程序化策略失效還是正常失誤究竟該如何判斷？如果失效的話，是應(yīng)該完全放棄策略還是只需要調(diào)整參數(shù)呢？可藉由學(xué)術(shù)界的量化檢驗或?qū)崉?wù)界的經(jīng)驗規(guī)則，首先來了解一下統(tǒng)計檢定，這是個較科學(xué)的方法，依據(jù)要檢驗的統(tǒng)計量，做均值、變異數(shù)與比例值的檢定，用簡單的話說，如果要確定該策略之‘歷史回測過程報酬率序列’，例如，回測期間交易的報酬分別為10%,14%, 8%, -3%, 5%, -7% …，與‘運用策略以后的報酬率序列’(-2%, 5%, -6%,3%...)間有無「明顯」(所謂明顯通常意指95%的可能性)變差，則做所謂的「均值檢定」;如果均值檢定樣本數(shù)(即前述的報酬率值數(shù)目)大于等于30采大樣本檢定，小于30采取小樣本，通常均值檢定采取小樣本，因為如果要等到策略運用過程收集到30個樣本，恐怕會連連虧損了。

再則，報酬在策略運用過程是依序產(chǎn)生的，檢定時有2個報酬就可以了(驗證是否失效)，但在樣本不足時此統(tǒng)計方法也不會妄下定論，所以，只要順著產(chǎn)生的報酬數(shù)據(jù)依序帶入檢定，檢查是否碰到臨界值(失效的界線)或P值(依然維持原有績效的可能性)，就可以決定是否放棄該交易模型了。同理，可以用比例檢定勝率是否改變，或者用變異數(shù)檢定檢定風險特性是否改變。

實務(wù)界的規(guī)則，根據(jù)RobertPardo的建議是這樣的，如果一個交易系統(tǒng)是經(jīng)過良好的design,良好的最佳化，沒有over-fitting的情形：

1.如果此系統(tǒng)是用2年的歷史數(shù)據(jù)且都有不錯的歷史表現(xiàn)而設(shè)計出來的，應(yīng)該會有6-12個月的生命周期。

2.如果此系統(tǒng)是用5年的歷史數(shù)據(jù)且都有不錯的歷史表現(xiàn)而設(shè)計出來的，應(yīng)該會有1-2年生命周期。

因為時空背景不同，所以這個答案可以參考，卻不能一概而論，但提供一個可以接受的觀念，「回測期間與可用期間成正比」，一般做短線、當沖、高頻交易，回測只需取前幾天。即，你周期使用的越小，平均的持倉時間越短，測試就可以用越短的數(shù)據(jù)來進行，這也是為什么日內(nèi)交易一般測式一年的時間就夠用，而隔日需要兩年或以上的原因。

至于失效以后如何呢?

有些人認為應(yīng)該修改參數(shù)或放棄策略。古期認為，要按照你建立策略的思路來分析對待。至于時間數(shù)列方法可否使用，因為是非定頻時序數(shù)據(jù)，所以我認為除非這領(lǐng)域的方法有突破(而我不知道)，否則用處不大。而有些為了測試數(shù)據(jù)，胡亂用一些軟件功能上的參數(shù)優(yōu)化，我是堅決反對的，因為這樣會過度優(yōu)化參數(shù)，使得未來效用不大，甚至反效用。策略參數(shù)，思路的制定，我主張比歷史經(jīng)驗，平常經(jīng)驗中提取。