金母鸡量化教学场量化模型中良好的数据组成部分三

在前面，就良好的模型组成部分我们已经讲了八点，最后一篇，我们来着重讲下时间延迟和特定参数的敏感性这两点。

九、时间延迟

在检验策略时，一个有趣的问题是，策路及时获得信息的敏感性如何，预测效果会在市场中持续生长时间。许多宽客寻求理解，如果他们必须在接受交易信号后才开始交易，这个交易有一些延迟，那么策略的收益将会如何。换向话说，如果2006年4月28 日，策略开启一个卖出MSFT的信号，宽客将能看见MSFT没有被允许卖出的一天、两天、三天等多天时间内策略的表现。通过这个方法，可以判断策略对接收信息及时性的敏感程度，也能获得策略拥挤程度的一些信息（因为越拥挤意味着到达新均衡的运动越激烈，即潜在盈利的衰减速度越快）。

想象一个研究员开发了一个根据华尔街分析师的建议交易股票的策略。越多分析师对某个公司持推荐意见，越会导致策略对此公司持有多头头寸，否则推荐建议的减少会导致对此公司持有空头头寸。这个策略很流行并被许多宽客（和主观交易者）所追随。然而，策略的效应是非常短暂的，对接收到信息的及时性非常敏感。

延迟信号的实施并不总是导致坏结果。例如，标准普尔500 指数策略倾向于“尽早”交易，也就是说，即使市场随后按照预测的方向运行，建立多头和空头头才也为时过早。正因如此，延迟一天进入市场能够显著地将策略的总体收益率从746%（年化收益率为12.1%）提高到 870%（年化收益率为12.9%）。对于这个策略的使用者而言，这必定不是好兆头。通常情况下，交易者不会很舒适地从交易策略中获得这样的信号，这个信号不仅使你延迟一-会儿没有实施交易而无亏损（这可能是最好的结果)，而且实际上，使你在获得信号至少一天之后再进行交易而盈利。

十、特定参数的敏感性

前面提到，通过改变参数，可能得到不同的结果。但是基于参数的微小变化对结果所造成影响的理解，有助于了解策略的质量。

许多研究员所研究的是参数值的变化对结果变化程度的影响。参数的近邻集应该得到极为相似的结果，如果不是这样，研究员应该对策略持有怀疑的态度，因为这些结果可能意味着过度拟合。

前面描述的模型好坏标准在模型被创造以及使用的过程中，被用来判断模型的质量。然而在判定量化策略的优度时，仍有一个极其重要的指导原则，这就是过度拟合。模型的过度拟合本质上意味着研究员使用过多的数据。最经典的定义是研究员建立了一个能够很好解释过去的模型，但对未来解释性较差。这可能发生于2中情况：

1. 研究员必须对模型的复杂度加以注意；
2. 研究员由于条件限制，创建相当复杂的模型。