算法交易中的策略容量与衰减.docxVIP

算法交易中的策略容量与衰减

一、引言：被回测指标掩盖的策略生存核心命题

在全球资本市场的交易活动中，算法交易的占比已经随着技术进步提升到了相当高的水平，从机构投资者常用的智能拆单、组合调仓工具，到各类量化对冲、统计套利、高频交易策略，算法正在替代越来越多的人工交易决策。很长一段时间里，无论是策略研发人员还是资金方，评价一个算法交易策略好坏的核心指标都集中在回测收益率、夏普比率、最大回撤这类结果性指标上，很多人默认只要回测曲线足够平滑、收益足够高，策略就可以在实盘里稳定赚钱。但现实情况是，大量回测表现堪称完美的策略，一旦进入实盘运行就会快速“变脸”：有的策略在小资金运行时收益和回测基本匹配，一旦把管理规模加上去，收益就会快速下滑，甚至出现持续亏损；有的策略运行初期表现优异，哪怕规模没有明显变化，跑了半年到一年之后收益也会持续走低，最终完全失去超额收益能力。这些现象的背后，本质都是没有系统考量策略容量与衰减这两个核心约束——这两个因素不会在静态的回测里自动体现，却决定了一个策略到底能不能从实验室里的回测代码，变成能持续创造收益的可落地资产。海外资产定价研究团队曾对美国市场公开发表的量化策略进行过长期跟踪，发现超过七成在回测中表现优异的策略，在实盘运行一年后收益就会下降到回测水平的三成以下，核心诱因就是容量错配和衰减加速（海外资产定价研究团队，近年）。本文将从基础概念出发，先厘清策略容量