交易
您寧願遵循一種易於理解的交易策略，還是一種能夠很好地回測的交易策略？
我一直在製定基於動量的股票選擇策略，我基本上將一堆權重與不同的參數相匹配，以便對股票進行排名。因此，例如，我可能會取 0.3 * [上個月的表現] + 0.5* [去年的表現] + 0.2 * [價格範圍] 等等。我嘗試為這些參數擬合不同的正權重，並在回測中獲得了一些不錯的結果。
現在，我還嘗試允許負權重產生非常不直覺的結果（例如 -7 * [parameter one] + 2 * [parameter 2] -4 * [parameter 3] ）所以不太容易看到什麼該策略是按說的（儘管它產生的輸出與具有正權重的輸出相當）。
您更願意遵循以下哪種策略？一種是您可以查看並更容易理解股票如何排名的一種，還是一種更難理解排名但回測結果要好得多的一種？
將“一堆權重擬合到不同的參數以對股票進行排名”是優化，也稱為曲線擬合。有一些軟體程序可以完成這個過程，所有這些程序都有事後諸葛亮的好處。
嘗試推導交易策略時，請利用數據集的前半部分。然後將其應用於下半場。如果你很幸運，它也會在這方面表現出色。說實話，這種策略不太可能是穩健的，因為每種證券的周期性不同。
至於你的具體問題，交易策略的目標是賺錢，而不是為了得到一個容易理解的策略。
兩個考慮：
- 過去的表現並不能保證未來的結果。僅僅因為您的模型回測良好並不意味著它將來會表現得一樣好（或更糟，或更好）。所以它並不像你說的那麼確定（因此與簡單的投資策略相比，所涉及的額外成本可能不值得）
- 複雜。即使你的模型成功地預測了未來的表現，如果難以理解，也很容易出錯。如果您的策略是“明天盡可能多地買入 ABC 股票，持有 18 天，然後賣出”，那麼今天（在價格下跌之前）買入 ABC 並持有 20 天也沒關係天，然後賣出（在另一次價格下跌之後），或者如果您購買 XYZ。
更簡單的策略可能並不總是產生相同的結果，但留下的錯誤空間要小得多。