การสร้างกลยุทธ์การเทรดใน Python: จุดที่ Backtest หลอกลวงและวิธีจัดการความเสี่ยง

Python ไม่ได้ให้ความได้เปรียบแก่คุณ มันให้เพียงแท่นทดสอบ

การสำรวจนักพัฒนาการเงินเชิงปริมาณในปี 2024 พบว่า Python ถูกใช้ถึง 81.3% ธนาคารใหญ่ใช้ บริษัท fintech ใช้ และนักเทรดรายย่อยส่วนใหญ่ที่แตะโค้ดก็ลงเอยที่ Python เช่นกัน เหตุผลนั้นน่าเบื่อและถูกต้อง: ไลบรารีดี ไวยากรณ์ไม่เป็นอุปสรรค และคุณสามารถเปลี่ยนจากอนุกรมราคาดิบไปเป็นกฎที่ทดสอบแล้วได้ภายในบ่ายวันเดียว

นี่คือส่วนที่มักถูกมองข้าม Python เป็นเครื่องมือวัด ไม่ใช่กลยุทธ์ มันจะ happily backtest ไอเดียแย่ๆ แล้วพิมพ์เส้น equity curve ที่สวยงามออกมา ทักษะที่สำคัญไม่ใช่การเขียนลูป — แต่คือการรู้ว่าผลลัพธ์ใดกำลังโกหกคุณ ปฏิบัติต่อเครื่องมือนี้ในฐานะวิธีค้นหาว่าไอเดียจะอยู่รอดเมื่อสัมผัสกับข้อมูลจริงและต้นทุนจริงหรือไม่ มันก็จะคุ้มค่า ปฏิบัติต่อมันเป็นเครื่องพิมพ์เงิน มันจะสอนบทเรียนราคาแพงให้คุณอย่างเงียบๆ

การตั้งค่าโดยไม่หลอกตัวเองในภายหลัง

ไลบรารีสามตัวทำงานส่วนใหญ่ NumPy จัดการคณิตศาสตร์อาร์เรย์ pandas ให้ DataFrame ซึ่งเป็นที่เก็บข้อมูลราคาและปริมาณเมื่อคุณเริ่มจัดการ matplotlib วาดแผนภูมิที่คุณจะจ้องเมื่อมีอะไรผิดปกติ

pip install numpy pandas matplotlib

สำหรับโปรแกรมแก้ไข เลือกอะไรก็ได้ที่ทำให้คุณซื่อสัตย์ PyCharm มีดีบักเกอร์จริงและการทดสอบในตัว ซึ่งสำคัญกว่าที่คนยอมรับ — "กลยุทธ์ใช้ได้" หลายครั้งกลายเป็นบั๊กที่คุณจะจับได้ถ้าเดินทีละคำสั่งเทรด VS Code เบากว่าและใช้ได้ดี Jupyter Notebooks ยอดเยี่ยมสำหรับการสำรวจและอันตรายจริงๆ สำหรับสิ่งที่คุณวางแผนจะเทรด เพราะเซลล์ทำงานไม่เรียงลำดับ และง่ายที่จะทิ้งข้อมูลอนาคตไว้ในตัวแปรที่รั่วไหลไปสู่การคำนวณ "อดีต" หากคุณใช้ notebooks เพื่อวิจัย ให้สร้างตรรกะสุดท้ายใหม่เป็นสคริปต์ที่สะอาดก่อนจะเชื่อถือ

ใส่ทุกอย่างภายใต้ Git ตั้งแต่คอมมิตแรก ไม่ใช่เพื่อการทำงานร่วมกัน — เพื่อตัวคุณเอง เมื่อ backtest ดูดีในวันอังคารและพังในวันพฤหัส ประวัติเวอร์ชันคือวิธีที่คุณค้นหาบรรทัดที่เปลี่ยนแปลงเพียงบรรทัดเดียว กลยุทธ์ที่คุณไม่สามารถสร้างใหม่ได้อย่างแม่นยำคือกลยุทธ์ที่คุณไม่สามารถเชื่อถือได้

สองตระกูลกลยุทธ์ สองวิธีที่แตกต่างกันในการผิดพลาด

ไอเดียเชิงระบบส่วนใหญ่จัดอยู่ในสองค่าย และแต่ละค่ายมีรูปแบบความล้มเหลวที่เป็นลักษณะเฉพาะซึ่งควรกล่าวถึงล่วงหน้า

การเทรดตามแนวโน้ม ขี่โมเมนตัม กฎคือประมาณ: มีบางอย่างกำลังเคลื่อนที่ เข้าไป อยู่ต่อจนกว่ามันจะหยุด มันใช้ได้เพราะแนวโน้มคงอยู่นานกว่าที่ความน่าจะเป็นแบบสุ่มจะแนะนำ — และมันเจ็บปวดเพราะส่วนใหญ่แล้วไม่มีแนวโน้ม คุณจึงเสียเล็กน้อยในช่วง sideway เพื่อรอการเคลื่อนที่ที่จ่ายให้คุ้ม ระบบแนวโน้มชนะด้วยอัตราการชนะต่ำและผู้ชนะจำนวนน้อยที่ใหญ่ หากคุณไม่สามารถทนที่จะผิดในเทรดส่วนใหญ่ คุณจะละทิ้งมันก่อนเทรดที่สำคัญที่สุด

การกลับสู่ค่าเฉลี่ย เดิมพันตรงกันข้าม: ราคายืดออกไปไกลเกินไปและจะดีดกลับสู่ค่าเฉลี่ย มีอัตราการชนะสูง ซึ่งให้ความรู้สึกดีมาก จนกระทั่งครั้งหนึ่งที่ราคาไม่กลับและวิ่งต่อไป เทรดเดียวนั้นสามารถลบการชนะเล็กๆ หลายครั้งติดต่อกัน การกลับสู่ค่าเฉลี่ยโดยไม่มีจุดหยุดแข็งไม่ใช่กลยุทธ์ แต่เป็นการนับถอยหลัง

สังเกตความสมมาตร การเทรดตามแนวโน้มขอให้คุณทนต่อการขาดทุนเล็กๆ บ่อยครั้ง การกลับสู่ค่าเฉลี่ยขอให้คุณอยู่รอดจากการขาดทุนใหญ่ที่เกิดขึ้นไม่บ่อย ไม่มีอันไหนปลอดภัยกว่า พวกมันแค่กระจายความเจ็บปวดต่างกัน และ โปรไฟล์การลดลงของเงินทุนที่คุณสามารถอยู่ด้วยได้จริง ควรเป็นตัวขับเคลื่อนว่าคุณจะสร้างอันไหน

การวิเคราะห์ทางเทคนิค — การอ่านประวัติราคาและปริมาณเพื่อหารูปแบบที่เกิดซ้ำ — คือสิ่งที่กลยุทธ์ Python ส่วนใหญ่เข้ารหัส การวิเคราะห์พื้นฐาน การประเมินมูลค่าธุรกิจหรือสินทรัพย์นั้นยากต่อการทำให้เป็นอัตโนมัติและมักปรากฏเป็นตัวกรองมากกว่าสัญญาณ ไม่มีกฎว่าต้องเลือกอย่างใดอย่างหนึ่ง แต่จงชัดเจนว่าอันไหนที่โค้ดของคุณกำลังทดสอบจริงๆ

"กุญแจสู่ความสำเร็จในการเทรดคือวินัยทางอารมณ์ หากความฉลาดเป็นกุญแจ คงมีคนทำเงินจากการเทรดมากขึ้น" — Victor Sperandeo

คำพูดนั้นไม่ใช่แค่เครื่องประดับ ประเด็นทั้งหมดของการเขียนโค้ดกลยุทธ์คือการย้ายการตัดสินใจจากสัญชาตญาณไปสู่กฎที่คุณเขียนตอนที่คุณสงบ ปัญหาวินัยไม่ได้หายไปเพราะคอมพิวเตอร์เป็นผู้วางคำสั่ง — มันย้ายไปที่ว่าคุณจะปฏิบัติตามระบบจริงๆ ในวันที่มันขาดทุนหรือไม่

ข้อมูลคือจุดที่ backtest ส่วนใหญ่ผิดพลาด

กลยุทธ์ของคุณจะซื่อสัตย์เท่ากับข้อมูลที่อยู่ใต้มันเท่านั้น การได้ข้อมูลมาเป็นครึ่งที่ง่าย

คุณสามารถดึงราคาจาก API — Alpha Vantage และ Yahoo Finance สำหรับฟรี IEX Cloud สำหรับฟีดที่สะอาดกว่า — หรือจากผู้ให้บริการแบบชำระเงินเช่น Bloomberg, Refinitiv หรือ Quandl หากคุณต้องการความลึกและความน่าเชื่อถือ ข้อมูลฟรีใช้เรียนรู้ได้ดี เพียงรู้ว่าฟีดฟรีมีช่องว่าง ราคาผิดพลาดเป็นครั้งคราว และบางครั้งปรับเปลี่ยนประวัติอย่างเงียบๆ

จากนั้นมาถึงการทำความสะอาด และนี่คือจุดที่ผลลัพธ์ถูกสร้างขึ้นอย่างเงียบๆ:

สองคำที่ต้องจดจำคือ อคติแบบ look-ahead และ อคติแบบ survivorshipอคติแบบ look-ahead คือการใช้ข้อมูลที่กลยุทธ์ไม่มีในเวลาตัดสินใจ — ราคาปิดวันนี้เพื่อเข้าในวันนี้, normalization ที่คำนวณจากข้อมูลที่ยังไม่เกิดขึ้น อคติแบบ survivorship คือการทดสอบเฉพาะสินทรัพย์ที่ยังมีอยู่จนถึงวันนี้ ซึ่งลบทุกบริษัทที่ล้มละลายอย่างเงียบๆ และทำให้กฎ "ซื้อตอนตก" ดูยอดเยี่ยม ทั้งสองทำให้ผล backtest สูงเกินจริง ทั้งสองมองไม่เห็นเว้นแต่คุณจะค้นหา

การ Backtest อย่างซื่อสัตย์ และต้นทุนที่ไม่มีใครจำลอง

เมื่อข้อมูลสะอาดแล้ว การ backtest ก็ง่ายทางกลไก: ใช้กฎกับประวัติ บันทึกว่ามันจะทำอะไร ดูผลลัพธ์ กลไกไม่ใช่ส่วนยาก การเชื่อผลลัพธ์ต่างหาก

Backtest ที่ไม่สนใจต้นทุนคือนิยาย ทุกเทรดจ่ายสเปรด อาจมีค่าคอมมิชชัน และ slippage — ช่องว่างระหว่างราคาที่คุณเห็นและราคาที่คุณได้ ในกลยุทธ์ที่เทรดบ่อย ต้นทุนอย่างเดียวสามารถเปลี่ยนกำไรที่พิมพ์ออกมาเป็นการขาดทุนจริง จำลองมันในแง่ร้าย หากความได้เปรียบอยู่รอดได้เฉพาะเมื่อไม่มีต้นทุน แสดงว่าไม่มีความได้เปรียบ

จากนั้นคือ overfitting ความล้มเหลวที่เย้ายวนที่สุด เพิ่มพารามิเตอร์มากพอ คุณสามารถ fit อดีตใดๆ ได้สมบูรณ์แบบ Curve ที่ปรับแต่งเพื่อจับปี 2021–2023 อย่างแม่นยำจะบอกอะไรคุณเกี่ยวกับปี 2025 ไม่ได้ การป้องกันนั้นเก่าและไม่น่าตื่นเต้น: กันข้อมูลที่กลยุทธ์ไม่เคยเห็นระหว่างพัฒนา ทดสอบข้ามสภาวะตลาดที่แตกต่าง และสงสัยพารามิเตอร์ใดที่ต้องเป็น 14 พอดีหรือทุกอย่างจะพัง ความได้เปรียบที่แข็งแกร่งจะเบลอเล็กน้อย ส่วนที่เปราะบางจะคมกริบและไร้ค่า

ครึ่งหนึ่งของระบบที่บทช่วยสอนข้ามไป

สัญญาณเข้าได้รับความสนใจทั้งหมด มันเป็นส่วนที่สำคัญน้อยที่สุดของระบบที่ใช้งานได้

กฎการเข้าบอกคุณว่าเมื่อไรควรเข้า มันไม่ได้บอกอะไรเกี่ยวกับจำนวนเท่าไร เมื่อไรควรออก หรือจะรู้ได้อย่างไรว่าคุณผิด สามสิ่งนี้ — การกำหนดขนาด การออก และการบอกว่าใช้ไม่ได้ — คือสิ่งที่แยกกลยุทธ์ออกจากความรู้สึก และมันควรอยู่ในโค้ดอย่างชัดเจนเท่ากับสัญญาณ

• การกำหนดขนาดตำแหน่ง ตัดสินว่าเทรดเดียวสามารถทำให้คุณเสียเท่าไร แบบจำลองเศษส่วนคงที่ — การเสี่ยงเป็นเปอร์เซ็นต์เล็กๆ คงที่ของบัญชีต่อเทรด — ทำให้คำตัดสินที่ผิดหนึ่งครั้งไม่กลายเป็นหายนะ การกำหนดขนาดตำแหน่งมีความสำคัญต่อการอยู่รอดมากกว่าสิ่งที่คุณเทรดและมันง่ายที่จะเข้ารหัส
• จุดหยุดและการบอกว่าใช้ไม่ได้ กำหนด ก่อนที่คุณจะเข้า ราคาที่พิสูจน์ว่าไอเดียผิด ไม่ใช่ความรู้สึก — คือระดับ ตำแหน่งของจุดหยุดควรมาจากโครงสร้างของการตั้งค่าไม่ใช่จากจำนวนที่คุณยินดีจะเสียในวันนั้น หากไม่มีราคาที่จะทำให้คุณออก แสดงว่าไม่มีเทรด
• ตรรกะการออก จัดการกับผู้ชนะด้วย กฎสำหรับการทำกำไรหรือการ trailing stop ทำให้การเข้าที่ดีกลายเป็นกำไรที่เกิดขึ้นจริง แทนที่จะเป็นการเดินทางไปกลับ

เขียนโค้ดสิ่งเหล่านี้เป็นส่วนหนึ่งของกลยุทธ์ระดับแรก และให้ backtest วัดมัน ระบบที่มีสัญญาณธรรมดาและการควบคุมความเสี่ยงที่มีวินัยมักจะอยู่นานกว่าระบบที่มีสัญญาณยอดเยี่ยมแต่ไม่มีการควบคุม นั่นไม่ใช่สโลแกน; มันคือสิ่งที่เส้น equity curve แสดงเมื่อคุณทดสอบทั้งสองจริงๆ มันสำคัญยิ่งขึ้นเมื่อมีเลเวอเรจเข้ามาเกี่ยวข้อง ซึ่งตำแหน่งที่เคลื่อนไหวสวนทางคุณสามารถถูก margin call หรือถูกบังคับขาย ก่อนที่ทฤษฎีของคุณจะมีเวลาพิสูจน์

จะเริ่มต้นที่ไหน

สร้างเล็กๆ สินทรัพย์เดียวกฎที่ชัดเจนหนึ่งข้อ จุดหยุดและการกำหนดขนาดที่ชัดเจน ต้นทุนที่จำลองอย่างซื่อสัตย์ และข้อมูลส่วนหนึ่งที่กลยุทธ์ไม่เคยแตะระหว่างพัฒนา เรียกใช้ อ่านการลดลงของเงินทุน ไม่ใช่แค่ผลตอบแทน — ช่วงที่แย่ที่สุดคือช่วงที่คุณต้องนั่งผ่านตอนเทรดจริง และมันคือตัวเลขที่บอกคุณว่าคุณจะทนได้หรือไม่ จากนั้นเขียนสิ่งที่คุณเห็น เพื่อให้เวอร์ชันถัดไปโต้แย้งด้วยหลักฐานแทนความทรงจำ

Python ทำให้ทั้งหมดนี้รวดเร็ว มันไม่ได้ทำให้ทั้งหมดนี้เป็นจริง เครื่องมือจะซื่อสัตย์ก็ต่อเมื่อคุณซื่อสัตย์ — และวินัยที่ถูกเข้ารหัสลงในกลยุทธ์คือ วินัยเดียวกับที่คุณต้องมีเพื่อปฏิบัติตามมันต่อไป เมื่อตลาดทำให้มันไม่สบายใจ ไม่มีสิ่งใดรับประกันผลลัพธ์ที่ทำกำไรได้ กฎที่ทดสอบแล้วคือวิธีจัดการความเสี่ยงอย่างตั้งใจ ไม่ใช่สัญญาเกี่ยวกับผลลัพธ์