回測策略 - 抽樣和返回類型
我回來測試 R 中的策略，我對測試設計有一些疑問。我有大約 500 隻股票要根據流動性進行過濾測試。為了測試交易策略，我實施了一個簡單的樣本內/樣本外測試方案。在對整個股票領域進行全面測試之前，我一直在對股票的隨機樣本進行測試，同時設計一個通用測試框架。
我一直將宇宙分成兩部分，我一直在對不同股票的隨機樣本進行優化，然後使用訓練集中的優化參數來測試從測試集中隨機選擇的不同股票。這樣做而不是測試整個宇宙有什麼問題嗎？
我的另一個問題是使用價格與回報（與對數回報）。對於使用回報而不是價格來尋找信號的推理，我有點困惑。您是否會使用退貨系列，因為您比價格系列更容易比較退貨系列？
我認為隨機抽樣有一些明顯的優勢。首先，它通過將策略參數優化到某個資產樣本來降低您“過度擬合”的風險。其次，在如此龐大的資產範圍內，顯然要花費大量時間和計算資源來測試任何有意義長度的歷史數據的策略，因此您可以避免因使用較長的歷史時間框架進行測試而“懲罰”自己。
話雖如此，如果您的最終目標是專門針對這 500 種資產進行實時交易策略，那麼僅優化這些資產的隨機樣本，您可能會失去一些東西。這裡涉及到一些關於隨機樣本應該有多大、參數空間有多大等等的批判性思維。因此，至少部分答案將取決於您的最終目標。
至於使用價格與信號，恕我直言，使用回報可能非常危險。為什麼？當您進行交易時，交易是以給定的價格完成的，而不是給定的回報（至少就會計而言）。值得記住的另一件事是回報取決於：
**(a)**什麼樣的回報（簡單、幾何、對數等）
**(b)**計算開始時（1 年回報、1 天回報等）
除非該策略取決於收益的計算，否則我更喜歡使用價格數據。（鑑於您的數據集很大，計算效率似乎是您關心的問題，因此這還有一個額外的優勢，即需要稍微少一點的計算，因為您不必為了獲得信號而計算回報。）