睇到呢度有D想提下樓主幾樣野,
1. algo trading 基本上得兩個敵人,就係overfitting同alpha decay
2. 樓主講左好多免除overfit嘅methodology,但有一樣野更加重要,就係你喺研究成個strategy嘅時候,有無使用過backtest後嘅數據,黎對原本嘅strategy做調整。你每一次嘅backtest,都係引入左forward-looking bias,因為10年前嘅你(backtest第一單trade),係唔會知呢10年後呢個backtest嘅結果
3. intraday黎講,同一套strategy應該可以同時apply落NQ/YM/ES 身上,如果唔work,樓主要諗下有咩理由令到套strategy背後嘅price anomaly,只apply落單隻symbol而唔係其他嘅universe都得; 定其實係overfitting
4. 1-minute price data 其實lost 左好多information,例如呢1分鐘入面買盤vs賣盤嘅數量,買賣盤平均大細,up tick vs down tick嘅平均大小,liquidity, 等等。
5. minute bar有個問題,就係statistical property差,price information 基本上唔會以一個regular嘅interval出現。美股收市嘅minute bar將會比中段嘅minute bar有更大嘅資訊量。
6. 對於超大型futures 嘅intraday trading,因為capacity夠大,散戶其實同institution例如citadel/ jane street一齊爭緊肉食。。。
7. 越少parameter越唔容易overfit
8. 引入non-price data/非該隻target symbol嘅price data我覺得幾有用。因為唔同市況、周期嘅market psychology、引申出嘅trading behavior都好唔一樣。
9. 需要留意真實賺錢、真實蝕錢,同埋你backtest model嘅slippage 有無分別。如果你真實賺錢時個slippage係大D,代表你overestimate左你個profit
10. 有用high/low 數據backtest 要小心,實際情況你唔一定有fill。而真實no fill嘅trade通常係你backtest最賺錢嘅trade
量化交易真係唔容易,共勉之
