交易策略开发流程

当然这样的策略一般是不赚钱的，所以我们

第二步，进行参数优化。

选择参数遍历，观察不同参数对于策略会产生怎样的影响。一般情况下我们会得到几组看起来比较赚钱的参数，然后我们进行

第三步，样本外检测。

比如说我们之前遍历的参数是2014年的数据得出的几个表现好的参数，那么我们就用2013/2015的数据对这些参数进行检测。一般来说，这一参数会在样本外惨淡无比，完全没有样本内优化出来的威武。这时

第四步，进行观察，判断策略失效的原因是什么。

假设发现策略失效原因是样本外某一两次特殊的行情导致大幅亏损，那么我们就可以设置一个硬止损来规避这种风险；如果发现策略失效是因为交易次数过少，那我们就将交易逻辑稍微放松，比如要求>x的地方改为>=x甚至是>=x-1。等等等等，这种修改就是策略的经验了。

设置好新的逻辑后我们回到第二步，重复以上步骤。

最终我们修改得到了一个样本内外都赚钱的策略，

第五步，实盘追踪。

在未来一段完全未知的行情中随着时间检验策略，观察策略的真实表现究竟如何。如果表现与预期相符合，那么说明策略有效，

第六步，进行交易。

随着交易进行，我们也要观察策略的有效性，当发现策略出现超出预期的亏损时，

第七步，调整或终止策略。

关于具体开发中的经验：

1 某种程度上来说做策略就是 瞎想->尝试->瞎想->尝试 的循环。

2 选择指标时一定要避免使用未来函数。

3 参数不宜过多。

4 参数优化中，可用的参数组越多越好，说明策略有效性高。

5 在实盘中，策略的期望一般都要打折扣的，达到预期的50%就是合格。

6 交易次数太少的策略一般是运气。

7 测试出一条超级赚钱的曲线，一定是你逻辑写错了。

如果你用TB这些固化的软件开发策略

估计你得策略只能停留在行情驱动上（也就是开高低收成交量持仓量）这些数据

不管是自上而下还是自下而上，如果想得到一个大样本（交易次数足够多）条件下的优秀测试结果，都离不开一个交易逻辑（除非用机器学习，人工智能，非线性拟合这种虐待计算机的算法，这种过拟合的概率极其之大，但是TB却无法实现，你也不必担心）。

一、由繁到简：把TB里面的经典策略通读并理解各个语句的作用及原理后，一个条件一个条件的去掉，分析其影响，最终只留下最基本的核心交易逻辑，这过程一一测试，对比，应该会有所理解。

二、由简到繁：在最基本的核心逻辑的基础上，根据自己的思考，一一把自己的理念编写进去，验证各种思路的优缺点，尝试着去抚平盈亏曲线，提高盈利水平，这个过程做得好是策略锦上添花，做得不好就是拟合了，当然，水平不太高的时候，拟合的概率非常之大。

三、后续维护：繁和简的策略都有了，要进行模拟盘的外延跟踪、测试，分析哪些模块是好的、生命力强的，哪些是拟合的，容易失效的，学会策略的维护。

再往后，进入交易的高级阶段了，就是资金管理与心态自我调适，需要时间的积累，胜不骄、败不馁，与大家共勉！

策略是什么？

所谓十大策略，在波动有序的年代，哪个都能赞钱。市场结构不一样，策略当然不能盈利。

一个策略

可以是逻辑性的

可以是无序中保持一致性

可以是确定风险达到确定目标

可以是寻找微弱优势

可以是各种组合。

当你使用一个策略，要明白在什么市场状态下才能盈利，市场状态，品种选择都是量化需要的内容。

个人计划策略时思路

在哪个状态下的市场，选择那种盈利方式，通过什么确定机会，达到预期目标需要承担的风险，那种波动应退出市场或应损失。