500万次！大数据寻找出场最优方案（附实盘净值和持仓参考）

市场上一直流传着一句话：

会买的是徒弟，会卖的是师傅。

这句话究竟有多大的道理？

在开仓标准和仓位管理标准确立后，不同的出场方案，对最终的结果有什么影响呢？

“图形识别”量化策略，在经过差不多一年半左右的开发形成了多空分别五套策略后，我们逐步把研发的重心转移到开仓的优化上来：

开仓标准一致

仓位管理一致（单品种4%、单边总持仓40%、双边总持仓60%）

出场方式以盈利（亏损）价格比例为变量维度，分为止损、保本、按盈利区间大小设置不同区间止盈三种情况，

基本方式我之前有介绍。现在我们先看看不同出场的数据对比：

先说明下：

出场方式A指的是：

按照之前我们策略的出场标准，基本上靠经验和主观的定义后进行测试、统计调试，得出一个我们可以接受的结果

出场方式B指的是：

从2017年10月开始，我们花了很多精力搭建了大数据运算平台，在开仓标准和仓位管理均一致的前提下，我们一共进行了500+万次的运算，寻找出场（止损、保本、分区间止盈）的最优组合

表1：AB净值比对

表2：AB回撤比对

可以看到，通过我们500万+次大数据运算所筛选出的最佳出场方式组合，净值收益更高，回撤更小。

尽管在某些年度B方式的收益要小于A方式，但基本规律是行情较大的年份，方式B的收益要稍低，但是这时候收益已经挺高了，我们更希望在行情较小（比较难做）的年份要保持收益，牺牲行情较大年份的小部分收益，是完全值得的。

更具体可以看2017年的表现：

2017年净值图对照（红色为出场方式A，蓝色为出场方式B）

蓝色曲线基本上为我们今年的实盘走势，而开仓相同的前提下，如果我们采用出场方式B，得出的净值曲线为红色。差异还是比较明显的。（截止到2017年12月21日）

但是，面对这样的数据，我们仍然有一个疑问：这是我们策略所产生的交易信号，而且数据量比较有限（毕竟我们的策略周期较长，交易次数较少），这样的出场方式，会不会只对我们的开仓策略有效？到底有没有普适性呢？

换而言之，这样的出场方式大数据搜索规则，对别人适用吗？

幸运的是，我们平台积累了不少操盘手几年的实盘交易数据。

我们从中选了三个交易周期相对较长的的老师，导入他们的开仓信号到我们的大数据平台进行比对。

需要说明的是，仓位管理每个人是不一样的，为了尽量准确说明问题，我们按两种方式进行仓位设计：

仓位A为我们策略现有的4%-40%-60%的仓位管理方式；

仓位B为我们粗略调整到最大回撤接近操盘手现有最大回撤，并与操盘手现有实盘的数据比对。

从以上三位操盘手的数据看：

出场方式B整体都明显好于出场方式A，与我们自身策略的测试结果同样吻合；

不管是出场方式A还是B，和操盘手各自不同的出场方式相比，似乎都略胜一筹，当然这里因为各自仓位不同，很难精确比对

我们在分析具体数据时，惊奇地发现，在2017年度，某位操盘手整体微亏的情况下，我们的出场方式B能实现盈利（约7%收益）。似乎在这种震荡年份，好的出场方式还是很重要的。

由此，我们基本可以认为，我们通过几个月的平台搭建、规则设计，并进行500万+次大数据运算后，电脑给出的最优出场方案，可靠而且具有相当的普适性！

当然，我们还有更惊奇的发现，下次再和您分享！

实盘展示

上周文章我提到文华指数大跌，似乎要破位的样子，实际上这周不跌反升，又重新回到震荡中，蓝瘦香菇啊！

净值继续回撤到0.94，查看了一下，似乎最近均每周跌1%，很有规律。

最近几天交易多了起来：

多单：开了棉花和螺纹多单，目前持仓塑料、棉花、螺纹等；估计今天还要开多沥青和PTA；

空单：新开橡胶，目前持仓橡胶、棕榈油、白糖和棉花等。

版权声明：和讯期货除发布期货市场行情评述、行业要点解读等原创文章外，亦致力于优秀财经文章的交流分享。部分文章推送时若未能及时与原作者取得联系并涉及版权问题，请及时联系删除。

（编辑：南平站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!