利用资金曲线选择策略加减仓时机
数量技术宅团队在CSDN学院推出了量化投资系列课程
欢迎有兴趣系统学习量化投资的同学，点击下方链接报名：
量化投资速成营（入门课程）
Python股票量化投资
Python期货量化投资
Python数字货币量化投资
C++语言CTP期货交易系统开发
数字货币JavaScript语言量化交易系统开发
每个策略都有其相适应的行情，如果某一段行情符合策略的逻辑，那么策略就会在这段行情大赚。但是，就如同硬币有正反面，策略在不适应的行情期，也会出现亏损的情况。优秀的策略，在不适应行情期能够做到小亏或者打平，而对于不太理想的策略，在不适应行情期有可能会大亏。第二类策略，是我们在测试过程中或是实盘交易过程中需要尽可能避免的，哪怕已经实盘，也需要在大幅度亏损后的第一时间停止交易，仔细分析交易逻辑。在这篇文章中，我们重点想要讨论的是，第一类策略的仓位选择时机。
回撤，所有策略逃不开的话题
纵使第一类策略很优秀，也有一定的概率遇到一段较长时间的不符合行情（历史没有出现，不代表未来不会出现），即使策略在不适应行情只是小亏，但是很多次小亏累积起来，也会逐步增加账户的亏损，从而对量化策略的执行者造成很大的心理压力，容易无法坚持执行策略。下图就是一个典型的例子，特别是在两段黄色框线的区域。
如果看到上图，你可能不会觉得黄色框线区域在执行上有多困难，但是假如策略刚开发完成时，资金曲线下图是这样的。你感觉策略很不错了，准备好资金，放上实盘开始交易。
但是运气不太好，刚开始交易，就遇到了策略的困难时期，不适应的行情造成策略一直在亏损，磨损资金中，甚至破了此前策略的最大回撤（MDD），此时伴随而来的是对策略的怀疑：我是否在策略开发过程中过度拟合？是否策略已经在当前的市场失效？又是否我只是运气不好？随着回撤的时间增加、回撤的幅度增大，就越有可能在丧失信心后修改/停止策略。
就在我们修改/停止策略后，将策略丢弃在一旁，过了一段时间又想起了测试了一把，发现策略居然又创了新高。于是，这样一个优秀的策略，不仅在实盘中没有赚到钱，反而还亏损了。
如果对策略仓位进行一定程度上正确的择时加减，可以减小这种压力和停止策略的遗憾。我们知道，策略表现的好坏，最直观的反应在策略的资金曲线上。以最典型的突破型趋势策略为例，这个大类的策略，一旦遇到震荡行情，资金曲线往往都会走平或者回撤。此时，可以加入一个简单的依据资金曲线择时的逻辑，即在资金曲线走坏时对策略进行减仓，而当资金曲线上升时加仓，或是恢复原本减仓的仓位。（当然也有例外，对于一些高夏普极其稳定的高频策略，如果对自己的策略很有信心，同时也有闲置资金的前提下，可以在回撤时进一步加码。）
资金曲线均线加减仓
本文重点讨论的，是当策略资金曲线走坏，而执行者又没有信心的情况，该如何去做？此时，应当对策略进行减仓，建仓后最直观的好处是：资金曲线的最大回撤比率会适当降低。那么，如何来量化策略的加仓、减仓时机呢，最简单的玩法，对资金曲线再拉一条移动平均线，当策略跌破均线，进行减仓，而当策略回到新高，进行加仓。
如何在程序中加入此类对策略加减仓的逻辑，我们以multicharts(mc)为例，有两种方法：
方法一：使用entryprice，exitprice，计算出每次交易的利润，再根据利润数值计算均值，进行仓位的加减码计算。这个方法的优点是，计算出的净利润可以真实的反应策略原本固定仓位时的利润率，而不会受到仓位变动的影响，因此可以精确的计算出策略加仓、减仓的时机。而相应的缺点是，相对于原始策略逻辑，需要做较大的代码上的改动。
方法二：使用mc内置的netprofit变量，直接做均线运算。该方法的优点是程序实现比较简单，基本上不需要改动原先的主要策略逻辑，只需要加上过滤条件即可，而缺点就与方法一的优点相对应，netprofit幅度会直接受到此前策略加减仓位的影响，造成加减仓位的时机的延迟。
由于方法二的实现较为简便，我们使用方法二，对一个具体的策略进行加减仓，逻辑很简单：在该策略中计算netprofit变量的均线，当netprofit大于均线，仓位是2份，而当netprofit小于均线，仓位是1份。与此同时，我们还有一个对照组，即不论何时，仓位都是2份。一起来看一下两者的对比绩效。（图1减码、图2未减码）
可以看到，两者方法的净利润相差很小，但是减仓绩效的亏大回撤，相比较不减码降低了，从原先的27万多，降低到了22万多，也证实了我们此前的猜想。
资金曲线高低点加减仓
除了均线加减仓法，我们还可以把资金曲线当作一个特殊的品种，同样采用顺势的操作：当资金曲线突破N周期高点时，开启策略或者对策略进行加仓；当资金曲线突破N周期低点时，关闭策略或者对策略进行减仓。当然，这个N周期的N参数不能太小，否则就会陷于不断加仓减仓，无故损耗手续费的不利境地中。
同样举一个例子：当资金曲线跌破最近50笔交易累积利润的最小值，则停止交易，而当资金曲线回到50笔交易累积利润的最大值（即资金曲线破前高），则开启交易。先来看资金曲线的对比。
图1是做了加减仓的资金曲线，图2是原始策略的资金曲线，图1的曲线很显著的在策略回撤期，停止了策略，并在策略利润回复时重新开启策略。
对比策略具体绩效参数，也可以看到，与均线加减仓类似，高低点加减仓，同样能够在不显著影响策略净利润的前提下，降低策略的最大回撤值。
写在最后
通过资金曲线对策略进行加减仓，在大多数情况下，是需要牺牲掉一些策略本身的利润，来换取策略最大回撤的降低，因为本质上和直接应用到金融资产的趋势策略信号一样，每次的进仓、出仓，都需要在确认趋势之后才能进行，会有一定的延后性。
在技术宅看来，尽管有减小利润的弊端，资金曲线加减仓，还是一个值得尝试的方法，因为它可以避免两种情况：
第一，对于优秀的策略，遇到文章开头出现暂时回撤的情况，哪怕使用减仓方式停止了策略，后续策略资金曲线创了新高，也会按照同样的方式加仓回来，这样我们就不会错过真正优秀的策略。
第二，对于回撤美如画，实盘战五渣的策略，我们也不怕，如果策略一直回撤，那我们也只会亏损开始一段的资金，随后只要策略不创新高，就不会承担后续的损失。
一句话总结：资金曲线加减码，相当于给策略加了一道保险。
往期干货分享推荐阅读
数字货币中短线策略（数据+回测+实盘）
量化投资对于数据源、回测、实盘平台的选择
数字货币稳定币对网格做市策略
万物皆可秒——淘宝秒杀Python脚本，扫货618，备战双11！
数字货币资金费策略
数字货币无风险收益率又双叒叕扩大了！
分享一个年化15%以上的无风险套利机会
【数量技术宅|交易系统开发系列分享】网格交易系统开发
通过深度学习股价截面数据分析和预测股票价格
剖析一个数字货币高频策略
数字货币交易信号实时预警推送（含群聊）
Omega System Trading and Development Club内部分享策略Easylanguage源码
量化交易如何选择云服务器，如何在本地远程开发与调试云服务器程序
一个真实数据集的完整机器学习解决方案（下）
一个真实数据集的完整机器学习解决方案（上）
如何使用交易开拓者（TB）开发数字货币策略
股指期货高频数据机器学习预测
如何使用TradingView（TV）回测数字货币交易策略
如何投资股票型基金？什么时间买？买什么？
【数量技术宅|量化投资策略系列分享】基于指数移动平均的股指期货交易策略
AMA指标原作者Perry Kaufman 100+套交易策略源码分享
【 数量技术宅 | 期权系列分享】期权策略的“独孤九剑”
如何获取免费的数字货币历史数据
【数量技术宅|金融数据分析系列分享】套利策略的价差序列计算，恐怕没有你想的那么简单
【数量技术宅|量化投资策略系列分享】成熟交易者期货持仓跟随策略
【数量技术宅|量化投资策略系列分享】多周期共振交易策略
【数量技术宅|金融数据分析系列分享】为什么中证500（IC）是最适合长期做多的指数
大宗商品现货数据不好拿？商品季节性难跟踪？技术宅带你Python爬虫一键解决没烦恼
【数量技术宅|金融数据分析系列分享】如何正确抄底商品期货、大宗商品
【数量技术宅|量化投资策略系列分享】股指期货IF分钟波动率统计策略
【数量技术宅 | Python爬虫系列分享】实时监控股市重大公告的Python爬虫