基于相对强弱指标的轮动策略研究（四）
刘登峰
2017年7月16日
摘要 本篇承接（三）的研究，进一步给出不同参数设置下策略的回测效果。另外讨论了未来函数问题及对应行修正策略。
1. 参数列表
（三）中已经给出策略涉及的各类参数包括：width、q、period、value_thre/slope_thre、delay以及rate。这里暂令rate为千3、delay=1，不参与优化。
2. 参数width/q的二维优化
由于width与q决定了滑动后相对强弱指标的具体形态，可以联合进行优化。首先令参数width(para_wid)从150至300，参数q(para_q)从10至100，步长均为10，考察每对参数组下的策略年化率(re)，绘制热区图如下：
规律尚不明显，因此扩大遍历范围：para_wid从50至500（步长为10），para_q从10至100（步长为5）。热区图如下：
似乎para_wid越小，re有越高的趋势，因此继续调整参数遍历范围：para_wid从10至300（步长为10），para_q从10至100（步长为5）。热区图如下：
上图表明，para_wid与para_q均越小时，re越高，且最高的年化率超过了50%。进一步调整遍历范围：para_wid从2至20（步长为2），para_q从5至15（步长为1）。热区图如下：
这种参数越小，收益率越高的规律更为明显。最后将遍历范围调整至取值最小的范围，即para_wid从2至20，para_q从0至20（步长均为1）：
由上图，高收益参数区很明显沿着45度主对角线分布，且当width=2、q=3时，策略回测效果最好（年化率超过54%），此时的回测结果如下：
上述过于理想化的结果不免引起反思：是否回测过程中出现了问题。
3. 未来函数的思考以及原有回测方式修正
做策略回测时，需要格外关注是否牵涉到未来函数，即当下的交易是否用到了未来的数据。这一点非常重要，因为未来函数无异于事后诸葛亮，使得一些模拟测效果很好的策略实盘时效果却大打折扣。
进一步思考，认为“未来函数陷阱”大致存在于三类情况中：第一，策略指标的构建时（包括构建指标时所用参数的计算、指标值的计算中是否用到未来数据）；第二，交易信号的触发时（例如交易信号是基于当天收盘价的函数，则当天结束前不能基于该信号做交易决策）；第三，交易的实施时（例如交易信号是基于当天收盘价的函数，则交易不能当天开展）。后两类情况稍作注意即可避免，而第一种情况，“未来函数”存在的形式多种多样，特别需要注意。
本策略针对后两类情况已经做了规避（delay参数设置大于等于1）。但对于第一类情况，如果回测时不加修正，则存在一些问题：虽然RMA平滑是在一个滑动窗口中不断进行，且平滑后的数据在固定窗口下没有缺失（即在固定某一个窗口的视角下没有未来函数），但具体到某一个平滑值的计算时，用到了未来若干个数据。
因此在回测时，需要做如下调整，以规避未来函数陷阱：
- 对整个历史数据计算rs指标；
- 从rs序列开头，到考察时点，对窗内rs序列做RMA平滑；
- 对窗内的rs平滑序列按触发规则确定交易信号；
- 随着考察时点的推进，不断循环2、3过程，以确定真实回测情况下的交易信号序列；
- 基于交易信号序列，按简单多空交易计算策略收益率
修正后的回测过程真正模拟了该策略在历史数据下的表现。按此调整下，模型的循环大大增加，相应计算耗时会有数量级上的增加。
当然，这种修正方法对于一般前项型均线平滑方法（如SMA、WMA、EMA等）则完全没有必要，而是否需要修正，关键是看该种方法在平滑过程中是否用到了未来数据。又结合（二）的讨论，可以这样说，对于SMA等前项型平滑方法，一方面因为只用到了前项数据，导致平滑序列具有延迟性，但在回测时无需做上述循环修正，无疑大大节省了计算量；而对于RMA等需要用到后续数据的方法，虽然平滑的结果很好且不存在延迟性，但在回测时则必须通过上述循环修正以规避未来函数。这两种方法究竟孰优孰劣，只能从回测结果来说明。
4. 后续一些工作
前面的研究不断促使新的想法出现，新想法不断填充以往模型的框架使之不断丰满。目前来看，基于相对强弱指标的轮动策略框架已经进化如下：
- 指标设立层面：两种相对强弱指标
- 指标平滑层面：可以选择不平滑直接；也可以选取若干平滑方法进行平滑
- 信号触发层面：上下突破阈值即做多（空）等
- 交易策略层面：简单多空/5050
仅就上述1、2点，可以变化出8种策略，接下来可以尝试将策略按上述细分进行研究。