如何测试假突破过滤？
假突破过滤作为概念是如何运作的
假突破过滤旨在减少由未按预期发展的突破所触发的交易。在实践中，首先使用某种规则（例如价格突破某一水平）检测到“突破”，然后根据附加信息，过滤器决定是否允许交易继续或阻止该交易。
测试中的一个核心挑战是区分两个因素：
- 过滤器设计的稳定机制（你所应用的逻辑）。
- 市场和数据的可变条件（波动率状态、类似点差的成本、执行质量）。
因此，测试应聚焦于：与基准相比，该过滤器是否能持续改善某一预定义的结果，而不应假设未来具有可预测性。
定义可检验的假设和基准
为了测试假突破过滤，首先应提出一个可被证伪的假设。示例假设模式（以中立陈述形式书写）：
- “当突破信号后跟随特定的后续条件时，该过滤器会减少快速反转结果的比例。”
- “与仅使用基础突破规则相比，加入该过滤器能一致地改变绩效指标。”
然后明确定义你的基准。常见的基准包括：
- 无过滤：仅使用初始突破检测规则。
- 简单过滤：使用一个简单透明的规则，且不使用你所提议过滤器中的相同信息（有助于检查任何改进是否仅因交易频率降低所致）。
确保指标与假设一致。如果你的假设是关于假突破的，请选择能反映反转频率或类似回撤行为的指标，而不仅仅是原始收益。
设置数据划分和评估协议
如果过滤器恰好被调优至某一特定时期，可能会显得有效。应使用最小化数据泄露的评估协议：
- 基于时间的划分
- 训练集（用于选择规则或阈值）。
- 验证集（用于在不同过滤设置中进行选择）。
- 测试集（用于最终、未接触过的评估）。
避免随机打乱数据。突破行为通常依赖于随时间变化的市场状况。
-
多种市场状态 如果可能，确保测试集包含不同的波动率和趋势条件。即使不假设某一种“市场类型”会重复出现，至少可以检查过滤器的效果是否在不同时间段内持续存在。
-
决策点一致性 确保过滤器决策仅使用在决策时刻可获得的信息。一个常见失败模式是使用事后才能知道的特征（例如未来的高点/低点）。
成本和变量因素假设
即使在概念测试中，你也需要对计算组件做出明确假设。否则结果可能具有误导性。
应包含一个与你所处环境大致匹配的成本模型：
- 交易成本（佣金或点差，作为每笔交易的总估计）。
- 执行延迟（如果你的过滤器需要等待确认，你可能会以不同价格延迟入场）。
- 滑点允许（实际成交价可能比中间价估计差多少）。
在测试计划中将这些假设作为变量列出。然后进行敏感性检查：
- 低成本 vs. 中等成本 vs. 高成本情景。
- 略有不同的滑点假设。
如果在更现实的成本下，过滤器的表观改进消失，则测试表明该效果并不稳健。
证据或示例测试设计
以下是一个可在不依赖实时价格的情况下实施的结构化测试设计。
- 选择突破规则 将其定义为一个确定性步骤，例如：
- “当价格突破预定义水平时，即发生突破事件。”
明确说明你的事件定义：使用什么时间框架、什么水平类型（前高、滚动区间），以及如何处理边界情况。
- 定义过滤条件 过滤条件应与假突破假设相关。例如（通用形式）：
- “突破后，要求后续条件在 N 个步骤内成立；否则阻止交易。”
以另一种读者无法不同解读的方式说明 N 和后续条件。
- 定义结果标注 如果你的假设是关于“假”突破的，你必须明确定义“假”在操作上的含义。
- 例如，“被阻止的交易是指价格在一定时间内反转超过阈值的交易。”
再次，将时间范围和反转阈值定义为明确假设。
- 与基准比较 对以下情况计算相同指标：
- 基准：无过滤的突破事件。
- 过滤后：带过滤的突破事件。
至少比较：
- 频率指标（允许与阻止的事件数量）。
- 不利结果指标（反转标准发生的频率）。
- 风险指标（不利波动的幅度）。
局限性和风险：可能出现的问题
测试计划中至少应包含一个实质性局限。
常见失败模式：
-
对某一时期过拟合 如果使用完整数据集调整过滤器阈值，测试结果可能仅反映该特定时期。
-
通过事后信息泄露 如果任何过滤器特征使用了在决策时不可用的信息，则测试无效。
-
对市场状态的依赖 过滤器可能在横盘震荡市中有效，但在趋势市中失效（或相反）。这意味着单一测试指标可能掩盖不稳定性。
-
成本与执行不匹配 如果你的评估假设了不切实际的成交价，那么需要等待确认的过滤器在计入真实成本后可能表现不佳。
-
数据质量问题 不同数据源可能具有不同的时间戳或微观结构行为。即使使用相同资产，微小差异也可能改变“突破”的检测。
历史关系不能确立未来结果。即使设计良好的测试也只能提供关于过去的证据，而非对未来表现的保证。
验证和接下来应问的问题
在计算结果后，验证核心主张，而非仅依赖单一数字。
- 稳健性检查
- 使用不同但合理的成本假设重新运行测试。
- 在窄范围内调整过滤器设置，观察行为是否剧烈变化。
- 如果数据允许，评估多个资产/时间段。
-
检查机制 如果过滤器改善了结果，请确认其与预期机制一致（例如更少的反转或更小的不利波动）。如果改进仅因交易频率下降所致，则需重新解释结果。
-
记录可证伪性 写下哪些结果会与假设相矛盾。这有助于区分“在某些情况下有效”和“因稳定原因而有效”。
-
重新检查变量因素 如果当你改变执行延迟或成本假设时，结果发生显著变化，这表明该方法对假设敏感，是其局限性。
如有需要，可分享你计划测试的突破定义和确切过滤规则（包括决策时间和时间范围）。