【教你一個方法即搵高Sharpe策略】

今次而篇「真‧搵Alpha策略系列 2」分享一個構建交易策略的大框架，令大家更加容易可以搵到高 Sharpe 的 Alpha 策略。何解會寫這篇文? 因為很多新手朋友剛開始做量化交易回測都會行錯路，陷入一到兩年新手期內都找不到高 Sharpe ratio 策略的情況。但其實，在行內有一段時間的朋友，都知道要找到高Sharpe策略並不是一件難事，反而更難的是怎樣去Verify它們的可靠性，我日後會講更多。

回歸正題，新手朋友在一段時間內都找不到高Sharpe策略主要原因有以下兩種:

1. 過於著重回測得出一個45度向上升的績效曲線圖

2. 回測策略多元化太低

解決了以上問題的話，其實是不難找到一個 Sharpe ratio > 1的策略。

—------------------------------------------------------------------------------------------------------------------------

在提供解決方法前，我想和大家分享我以前作為新手時做回測的心路歷程:

以下是一個恒指期貨的短期逆轉 (Short term reversal) 策略交易邏輯:

1.如果5天平均線 上穿 15天平均線，於下一個交易日的close沽出，並於再下一交易日的close平倉;

2.如果5天平均線 下穿 15天平均線，於下一個交易日的close買入，並於再下一交易日的close平倉

(這裡假設是雙邊 4bps，即如果恆期在20000點時，雙邊一共8點交易成本)

作為一個新手，應該也做過 moving average cross over 的策略回測吧。5天及15天平均線相交而入市及出市，很合理也很容易做出來。好，那看看成績是怎樣。

交易績效曲線看上去不夠穩定地向上斜，夏普率及最大回撤看上去應該也不是太好，可能對很多人來說都不夠吸引。

Sharpe ratio: 0.33

CAGR: 2.16%

MDD: 22.89%

Exposure: 7.98%

於是，作為一個新手的我，通常有以下三種做法:

1. 做參數優化

2. 新加進或減去一些技術指標再優化

3. 放棄上述的交易策略，然後在同一個交易資產上嘗試其他策略類型例如趨勢跟隨 (Trend Following) 

試做了一下參數優化，發現這個交易策略其實是有更好的參數選擇:

大家可以看見近左下方有數個參數組合都是相對高一些 Sharpe ratio的 (當然低於1也絕對不是高)，按傳統的參數選擇方法的話，我會選 快線MA 為26 及 慢線MA 為36 的那個組合，也就是左下黃色的那個格顯示的組合，因為它給我帶來樣本內最高 Sharpe ratio的成績。看看最新的成績:

Sharpe ratio: 0.49

CAGR: 2.09%

MDD: 15.62%

Exposure: 3.12%

與未被優化的參數組合 (5MA&15MA)，這個(26MA&36MA)組合在Exposure低了一半有多的情況下CAGR也只是由2.16%跌至2.09%，加上Sharpe ratio及MDD都有明顯改進，感覺上是好了點。但另一方面，我這樣選個最好的參數，聽很多老師說過又好像是overfitting出來，在實盤時策略會容易失效，而且策略績效始終不是45度向上升，而是有些升升跌跌，加上2011年至2023年都是沒有什麼亮麗成績，整體感覺就是不合格。

於是以前的我可能就會左加一些指標，右減一些指標，最後弄不好就直接放棄...... 然後再loop其他交易策略到恒指期貨再做回測，試不好又再用到其他市場，到最後發覺很多市場都沒有好的績效。

—-----------------------------------------------------------------------------------------------------------------------

心路歷程完畢，以前聽太多朋友也是這樣放棄了量化交易，因為好像很不容易找到一個好的策略。

多年之後，我才發現要更容易地找到一個高Sharpe策略的解決辦法是: 

「把多個相關性低的單個Alpha組合起來，成為一個新的聚合Alpha策略」

那怎樣才做到?

首先，不要期待單個Alpha有一個完美的45度向上傾斜的績效曲線。如果有，那大概是有問題，例如 Look ahead 問題。像上面的績效曲線，有一個大概的45度向上升，即使上升時有點spikes也可接受。

第二，找尋相關性較低的交易策略，例如交易策略性質不一樣(trend vs mean reversal vs short term arbitrage)，或者即使是同一類型的策略但參數組合極為不同 (e.g. 2MA10MA 及 50MA150MA的兩個組合)

最後，將多個alpha合併進行回測，並平均分配/用不同組合優化方法將資金分到每個策略。通常，一條更為平穩的績效曲線及一個Sharpe ratio更高的Alpha策略就可以產生出來。

例如，除了剛才上面的5MA-15MA單個Alpha外(Alpha1)，我另外加了兩個新Alphas(Alpha2及Alpha3)，3者都計算了交易成本 (4bps 雙邊)。見到3條線的績效回報在不同交易時期都略有不同，整體都是向上。一但將三個獨立Alpha聚合起來，變成一個新的聚合Alpha (平均分配資金)，通常就是會有如上圖一樣，聚合Alpha(藍線)會更平穩地向上發展，大大減少出現突然上升及下跌的回報日子，曲線更為平滑而有相當好的回報。

例如在1998，2008及2018的年份，都可見聚合Alpha的drawdown遠遠比單個橙色Alpha為低，更為安全。的確聚合Alpha對比單個Alpha1的回報低了，但都係個句，我地追求的是風險調整後回報高而非絕對回報高，等同過大海可以賭大小一秒一倍但同時風險是一秒變零。

另外，在Sharpe ratio方面，聚合Alpha比任何以上一個單獨Alpha都高。那為何這樣合成通常會有更好的overall成績? 原因很簡單，就是市況不停變的時侯，如果您只用一種類型的交易策略，例如 trend following，那麼在市況回調時你的策略便可能未及早適應而開始輸錢。此時，如果你不只行一個策略，那麼其他類型的交易策略就有機會可以幫您彌補到輸的錢，什至是淨賺。那麼最終只要您多個相關性低的策略是整體賺錢的話，其實就等於在每一個日子您都有些微淨賺，績效曲線當然便可穩定上升，而且遠比只用一個單獨Alpha好。

有人可能會問，我們看到以上的聚合Alpha的回報比其中的一個獨立Alpha為低(比橙線)，是否一個壞處? 其實一般情況下如果要 Sharpe ratio高，除用套利/另類數據的交易策略外，一般的交易策略並不能有太高exposure。但低exposure代表未必賺得多，因此會對回報可能有些負面影響。但記住我們要做的是提高風險調整後的回報，而非絕對回報。另外，使用單一策略有極其大的策略風險，例如策略一但失靈，成績便可能大幅受影響。用以上的聚合Alpha則可大大減低單個策略失靈的影響。

寫到此，我留給大家去嘗試，去加多些exposure低但自身整體向上的獨立Alpha，看看對整體的聚合Alpha有何影響。例如，想想有什麼Alpha是可以適應到2009年至2020年期間的市況，從而可以將累積回報及Sharpep提升一些。

不過要記得一個重點，就是當您做 Alpha 合併的時侯，務必要計算好每個 Alpha 的 交易成本(transactions cost)。否則的話你可能會發現同一個策略logics，turnover 高一些的參數組可能會比低 turnover的版本成績好很多，例如 MA(2) cross down MA(5) 的成績比 MA(2) cross down MA(50) 可能好很多，但實際做起交易時並沒有這個優勢，只是紙上回測沒有計入交易成本所以 2-5MA 策略紙上看比較能適應市場而獲利更好。

上一篇文「真‧搵Alpha策略系列 1」分享左點樣「搵」及「測試」一個預測因子，來判斷該因子可否做出一個可行的交易策略。好多朋友都話以前未聽過原來一個咁容易的方法就可以搵到一個高 Sharpe 的 Alpha ，仲要係未優化已經高 Sharpe。但另一邊的朋友聽完之後就話d codes 有少少難明，因為有朋友本身唔識 python，而方面遲下我再幫大家，會有新plan出爐。希望您地可以幫忙分享出去俾更多朋友知道，衷心謝謝各位。

(本文的交易策略雖然有計交易成本，但策略只是用來示範聚合Alpha概念，大家留意。)