第3章策略鲁棒性定义

第三章策略鲁棒性定义：过拟合、样本外测试、夏普比率与卡玛比率

各位同学，今天我们来聊聊策略鲁棒性。这个词听起来挺高大上，说白了就是——你的策略在实盘里还能不能赚钱？

我见过太多策略，回测曲线漂亮得像艺术品，一上实盘就崩。为什么？因为策略不够鲁棒。鲁棒性，就是策略面对未知数据时的生存能力。

过拟合是什么？我打个比方。你让一个学生死记硬背了100道题的答案，考试时题目稍微变一下，他就懵了。策略过拟合也是这个道理。

量化交易里，过拟合就是策略过度适应历史数据，把噪音当成了信号。我在2018年做过一个统计套利策略，参数调了整整两周，回测夏普高达3.5。结果呢？实盘一个月亏了15%。

为什么会这样？因为我把历史数据里的随机波动都拟合进去了。市场稍微换个走法，策略就失效。

过拟合的典型特征：

我个人习惯用「参数稳定性测试」来检测过拟合。具体做法是：把参数范围扩大10倍，看策略表现是否稳定。如果参数稍微一动收益就跳水，那基本可以判定过拟合了。

避坑指南：我曾经犯过一个低级错误——用全量历史数据做回测，然后反复调参直到收益满意。这其实是在「数据窥探」，相当于作弊。正确的做法是：把数据分成训练集和测试集，训练集上只调一次参数。

样本外测试，就是把一部分数据藏起来，等策略训练好了再拿出来检验。这就像考试前的模拟题和真题——模拟题做得再好，也得看真题成绩。

我建议把数据按时间顺序分成三份：

注意，测试集只能使用一次。如果你在测试集上表现不好就回去调参，那测试集就变成了训练集的一部分，失去了验证意义。

嗯，这里有个细节很多人忽略：样本外测试不仅要看收益，还要看最大回撤、胜率、盈亏比等指标。我见过一个策略，样本外收益不错，但最大回撤从10%飙到了35%，这种策略你敢用吗？

实战技巧：做样本外测试时，可以尝试「滚动窗口测试」。比如用过去3年数据训练，测试接下来3个月，然后窗口向前滚动3个月，重复这个过程。这样能模拟策略在不同市场环境下的表现。

夏普比率，量化圈里最常用的风险调整后收益指标。公式很简单：

夏普比率 = (策略收益率 - 无风险利率) / 策略收益率的标准差

说白了，就是每承担一单位风险，能获得多少超额收益。夏普比率越高，说明策略在同等风险下赚得越多。

我个人对夏普比率的看法是：大于1算及格，大于2算优秀，大于3要警惕。为什么大于3要警惕？因为这种策略往往存在过拟合或者数据泄露的问题。

举个例子，我2019年回测过一个高频策略，夏普比率高达4.2。当时我兴奋得不行，结果仔细一查，发现代码里用了未来函数——用当天的收盘价做了买入信号。这种错误，新手常犯。

夏普比率的局限性：

卡玛比率，可以理解为夏普比率的「回撤版」。公式是：

卡玛比率 = 年化收益率 / 最大回撤

你想想看，夏普比率用标准差衡量风险，但标准差把上涨的波动也算作风险。而卡玛比率只关注最大回撤，更符合我们实际交易中的感受——亏钱才是真风险。

我更喜欢用卡玛比率来评估策略。为什么？因为最大回撤是实打实的亏损，你账户里的钱少了就是少了。标准差再大，只要不亏钱，心态就不会崩。

一般来说，卡玛比率大于1算不错，大于2算优秀。如果一个策略年化收益20%，最大回撤10%，卡玛比率就是2。这个水平，在量化圈已经算中上等了。

我的经验：评估策略时，我会同时看夏普比率和卡玛比率。如果夏普比率高但卡玛比率低，说明策略虽然整体波动小，但偶尔会有大回撤。这种策略，仓位管理要格外小心。

下面这张图，是我梳理的本章知识体系。你可以看到，策略鲁棒性不是单一指标能衡量的，需要从过拟合检测、样本外验证、风险调整收益等多个维度综合评估。

你看，这三个模块是环环相扣的。过拟合检测是第一步，样本外测试是第二步，风险调整收益指标是第三步。跳过任何一步，评估都不完整。

最后提醒一句：不要迷信任何一个指标。夏普比率高不代表策略好，卡玛比率低也不代表策略差。关键是要理解每个指标的局限性，结合多个维度综合判断。

好了，这一章的内容就到这里。记住，策略鲁棒性不是靠一个指标就能衡量的，它需要一套完整的评估体系。下一章，我们会深入讨论如何在实际开发中应用这些概念。