※ 引述《MojoBubble (像遠去的船 船邊的水紋)》之銘言： : 這個做法的重點在於 你做backtesting的時候 : 你的程式根本就不知道它有後兩年的資料 : 跑後兩年資料時 你可以想像你就是真的用前四年資料最佳化後的程式 : 拿著它在市場上執行 (你可以順便體會一下執行起來的感覺如何) : 你的entry/exit是什麼 你的參數是什麼 有幾個 : 這些都不重要 都是細節問題 : 重點是你的整套methodology是不是有效 : 拿後兩年的資料再做一次最佳化 你就忽略這個做法的重點了哦 喔...了解您的意思了:) 那我前述的步驟應該改成： 1.先從前四年資料做參數最佳化，並選出數組適合的參數。 2.將這幾組挑選出的參數一一跑最後兩年的資料(只是跑出績效表做比較，不做最佳化) 3.把不夠穩定的參數除去，選出表現較佳的參數 4.最後選出之參數就為未來之固定參數 第二步單純只跑出績效表來比較數組參數間的績效呈現 小弟個人的思考是把數組挑選過的參數，去跑最後兩年的資料 等於是把這幾組參數都投入實戰，然後依各自的表現穩定度(與過去績效之差異度)選擇 這樣的步驟會不會仍然有過度最佳化的偏差呢^^? 會不會仍然變成是人工的最佳化@@? 另外想請問您，在最佳化的過程中若是各種參數組合都不至於讓績效看起來太糟 是否能代表該程式在根本的邏輯上是正確的呢^^? -- 當程式遇到期貨，崎嶇的新手之路 http://www.wretch.cc/blog/tedinroc --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 59.105.7.2