從新策略看夏普的妙處

近期我們運用機器學習中的遺傳算法，開發了新的策略，在此分享。

按照設定好的規則，計算機不停地迭代不停地篩選，最後挖掘出0到23號共24個因子，利用這些因子跑了4個策略，分別是：

交易標的選擇48種商品期貨，構成投資組合。

選擇的交易標的

雖然品種數量比不上股票，但是商品期貨有做多、做空兩個方向，在平抑波動上有獨特優勢。都是主流品種，不存在流動性問題。

然後在2015年1月1日至2021年4月26日區間內進行回測。初始資產1000萬，前三組槓桿率爲1，第4組槓桿率爲1.6。

第1-2-3組測試的參數

第4 組測試的參數

槓桿係數通過合約價值/總資產計算。商品期貨是5%-10%不等的保證金交易， 1的槓桿率意味着只用了不到10%的倉位，其餘部分爲現金，在風險控制和靈活調倉上都很有優勢。

回測結果如下：

表中從左到右依次是所用因子、期末資產、年化收益率(以244個交易日爲1年)、最大回撤、夏普比率、卡瑪比率。

先看前兩組，數據一般般，6年才翻倍，年化15%左右，最大回撤10%左右，夏普比率1.2附近。

兩組因子間存在非偶然的差別，核心是相關性較低，因此在第3組中融合兩者時產生了神奇的效果：犧牲很少的收益換來最大回撤的大幅降低，提升了夏普比率。

衡量基金的第一指標夏普比率，計算公式是

其中

E(R_P)：投資組合的期望收益

R_f：無風險收益率，一般是國債回報率或同期銀行活期存款利率

σ_P：投資組合收益的標準差，表示波動

夏普比率衡量“收益風險比”，即每忍受一單位波動獲得的超額回報，1.75就是每1%的波動率帶來1.75%的超額收益率。

如果兩個因子正交，標準差相同，進行疊加，假設各一半，結果期望收益變爲二者均值，組合標準差變爲0.707倍，計算得到的夏普比率變爲1.414倍。

第3組就這樣誕生了。若把第2組視爲合併主體，它只損失了1個百分點的的收益，就減少了一半的回撤，投資者持有體驗蹭蹭上升。

有關夏普比率的知識以後詳細展開，這裡用第4組凸顯出最大優勢：能加槓桿。

當我們把槓桿率從1提升至1.6，原理上夏普比率不變，收益率和波動率都會擴大爲原來的1.6倍，最終6年下來收益率337.78%。

第4組的回測結果

我相信多數人能接受最大11.7%的回撤，10年10倍的產品。

並且它是全自動交易，省心省力；手續費80多萬，不到2%；每半年穩定創新高，任何時候買入都賺錢。