如何辨識市場動態的變化？
作為初學者，我正在學習如何做出良好的交易策略。可靠的回溯尺寸的一個需要考慮的事情是最低的回饋長度，其選擇基本上是折衷：
過時的持續時間太短統計上不可靠的返回
持續時間太長了市場的基本動態可能發生了變化。
我沒有什麼交易策略上下文的意思是“市場的潛在動力”的具體想法。其次，從第一次回答這個問題：回溯測試期間，我得知了“市場動態”是交易頻率不同的策略不同。因此潛在動力相關的HFT策略的變化頻率大於相關的那些每週營業額的策略。
首先，究竟是什麼意思/覆蓋影響特定交易策略的市場動態？
更重要的是，可能有人請解釋究竟如何時，為什麼市場的潛在動力改變一個可以辨識？
市場是依賴於風險偏好，投資理念，交易頻率，經濟預期和更多的大量的輸入自適應，高度動態的系統。
了解市場動態的一個方法是通過假定你有一個參數化模型用於解釋或交易市場，，這取決於一組參數,. 這種模式可能是CAPM模型，其中的資產的利率通過決定
在您的參數集. 如果你去估計這個模型（通過OLS，例如），你有一個隱含的假設，將參數設置將不會在出樣品，期間顯著改變，否則模型不是貿易為一體的世界可用你已經看過比在未來世界上很不同，它只是用來說明過去的美好。如果您使用的日收益率數據，你估計在過去的30年變化，沒準你會通過一些不同的市場類型中，所有的都混在一起在靜態參數估計走了。因此，你經常要創建模型，動態變化隨著時間的推移，採用滾動估計，如. 當然，上述模型是非常高的頻率幾乎沒用，你就不會太在意，當你蜱數據工作的利率政策。 這也可以歸結為一個什麼樣的交易策略應該是. 如果我們假設你是不是做市，那麼你會利用一些經常出現的圖案或異常通過某種指標的，讓你的信號。如果其他交易者含住它，或者如果市場動態外部事件變化，由於這種模式可以消失。
如果要檢測的參數政權的變化，也有許多方法。本文給出了一個非常大的數量為此目的而開發不同的方法。一些在金融中最流行的是（隱藏）馬爾可夫模型的Changepoint分析。您可以在這裡找到市場的制度標籤下的這個好問題。
我會注意到，我不相信一個回測可能太長，如果你是在較低的頻率，因為更長的數據只是給你更多的信心，其實你的模型可以在市場機制的許多有用的，而不僅僅是最近的過去。很多人都竭盡全力，以產生具有特定特性的人工數據，極大地增加他們的回測長，綜合。