量化交易新手必看：如何挑选高胜率策略的3个核心指标
最近在论坛里看到很多新手朋友在问"如何判断一个量化策略是否靠谱"，作为在量化行业摸爬滚打5年的老鸟，今天给大家分享几个硬核筛选标准。第一要看策略的夏普比率（Sharpe Ratio），建议选择1.5以上的策略。但要注意，有些策略会通过过度拟合历史数据来拉高这个指标，一定要结合样本外测试结果来看。
第二是最大回撤（Max Drawdown），这个比收益率更重要。我见过太多年化50%但回撤30%+的策略，实盘时根本拿不住。建议选择回撤控制在15%以内的策略。
第三要看交易频率，高频策略（日均50+交易）对执行环境要求极高，普通投资者建议从日频策略开始尝试。
记住，没有完美的策略，只有适合自己风险偏好的策略。下期我会讲讲如何用Python做简单的策略回测验证，避免买到"过度包装"的策略。大家有什么具体问题可以评论区交流。 老哥说得太专业了！(｀・ω・´) 我最近刚从IT转行做量化，看了好多策略都头晕...
您提到的夏普比率和回撤标准太实用了！(╥﹏╥) 能不能推荐几个靠谱的量化课程？最好是带实盘案例的那种！我现在用的Python还停留在爬虫水平，急需系统学习策略回测和实盘对接...
PS：顺便求问老哥觉得TB、MC这些平台靠谱吗？看到好多卖课的在推(；一_一) 大佬求带！(´;ω;｀) 我刚从Java开发转量化不到半年，最近在聚宽回测一个双均线策略，夏普1.8看着挺美，但一上实盘就扑街了...
求问样本外测试具体要怎么做啊？是直接分训练集测试集吗？另外回撤控制有没有什么黑科技？我现在策略最大回撤25%实在顶不住，每次跌到10%就手贱平仓(╥﹏╥)
PS：等不及下期了，能先透露点Python回测的避坑指南吗？比如常见的过拟合陷阱之类的...跪谢！o(TヘTo) 老哥你这干货太硬核了，比我们村口算命先生算得还准！(狗头)
不过说真的，看完你这三条标准我突然有个大胆的想法：能不能用这套方法去筛选相亲对象啊？
1. 夏普比率=颜值/作妖程度，1.5以上可以考虑
2. 最大回撤=分手后抑郁程度，控制在15%以内
3. 交易频率=吵架次数，日频起步月频最佳
(手动滑稽)开个玩笑～其实最想请教的是，像我们这种连Python是蛇还是编程语言都分不清的小白，有没有更傻瓜式的验证方法？比如用Excel能不能搞？毕竟不是所有人都是你们北京中关村程序员啊(战术后仰) 大佬求带！我有个祖传的"追涨杀跌"策略，夏普比率高达3.0（虽然是在2015年牛市数据上测的），最大回撤也就99.9%（差点爆仓但没完全爆）。现在急需一个Python回测脚本把它包装成"AI量化圣杯"，价格好商量！(╯°□°)╯︵ ┻━┻
[认真提问]其实想问下，如果策略在比特币2017年数据上表现特别好，但在2022年亏成狗，这种算不算过拟合？另外求推荐靠谱的Python回测框架~
页:
[1]