第九章　量化中常见的问题

第一节　数据过少

上证指数数据优化回测

从历史数据中发掘规律，一般来说至少需要经历一个牛熊周期。在A股，一般一个牛熊周期3～5年，最长7年，所以少于3年的数据就不太合适，如2014、2015年两年是牛市，如果用这两年的数据找到的最佳值，到2016年走熊的时候就不一定合适了。我们来看一个最简单的，用上证指数2014、2015年两年数据找到最佳均线策略的一个例子，如表9-1所示。

从表9-1中我们可以看到，通过部分数据的遍历，找到了均线为71天，对应2014、2015年两年总收益率101.42%这个最佳值，但这个71天的参数在2016年表现又如何呢？

如果用71天这个参数，2014年基本持平，2015年跑赢指数23个点，表现不错，但在2016年熊市却大跌了近10个点，还跑输了指数。2015年的跑赢，只是在纸面上的，而如果采用此策略进入实战，在2016年亏损10个点，则是实实在在的。这个量化其实也模拟了很多人的牛市思维进入熊市后的结果。

上证指数25年数据优化回测

把上证指数1991—2015年25年的数据做个优化，还是用MA均线策略，线上买进并持有，线下卖出并空仓。通过部分遍历优化，找到了22日均线这个最佳值，如表9-3所示。

对比一下用22日均线策略对应的每年的收益率情况，如表9-4所示。

量化最佳均线回测

显然，都是截至2015年的数据，前一个方案只用了2年的数据，2016年的实盘收益率是-9.76%，而后一个方案用了25年的数据，2016年对应的收益率却是4.02%，不仅远远跑赢了2年策略，而且还大幅度跑赢了指数。从这个案例也可以看出数据量大，对于优化策略的好处。

但在实盘中依然有问题，除了上证指数，很少有指数、股票有25年的数据可供使用，那我们该怎么办呢？前文提到，最近的一个牛熊周期，基本能代表历史的所有情况，特别是2010年后这个周期，基本反映了股指期货这个做空工具对大盘的影响。还是拿上证指数为例子，用2010—2015年共6年的数据进行优化，结果找到了21天这个非常接近用25年数据得到的结果，如表9-5、表9-6所示。

用6年数据优化得到的21天均线策略和用25年数据优化得到的22天均线策略，进行比较可以看出，不仅2016年的收益率完全相同，而且历史数据差异也不大，最近10年21天均线策略还平均每年跑赢了22天均线策略大概1个点。

从上面的案例可以看到，回测用的历史数据太少了肯定不好，但太多了也没有必要，采用一个牛熊周期的数据就足够了。考虑到2010年以后股指期货的做空力量对大盘的影响，从2010年开始的数据，基本就能满足回测的需求。