量化分析 須動用多少數據 歷史數據非愈長愈好 | 經一專欄

撰文：蔡嘉民 | 圖片：unsplash

筆者於早期自學量化分析時，經常遇到策略於回溯測試結果很理想，但推出市場上執行卻未如理想的情況。 其中一大可能，就是因爲樣本數據不足，使策略於回測中出現過度吻合（Over-fitting）的情況。

樣本數據的數量非常重要，它能讓人誤把一個有效策略當為無效，相反地亦能令人浪費資金執行一個無效策略。 那究竟多長的歷史數據，才算足夠？

這個論題經常令人說量化分析非絕對科學，其實並非錯誤。 雖然量化分析都建基於數理上，但決定導入數據的數量則沒有明確標準，因此不同的分析師選擇取樣範圍時，就像是一門藝術。 那歷史數據是否愈長愈好呢？

理論上是的，但市場中有時候會出現一些本質上的變化，令市場生態出現轉變，包括政策上、制度上、又或者參與者的變化。

歷史數據非愈長愈好

例如內地股市於2015年下半年不斷抑制炒風，如透過增加日內交易手續費、增加衍生產品保證金等方法，事後內地股市成交金額下跌超過九成，投機者紛紛從股市逃到商品市場。

由於整個股市的炒賣風格變得全然不同，因此回測內地股市，便未必需要涵蓋2015年以前的數據，否則會較難找到一個持續獲利的策略。

若果內地股市將來容許沽空股票或者完全開放給外資，相信市場本質會變得極快，作回測者須留意策略本質會否被變化所影響。

有回測經驗的朋友此時會問，那從客觀上該如何判斷市場本質有變呢？

其實最簡單可以從成交額、成交次數以及未平倉合約（Open interest）數目來判斷；若以上數據於政策前後出現明顯變化，那分析者可以考慮放棄質變前的數據。

高頻交易不受困擾

另外，樣本數據需要的數量，當然也取決於的交易頻率。 例如早前本欄曾指出，以年計的策略最少也需有15或20年以上數據才能作準，畢竟每年一次的季節性策略操作頻率實在太低；相反，另一極端即高頻交易（High frequency trading）就不需要太長的數據。

如果邏輯堅固，短到一個月的數據也能有效證明策略可行，因為高頻交易常用的數據精度為Tick by tick，即市場每一口的變化也會被運用到回溯測試中。

流通市場每一個交易日的數據大約數十萬點，一個月就能有數千萬的樣本數據；所以，高頻交易會較少受到樣本數據須向歷史延伸多久這個問題困擾。

由此看來，若想增加數據量，要不向歷史延伸，要不增加交易頻率，但前後兩者都有一定程度上的困難，那還有甚麼方法可以增加統計顯著性呢？下次繼續探討。