关于Walk Forward Analysis (WFA)的回复_Wenyan、novaavon两位大侠请进

网上搜了一遍，没找到什么有用的信息, 我对Information Theory没什么兴趣，不想在这个上面多花时间了。

关于Medallion, 有人说他们用到了Hidden Markov Model和Kalman Filter, 因为他们从IBM招过做语音识别的人。你要想顺着这条线索研究就去做吧。

我觉的赚钱的交易系统肯定不是唯一的，成功的路也不止一条，你没必要也不太可能复制Medallion的数学模型，与其浪费精力去探究一家传奇基金背后的故事，不如充分利用手上资源找到最适合你背景和知识结构的交易方法。

 

几年前看到"交易自己的资金曲线"
我就觉得这是在资金曲线上玩高抛低吸~
毫无道理~

今年看到有人这么玩反倒是玩的很好~
一个一般的策略被他弄出了好看的实盘资金曲线
而我的出资人也看到我的老策略虽然不是暴利但却还比较稳健~
干嘛不也这样做呢？
我这一下也动摇了...

 

我觉得你这句话说的实在是太对了...

 

我感觉很多事情需要具体问题具体分析，不能说所有的"交易自己的资金曲线"都是自欺欺人，也不是所以的策略都适合这么干

 

在盈利的结果面前
原因显得那么的不重要...

 

原因也很重要，个人建议统计学意义不显著的方法能不用就不用。

 

新年快乐！

 

多谢ku兄耐心指教。来晚了，望海涵

非学术类的著作里应该是Pardo本人的书讲得较为系统。

稍微带点学术味的话，这里和这里有提到时间序列上的CV，基本上和Pardo说的WFA是一回事。

很有趣的轶事，方不方便再多爆点料？ 如：何时倒闭？被迫倒闭还是主动关闭？具体原因？

我所理解的交叉验证（时序或非时序）的本质着眼于另一个方面：系统性地使用样本外数据来验证模型，从而尽可能避免对样本内数据的过拟。

这个方法有效的前提是：样本内和样本外数据具有相同的规律（服从相同的分布）。但交易中这个前提条件未必成立，所以该方法未必有效。

不顾前提是否成立而胡乱套用WFA确实很可能会得到虚假的稳定性。但要说这是WFA的“先天缺陷”，那它也挺冤的~ 好比硬要对残差不服从正态分布的数据集用线性回归，结果shit了，可这屎盆子不能扣在线性回归头上呀~

Anyway, ku兄这么一解释，我基本明白你说的“先天缺陷”是怎么个意思了，多谢指教！

对于WFA及Monte Carlo的使用，我的看法是：可以当必要条件来判断是否过拟，万万不能当充分条件

 

WFA, 蒙特卡罗模拟，可以模拟系统的大体的风险。但未来是不确定的，无论是未来的交易多么地不符合模拟结果，都不能说明模拟有问题。模拟跟回测的意义差不多，即看看风险有多大及增加自己对系统的信心。

交易自己的资金曲线，如果再升一级，可以交易自己的资金曲线的资金曲线。没有证据证明这样做会增加期望值，如果算资金管理的话，也谈不上。因为资金管理就是为了控制风险，交易自己的资金曲线同样不能认为自己的曲线一定是向上的。貌似增加了杠杆。控制风险的唯一方法就是非相关性（分散）。这从数学和哲学上原理是一样的。

市场就是道德经中的大象无形。你看到的K线就是它的影子。交易就是在影子曲线上截取一段。交易自己的曲线就是在影子曲线的影子上再截取一段曲线。

研究相关性就是为了获取正期望。有了正期望，利用非相关性来控制风险。终极点，相关性与非相关性就是研究系统的两大本质。包括了序列之间的，品种之间的，市场之间的，甚至跟天气的相关性。

感觉很难表述清楚，就这样吧。

 

玩统计的、社会科学的、自然科学的思路似乎不太一样啊。
是不是应该：任何方法，都以可评价、适用条件范围为第一要务，如果这些都混沌不明，方法本身怎么知道有没用呢？