我都想知 應該點睇邊啲metrics 可以判斷到必勝策略
但可以比啲方向你。
我就咁樣判斷一個該策略是否成功:
1. In sample 同 Out Sample Sharpe Ratio >1.5 而且無overfitting
2. 每一個idea進行既實驗次數是否 少?(愈少愈好,因為p-Hacking導致既概率會減少)
3. Calmar Ratio >1.5
4. Market exposure% 是否高。假如252個交易日,你個策略當中有200日都有 倉位,而且position size注碼係高,咁係good sign。因為如果唔夠exposure%,即使backtest出黎 係高Sharpe Ratio,但其實可能只係ML為左fit中某幾個交易日,先會導致高Sharpe Ratio,而依個不足sample size 導致既高Sharpe Ratio 好大機會係 一個false discovery。
5. Investment thesis 是否explainable同simple
6. Portfolio 是否diversified。愈diversified,overfiting既概率會下降,否則ML會好容易fit哂 全部in sample data升既ticker,但無predictive power。
7. 使用既Machine Learning 是否interpretable 同 explainable (如果唔知乜野係interpretable ML,禁下面條link 睇)
https://christophm.github.io/interpretable-ml-book/
8. 你既trading idea入面有冇bias? (eg. Confirmation bias, selection bias)
9. 相近既策略類型是否呈現賺錢既傾向性
10. Parameters既數量是否少?data量是否大?