【2個你好大機會未聽過的回測致命傷】

【提提大家，進階Plan仲餘兩個位，要join就要快手 : )】

今次要show off下會員朋友訂閱後有咩好成績，點解? 因為而排我Facebook越黎越多財經KOL開posts係度派numbers俾佢地的followers，雖然咁多年我都睇慣晒而啲posts，但當自己開始左寫Patreon後，始終係有花時間係寫作上，見到佢地讚好&追蹤人數係我Patreon&FB專頁的10倍﹑20倍，心裡開始葡萄，因為班KOL講既野唔單止無用，仲有少少靠害feel，但又好多人鐘意睇。而個奇怪現象其實亦唔多唔少解釋到，點解醒的﹑肯努力做回測做量化然後穩定賺到錢的永遠係少數人，亦解釋埋點解市場Alpha永遠存在，因為天真的人永遠佔大多數。

回歸正題，而篇文講2個我係對對沖基金入面遇過的真實交易/研究問題:

1. 退化性解問題

2. 絕對值回測問題

第一個遇到的問題，就係當大家設計一個交易系統時，好容易唔覺意會引致一個回測問題，而個回測問題比 look ahead bias, data snooping bias, confirmation bias 更難發現，因為而個問題好有可能要到你真實做trade的時侯先會發現。

個問題就係，如果因為一啲次序問題而導致你的最終回測結果有幾個解法，同時而啲解法都唔係最好果個解法的話，咁就出現左「退化性解（Degeneracy）」問題了。聽落好難明，我仔細解釋。例如想搵聽日加或減邊啲股票倉位，但原來用python去loop而隻股票做回測個陣，將AAPL的closing price放係dataframe的第20個column，同對比放係第100個column (假設其他股票的closing price columns不變，就咁調左次序後，原來會導致回測出來的加咩減咩倉結果有唔同的話，咁就出現問題了，因為按理，理應結果係一樣的，調亂回測次序唔應該影響portfolio調整結果。

我用個例子去講解下:

如果大家做過multi-asset classes / multi-assets 交易，例如同一時間係幾百隻股票入面trade幾隻到幾十隻股票，應該會遇過一個問題，就係大家要比較排名，排得越高就越容易選入portfolio。咁如果我用最簡單的1個月內回報越高的股票，排名就排越高，然後每日就基於而個排名去選股 (雖然現實唔會咁做，輸交易成本)，進行rebalancing，永遠拿住排名最高個5隻股票 (max倉位5隻)，而且有個額外rule，就係加入黎的股票的1個月回報要高於portfolio入面果5隻中最高1個月回報個隻，咁你會點寫python?

好簡單，有朋友可能會用loop/iterative的方法去做回測。咁假設你有個dataframe去裝住啲stocks的closing price，而家回測到第10日個陣，你個倉已有5隻股票，然後去到要決定加唔加股票入黎的python process，你現在的情況:

假設你loop到個行，係決定2025年2月11日的股票倉位 (A是最近一個月最高回報，順序落到E為最低):

[A, B, C, D, E] ，然後回測時loop到一隻叫F的股票，F的一個月回報比手頭上股票都高，所以決定賣出E及買入F。咁因為係loop的原因，你會先加F入去組合然後踢走組合的E。如是者，繼續loop落去，去到G，G比F差，所以G不能加入portfolio了，之後所有loop到的唔同股票都比F差，都加唔到入黎portfolio，所以最後決定第二日只賣出E及買入F，投資組合變仍 [A,B,C,D,F]

好了，大家看到問題嗎? 可以諗諗再睇落去。

個問題就係，頭先我loop每隻潛在可以加入黎的股票，係基於咩字母行先係咪? 係現實中做回測時，邊隻股票的column header排係dataframe越前，咁既loop左而隻股票去比較先，好喇睇到個問題未? 我再用以下的一個新例子去反證:

假設你loop到個行，係決定2025年2月11日的股票倉位 (A是最近一個月最高回報，順序落到E為最低):

[A, B, C, D, E]，然後回測時loop到一隻叫G的股票，G的一個月回報比手頭上股票都高，所以決定賣出E及買入G。咦我係咪漏左F? 無錯，特登的，但如果而刻你loop完G再loop到F(調亂次序)而隻股票，你會發現F的一個月回報其實按前一個例子黎講，佢係大過晒A,B,C,D,E,G，所以買入G賣出D，令個投資組合會變成[A,B,C,G,F] ，同之前的[A,B,C,D,F] 已經唔同左結果了。所以如果只有A,B,C,D,E,F,G 7隻潛在可選股票，去到而步已完，但投資組合的股票選擇結果完全不相同! 

其實要解決的方法好簡單，一點就明，就係起多一個variable去裝住每行開始果陣個投資組合係咩樣，然後loop緊一行入面唔同stock既時侯都只係同而個variable去比較，再update返舊果個投資組合variable就可以了。所以而個問題係貴在你真實做trade個陣先知，而唔係知道左之後寫唔出codes去解決佢。

另外，而個問題，如果一個KOL未做過回測，上網Chat下GPT，左抄右抄，係唔會理解同寫到的。

另一個問題就係絕對值回測問題，很多人做回測的時侯都忽略了精準仿真的問題。例如做期貨回測的時侯，比較傾向在Bloomberg 或 Reuters 拿個continuous futures就算，然後直接就回測計回報。但大家可以睇下下面兩幅一樣的恆指期貨(raw) 及 恆指期貨(ratio adjusted continuous)。

你會見到，你今日如果用raw的絕對值去做回測，例如恆指由15000開始起計，每升穿1000點就買入，否則向下便賣出，咁就算十年後你再用返Bloomberg 的恆指raw數據去做多一次回測，買入及賣出signals的出現日期都應該不變。

但用raw的問題是忽略了rolling的returns，所以一般人做回測都用ratio / difference adjusted的，如果唔太明的話可以睇返我最開頭寫的幾篇策略文。但問題來了，在2025年2月12日今日，我從Bloomberg抽取ratio adjusted 數據進行回測，對比我10年後的將來，係2035年2月12日再從Bloomberg抽取ratio adjusted 數據進行回測，如果我仍然是基於指數的絕對點數值去回測的話，非常有可能買入及賣出signals的出現日期都會全變，因為你10年後是基於當日的恆指期貨去ratio adjusted 之前的價格，所以你在將來回測的是將來的ratio adjusted 價，而非今日ratio adjusted出來的價，所以signals會走晒樣。

而兩個係唔少做左好多年quants都會犯的錯誤，希望可以俾到大家有個小啟發，睇下自己回測開的策略有無而兩個問題，慳返大家好多開始左實盤好耐先知原來自己一直做錯。至於點解我會知? 因為我以前都有交學費嘛。 : )

Cheers,

阿程

(量化研究 & 操盤心得)