可以被審計嘅數字

策略回測平台

一份回測嘅誠實程度,唔會超過佢嘅假設。QANTERION 公開自己嘅模擬建模咗咩、又刻意省略咗咩——然後將模擬盤前向驗證作為樣本外考試交俾你。

更新於

加密貨幣回測平台將一套交易策略放到歷史行情數據上重播,以估計佢當時嘅表現。佢嘅輸出可信到咩程度,取決於佢建模咗幾多摩擦成本:一旦省略手續費、滑點或真實成交邏輯,得到嘅就唔係一個保守估計,而係一個系統性偏樂觀嘅結果。QANTERION 會公開自己嘅模擬建模咗邊啲摩擦、又刻意省略咗邊啲,為每一個報告出嚟嘅指標俾出公式定義,而且將回測當作一個「淘汰工具」而唔係預測工具。

回測係將策略放到歷史數據上重播,以估計佢當時嘅表現。佢係淘汰一個壞想法最快嘅方式——而如果做得唔誠實,佢亦係為一個壞想法製造信心最快嘅方式。未來函數、過度擬合參數、零手續費、完美成交,幾乎可以令任何一套規則喺佢被調參嗰份數據上睇落賺到錢。

解決辦法唔係畫出一條更靚嘅資金曲線,而係將假設講清楚:邊啲摩擦被建模咗、邊啲冇、每一個數字由邊個負責。呢個就係本頁描述嘅標準,亦係方法論頁面逐條記錄嘅標準。

每一項摩擦,以及回測省略佢時會點

每一處省略都會將結果推向同一個方向:更好睇。呢個就係點解唔含摩擦嘅回測唔係唔精確,而係系統性咁錯。

摩擦成本呢度點樣建模如果省略佢
滑點按波動率同訂單規模定價,而唔係扮佢唔存在緊止蝕同高頻系統會顯得賺錢,實際並唔係
掛單/食單手續費每一筆模擬成交都按實際適用嘅級距計費任何單筆優勢好薄嘅策略都會通過一次佢本應失敗嘅測試
訂單簿深度深度感知撮合決定一筆量係喺一檔成交定係食穿幾檔測試等於假設盤口頂端有無限流動性
指標定義夏普比率、最大回撤、敞口均公開計算公式兩個人讀同一份回測,會睇到唔同嘅數字

模擬建模咗咩

滑點模型

市價單唔會按最後成交價成交。高精度滑點模型會為呢段差距定價,而唔係扮佢唔存在。

掛單/食單手續費

每一筆模擬成交都按佢喺實盤中本應支付嘅費率結構付費。優勢比手續費仲薄嘅策略會最先喺呢度失敗。

深度感知撮合

訂單簿深度決定一筆量係喺單一檔位成交定係食穿好幾檔——呢點被建模咗,所以回測唔會假設盤口頂端有無限流動性。

有定義嘅指標

夏普比率、最大回撤、敞口:每一個報告出嚟嘅指標都有公開嘅計算公式,所以兩個人讀同一份回測會睇到同一個數字。

邊啲係刻意冇建模嘅

任何回測引擎都會遺漏嘢。分別在於:係默不作聲咁遺漏,定係將呢個遺漏寫喺結果旁邊。

  • 你自己訂單流對市場嘅衝擊——模擬無法知道盤口當時會對你有咩反應。
  • 交易所當機、插針異常,以及歷史數據本身嘅缺口。
  • 策略執行核心自己冇建模嘅一切——每一條假設嘅邊界都被寫低,而唔係被抹平。
  • 未來。歷史只係策略可能被調參用過嗰份數據集;通過佢係必要條件,但遠遠唔係充分條件。

點樣讀一份回測先至唔會呃到自己

  1. 1 先睇假設咗咩 手續費、滑點、資金費、成交邏輯。一條冇寫明嘅假設,一定係對結果有利嗰種。
  2. 2 先讀回撤再讀回報 睇深度,亦睇持續時間。一條曲線係咪「揸得住」,取決於你當時會唔會真係揸住。
  3. 3 檢查係咪樣本內調參 參數係咪由呢次測試所用嘅同一份數據入面揀出嚟?如果係,呢個結果係描述,唔係證據。
  4. 4 去模擬盤做前向驗證 策略只可以睇到當下,每一筆成交都係樣本外嘅。呢個係回測俾唔到嘅考試。

QANTERION 不保證投資回報。回測與模擬結果描述嘅係喺既定假設下嘅行為,並唔預測實盤結果。實盤執行同真實資金入金預設關閉,需要明確開通。

開始之前值得先問嘅問題

誠實版本,唔係落地頁版本。

一份靚嘅回測係咪代表策略會賺錢?

唔係。回測估計嘅係喺既定假設下、策略喺歷史數據上嘅行為。用同一段歷史調出嚟嘅參數,可以令一個弱策略睇落好強。QANTERION 將回測當作淘汰工具,並將佢同喺未見過嘅即時數據上做嘅模擬盤前向驗證配對使用。

QANTERION 公開咗邊啲假設?

滑點建模方式、掛單/食單手續費處理、深度感知成交撮合,以及每一個報告指標背後嘅公式。方法論頁面逐條列出呢啲假設,並標明邊啲屬於策略執行核心而唔係 QANTERION 自己。

應該先睇邊啲指標?

永遠係先睇最大回撤,再睇回報。然後係夏普比率(風險調整後嘅穩定性)、敞口(實際有幾多資金喺度承擔風險),以及手續費拖累(優勢喺成本之後仲存唔存在)。回報係最後先應該相信嘅數字,而唔係第一個。

我可唔可以自己驗證某個數字?

可以。夏普比率與最大回撤計算機係免費而且唔使登入嘅——將你自己嘅序列貼入去核對算式即可。終端中使用嘅每一個指標公式都喺方法論頁面公開。

使用費用係幾多?

終端存取分為 Paper Free(0 美元)、Starter(每月 29 美元)同 Pro(每月 79 美元)。訂閱買嘅係該級距嘅終端存取權——唔係投資回報、代客交易,亦唔係策略績效嘅分成。

更快咁淘汰壞策略

公開嘅假設、有定義嘅指標、模擬盤前向驗證——而且唔會將任何一份回測當作承諾嚟呈現。