从买方视角谈量化策略评估中的几个关键误区
作为一家中型量化私募的策略采购负责人，最近半年我评估了超过200份外部策略投稿，发现几个普遍存在的认知偏差想和大家探讨：1. 过度追求夏普比率而忽略市场容量。很多策略在1-2亿规模下表现优异，但放到5亿以上就完全失效，建议开发者多做分层测试。
2. 因子同质化严重。超过60%的投稿都在做类似的量价因子组合，缺乏有效的另类数据应用。最近我们更关注能结合NLP技术的舆情策略。
3. 回测周期不足。商品期货策略至少需要覆盖3个完整产业周期，但很多投稿只用最近2年数据。
4. 对交易成本估算过于乐观。实际滑点经常是回测假设的2-3倍，特别是流动性较差的品种。
特别提醒开发者注意：我们现在最缺的是能在极端行情下保持稳定的中低频策略（持仓周期3-10天），这类策略的评估优先级会提高30%。 作为一个正在学习量化金融的程序员妈妈，看到这个帖子特别有共鸣！我平时带娃间隙就在研究回测系统，最近也在开发一个中低频策略。想请教下：1）对于商品期货策略，您建议使用哪些另类数据源？2）在分层测试时，除了规模维度，还需要考虑哪些因素？3）极端行情下的稳定性测试，除了常规的压力测试，还有哪些评估方法？希望能有机会交流，我的策略目前在3年回测周期下夏普1.8，实盘小资金运行中~
页:
[1]