如何辨識市場動態的變化？
作為初學者，我正在學習如何制定好的交易策略。可靠回測要考慮的一件事是最小回測長度，其選擇基本上是一種權衡：
回測時間太短 $ \implies $ 統計上不可靠的回測
回測時間過長 $ \implies $ 市場的基本動力可能已經改變。
在交易策略的背景下，我對“市場的潛在動態”意味著什麼沒有一個具體的概念。其次，從這個問題的第一個答案：回測期，我了解到不同頻率的交易策略的“市場動態”是不同的。因此，與 HFT 策略相關的潛在動態變化比與每週營業額策略相關的動態變化更頻繁。
首先，影響特定交易策略的市場動態究竟意味著/涵蓋什麼？
更重要的是，有人能否準確解釋一下如何確定市場的基本動態何時以及為何發生變化？
市場是自適應的、高度動態的系統，依賴於多種風險態度、投資理念、交易頻率、經濟預期等等的輸入。
理解市場動態的一種方法是假設您有一個用於解釋或交易市場的參數化模型， $ m $ ，這取決於一組參數 $ \eta_i $ , $ i \in {1,2,\ldots, n} $ . 這樣的模型可以是 CAPM 模型，其中資產的利率 $ r $ 由決定
$$ r = \alpha + \beta r_{market} + \epsilon, \quad\epsilon \sim N(0,\sigma) $$ 你的參數集在哪裡 $ {\alpha, \beta, \sigma} $ . 如果您繼續估計此模型（例如，通過 OLS），您有一個隱含的假設，即您的參數集在樣本外期間不會發生顯著變化，否則該模型不適用於世界交易你所看到的與未來的世界截然不同，它只對解釋過去有好處。如果您使用每日回報數據並估計 $ \beta $ 過去 30 年的變數，您很可能會經歷許多不同的市場類型，所有這些市場類型都集中在您的靜態參數估計中。因此，您經常希望創建隨時間動態變化的模型，例如使用滾動估計 $ \beta $ . 當然，上面的模型在極高的頻率下幾乎沒有用處，當你處理分時數據時，你不會太在意利率政策。 它也歸結為交易策略應該是什麼 $ do $ . 如果我們假設您不是做市商，那麼您將通過某種為您提供信號的指標來利用一些經常發生的模式或異常情況。如果其他交易者抓住它，或者市場動態因外部事件而發生變化，這種模式可能會消失。
如果你想檢測參數的狀態變化，有很多方法。本文給出了為此目的開發的大量不同方法。金融領域最流行的一些是（隱藏）馬爾可夫模型和變化點分析。您可以在此處的市場製度標籤下找到關於此的好問題。
我會指出，如果您的頻率較低，我認為回測不會太長，因為更長的數據只會讓您更有信心，您的模型實際上可能在多種市場製度中有用，而不僅僅是最近的過去。許多人不遺餘力地生成具有特定屬性的人工數據，以綜合性地大大增加他們的回測長度。