pedma

分析我正在研究的策略的流失情况。
在这个模型中，交易成本大约占年权益的5%，相当高。考虑到策略的性质，换手率也有点高。
35%的交易在一天内进出，59%的交易在第3天就完全消失了。如果策略是中频交易，这还可以接受，但事实并非如此。
这些往返交易占总成本的35%。
显然，这个策略存在流失问题，主要由在投资组合可用位置边界处的薄弱流失控制引起。这不完全是策略本身的问题，因为策略具有不错的优势，但更多是设计上的缺陷。
例如，假设你允许同时开启50个仓位。那么那些位于底部10%的仓位会发生什么？它们会略微从前列滑落，没有显著改善优势的情况下，这样的调整到底带来了多少收益？答案是，在大多数情况下，这种变化非常微小，根本无法覆盖整个仓位的往返交易的全部成本。
当你在流动性较低的交易场所和市场进行交易时，这个问题变得更加严重，除了交易费用外，你还要支付更多的过账成本。
保持严格的再平衡阈值非常重要。要么基于该决策的预期价值超过成本，要么设定一个标准阈值百分比，只有突破这个阈值才会进行仓位调整。
(在测试中使用了一个假设的$10k 起始规模)

克劳德总是描述我以前的代码，那是我亲手编写的，管理我所有的仓位，结构庞大，没有一次我向他描述过它是这样的。我不是英语母语者，但我觉得每次他这么做时，他都在嘲笑我的代码。

疯狂地进行历史测试的完整性检查。一直拖延，现在只需一行代码添加到cc，它就会将你刚刚调试的内容作为必须通过的完整性测试。
我花了很多时间手动核对我的历史测试的定位……

刚刚被提醒为什么我会将每个会话的代码变更和决策逻辑都存放到我的保险库中。
我可以随时回顾过去的操作，提醒自己当时做出这些更改的逻辑。
在出现问题时，这非常有助于调试。