回測數據（Backtesting）VS 最佳化（Optimal）

其實這問題已經存在很久了，不過由於自己太忙了也沒有去真實映證看看

很多人都說不要過度的最佳化，但是有參數就一定會伴隨一個問題
這個值是否適合？

因此很多人也喜歡最佳化，不可否認，最佳化的確很吸引人

這篇文章討論的觀點，建立在可以接受最佳化的程式上
在這裡探討三個觀點

1. 回測完的資料是否為真實獲利?
   這是大家最常做的，利用回測完的資料來代表獲利數據，說幾年幾百萬
   ，但是是否真的資料就是如此呢？這個我們無從得知，但是因為後面的
   實驗，這個就拿來當對照組吧！
   
   概念圖如下，將歷史資料數據取出間隔的獲利來當基本對照組：
   
   
   
2. 利用足夠長度的歷史資料跑最佳化
   這個觀念在於很多人會覺得，如果擁有足夠長的歷史資料，幾乎是可以
   當成一個完整的景氣循環的資料，那這樣子跑出來的結果可以涵蓋所有
   多頭空頭或盤整，這樣子的程式比較令人接受。
   
   概念圖如下，將累積的歷史資料取最佳值，來跑下一個時間區間：
   
   
   
3. 利用區間歷史跑最佳化
   這觀念在於，認定市場在某段時間內都是有相同趨勢，例如多頭、空頭
   等，往前取一個區間來反應接下來的市場趨勢，隨著時間的前進，區間
   的資料也必須跟著時間軸做改變。
   
   概念圖如下，區間最佳化參數必須隨著時間變動跟著平移：
   
   

根據上面的想法，在這裡利用一個很簡單的交易策略來驗證上面的想法

歷史資料：1999/01/01 ~ 2008/09/30

交易策略：長短均線交叉、單口雙向、波段策略
　　　　　買進：交叉向上，且Ｋ線收上長均線
　　　　　賣出：交叉向下，且Ｋ線收破長均線

最佳化參數：短均線（２～４０，以２增加）
　　　　　　長均線（３０～１００，以２增加）

資料型態：３０分鐘Ｋ線圖

交易成本：２０００元／每筆

區間範圍：以三年為歷史一段區間，比較2004到2008年獲利

實驗結果：

上圖是直接利用完整的歷史資料跑出最佳化的結果，每個間距以年為單位，可
以觀察出該策略，從2002年到2008年9月有1862800的獲利，就波段程式而言
算是滿弱的，但是至少有獲利。根據這些資料發現，2003年的獲利賠了40800
，其他每年都賺有不錯獲利。


這張實驗主要是假設，如果這個想法是2001年寫出來的，那以當時的歷史資料
來最佳化，往後每年資料增加，就將歷史資料重新跑最佳化來跑下一年的績效
。上圖發現，獲利跟完整的歷史回測是有出入的，而且2003年反而是賺錢的，
賠最多的居然是2006與2007年，總績效卻降到1046400。


這個實驗以每三年做區間，往後每個一年，區間就跟著移動跑新的最佳化，來
驗證之後的績效，從這張圖發現，每年都有賺錢呢，雖然獲利依舊不如預期，
但是總績效也有1510000。


總結：
根據這次的實驗，我們發現最佳化的參數的確不適合應用在往後的市場上，但是
要如何取最佳化的方法，這又是另一個議題。
在這次簡單的實驗中，區間最佳化比累積長歷史區間最佳化的績效來的好，是否
都適合每種策略？或者把間距拉小用在５分Ｋ或更短是否也是有一樣的結果？這
就等之後的實驗在給大家報告了。