算法测试在外汇中的工作原理
直接答案
外汇中的算法测试是一种可重复的方法，用于评估自动化交易策略（通常称为算法），通过在受控场景下运行该策略并测量其行为。目标不是承诺某种结果，而是理解其行为：该策略如何将输入转化为输出，可能在何处失败，以及测试假设是否与预期的真实世界条件相符。
一种有用的思考方式是将其视为模型验证流程。你定义一个方法，选择数据和执行假设，运行该方法，记录发生的情况，然后结合局限性审查结果。由于外汇市场受不断变化的市场状况、可变成本和执行差异的影响，良好的测试不仅关乎生成绩效指标，更在于明确定义假设并识别失效模式。
机制：测试内容及方式
算法测试始于对稳定机制与可变条件的明确区分。
1) 算法规范
首先，必须以可操作的方式描述算法，以便能够运行。这包括：
- 信号逻辑或决策规则：算法用于决定操作的依据。
- 订单规则：是否开仓、平仓、修改或取消订单。
- 风险控制：头寸规模规则、限制条件，以及算法对约束的反应方式。
- 状态处理：如何使用历史信息，以及遗忘或保留哪些信息。
“可操作”意味着这些规则足够明确，两个人可以根据相同输入实现相同输出。
2) 测试输入
接下来是输入集。常见类别包括：
- 价格或市场数据：算法使用的数据。在许多测试设置中，这是历史数据或模拟数据。
- 公司或合约细节（如适用）：例如合约规格和交易时段安排。
- 执行假设：订单如何成交。例如，测试可能假设以下一个可用报价成交、固定点差，或使用简化的滑点模型。
关键在于，数据和执行假设本身也是输入。即使使用相同算法，不同的假设可能导致不同的输出。
3) 执行模型
许多“意外”源于执行现实性。当假设完美成交时，算法可能表现良好；但当加入成本和成交限制后，表现可能完全不同。
执行建模可包括：
- 交易成本（费用/佣金）和通过点差体现的交易成本。
- 滑点：预期成交价与实际成交价之间的偏差。
- 订单时机：算法是在K线收盘时操作、逐笔成交时操作，还是在某个特定时间戳操作。
- 约束条件：最大头寸规模限制、模拟中的保证金规则，以及订单是否可能被拒绝。
即使市场数据相同，改变执行假设也可能改变算法的输出。
4) 输出
每次运行后，测试会产生输出。典型输出包括：
- 交易日志：开仓、平仓、订单操作、时间戳。
- 持仓和风险敞口历史：算法随时间持有的头寸。
- 绩效指标：从这些日志中得出的汇总数据（例如总收益、回撤或波动性）。
- 操作指标：订单失败频率、触发约束的次数，以及算法是否出现异常行为。
由于输出依赖于输入和假设，测试记录应足够详细，以便他人能够复现相同运行。
证据或示例流程（含明确假设）
以下是一个以证据为中心的流程，侧重描述而非结果断言。
假设集
假设你想评估一个基于近期价格变动简单规则的算法。为进行测试，你定义：
- 数据集：特定时间段的历史数据（例如，某一市场会话类型）。
- 决策时机：算法在每个时间间隔结束时做出决策。
- 成交规则：市价单在下一时间间隔开盘时成交（或其他明确说明的规则）。
- 成本模型：固定点差值和每笔交易固定费用（如包含费用）。
这些假设必须明确记录，因为改变它们会改变输出。
逐步流程
- 在定义的数据集上运行：算法处理输入序列并生成操作。
- 模拟成交：使用执行模型将每个操作转换为已执行的交易。
- 记录输出：保存交易日志和衍生指标。
- 检查一致性：确认算法没有任何部分“使用未来信息”相对于决策时机。
- 比较敏感性：用小幅度改变假设（例如略高的成本、不同的成交时机）重复运行，观察行为是否脆弱。
“良好证据”的特征
良好证据不是“高绩效”，而是表明算法行为可解释且符合设计意图的证据。例如：
- 交易日志显示操作仅在决策点之后发生。
- 输出中可见约束行为（例如，当规模限制阻止交易时）。
- 敏感性检查显示在更现实的成本或时机差异下，策略何时变得不稳定。
局限性与风险：可能出现的问题
算法测试存在显著局限性。最常见的失效模式涉及不匹配、过拟合或遗漏现实因素。
1) 回测与实盘的不匹配
即使设置谨慎，实盘交易仍与模拟不同。市场微观结构、流动性、执行时机和订单处理可能不同。如果测试执行模型过于简化，算法输出可能无法转化。
2) 对历史数据的过拟合
如果算法反复调整以匹配历史数据，它可能在相同历史时期表现良好，但在其他时期表现差。因此，测试应包含用于设定假设的数据与用于评估行为的数据之间的分离概念。
3) 对成本和执行的隐含假设
忽略或简化交易成本、点差动态、滑点或订单拒绝规则，可能使结果看起来比实际更优。
4) 数据泄露和时间错误
如果算法通过错误对齐、重采样或指标计算“看到”了本不应访问的数据，测试可能产生误导。
5) 市场状态变化与非平稳性
外汇条件可能变化。历史关系不能保证未来行为。因此，测试应关注算法在不同市场状态下的表现，而不假设过去模式将持续。
验证与后续问题
为独立验证算法测试声明，应关注可复现性和可追溯性：
- 输入：确切的数据源、时间范围、预处理及任何清理步骤。
- 规则：算法的操作规范和参数定义。
- 执行模型：成交、时机、点差和成本的表示方式。
- 输出：交易日志及从中计算的指标。