |
| 最大连胜测试时间长度 | 平均亏损次数 | 平均亏损次数长度 | 最大亏损次数 | 最大亏损次数长度 |
| 最大回撤 | 最大回撤长度 | 开始与结束数据的最大回撤 | 最大权益提升 | 最大权益提升|
| 开始与结束数据的最大权益提升 | | | | |
除了总的绩效报表外，最好能分别得到多空交易的绩效报表。
以上就是该本书的主要内容，这个最佳化流程值得我们好好学习，希望以后能开发出更稳健的交易策略，赚钱多多。