EA 优化的问题
你用5年的优化结果去跑另外5年，效果肯定是不好的。
市场价格的统计特征，每年都在变化。优化5年意义并不大。
用最近半年或一年的优化结果，去跑未来一个月，这样靠谱一些。
优化过程很容易出现过度拟合，如何避免，如何识别目前的优化结果是否属于过度拟合，这是个问题。
你用5年的优化结果去跑另外5年，效果肯定是不好的。
市场价格的统计特征，每年都在变化。优化5年意义并不大。
用最近半年或一年的优化结果，去跑未来一个月，这样靠谱一些。
优化过程很容易出现过度拟合，如何避免，如何识别目前的优化结果是否属于过度拟合，这是个问题。
谢谢您的分享，确实如您所言，每一种策略都有自己的生命周期，离开了策略赖以生存的环境，表现自然就不好，就像淡水鱼不可以在海水里生活一样。
我现在的测试模型进行了改进，把数据分片，回测数据做完后，然后再拿另一组数据来验证，但是需要有一定的延续性，我们每次周期其实都很难坚持半年以上，这也是用策略比较难以把控的一点。
很难分辨出整体的环境是否已经改变了，因为就像温水煮青蛙，青蛙是没有感觉的，等到真正感觉出来的时候，可能为时已晚。
自从有了程序化交易，就有了回测优化系统这个问题，因为我们能够有的资源有限，除了历史数据，没有任何其他手段可以验证我们写的EA是否有效。
但是，非常遗憾，历史数据只代表过去发生的事情，就像一天吹过的风，不可能按照今天的次序吹一遍，这就是历史数据和现实的差别。
我最近用5年的历史数据，用数学拟合的办法拟合出胜率80%以上，而且资金回报非常高的10条策略，但是当我用另5年测试的时候，发现表现非常平庸。
至少证明一件事情，用历史数据来发现可靠策略这条路是不通的。
程序化交易本来就是一项实验性很强的学科，自认为真确的认知未必符合市场，而市场是检验对错唯一的尺度，做一些试验可以证明这个认知缺陷也是一种获得。不会在错误的道路上损失金钱。
至少证明一件事情，用历史数据来发现可靠策略这条路是不通的。
的确如此，马尔科夫理论已经证明，走过的历史行情对当前行情的预测没有意义，历史指导不了未来，最起码在交易领域是这样
自从有了程序化交易，就有了回测优化系统这个问题，因为我们能够有的资源有限，除了历史数据，没有任何其他手段可以验证我们写的EA是否有效。
但是，非常遗憾，历史数据只代表过去发生的事情，就像一天吹过的风，不可能按照今天的次序吹一遍，这就是历史数据和现实的差别。
我最近用5年的历史数据，用数学拟合的办法拟合出胜率80%以上，而且资金回报非常高的10条策略，但是当我用另5年测试的时候，发现表现非常平庸。
至少证明一件事情，用历史数据来发现可靠策略这条路是不通的。
程序化交易本来就是一项实验性很强的学科，自认为真确的认知未必符合市场，而市场是检验对错唯一的尺度，做一些试验可以证明这个认知缺陷也是一种获得。不会在错误的道路上损失金钱。