VALYNOXSTRATEGY RESEARCH TECHNOLOGY
AlphaPrimeAlphaPrime
登入免費試用 7 天
策略學院 / 指標與訊號

用於盤中剝頭皮的 KAMA 盤整過濾：突破時更少的延遲

用短週期效率比率在原始 K 棒上衡量盤整狀態，加上能立即關閉過濾的突破覆寫，並在每根 K 棒收盤時決定過濾狀態。再用多個期間的開關測試來評估它。

作者 · 發佈 · 更新於 · 編輯原則

目錄
  1. 如何偵測盤整狀態又不讓過濾產生延遲？
  2. 什麼是 KAMA 式自適應 K 棒？
  3. 價格突破時，哪些盤整衡量指標反應最快？
  4. 如何避免過濾在突破時產生延遲？
  5. 回測應如何處理盤中剝頭皮交易的成交？
  6. 如何把狀態過濾當作開關來測試？
  7. 在一個樣本中有效的盤整過濾，在樣本外還能維持嗎？
  8. 常見問題
  9. 參考資料

如何偵測盤整狀態又不讓過濾產生延遲？

用短週期效率比率在原始 K 棒上衡量盤整狀態，不要用自適應 K 棒。再加上突破覆寫：只要一根已完成的 K 棒收在區間之外，就立即關閉過濾。過濾在每根 K 棒收盤時決定，並套用到下一根 K 棒。然後在多個期間分別開啟與關閉過濾來測試。

狀態過濾是一條規則，逐根 K 棒判斷市場條件是否適合某個策略，並開啟或關閉其進場。盤中剝頭皮是一種在一根或幾根 K 棒內進出場的交易風格，委託常常在 K 棒仍在形成時就能成交。延遲是指從市場改變到過濾察覺之間相隔的 K 棒數。對盤整剝頭皮策略而言，突破時的延遲代價最高。過濾每多說一根「盤整」，策略就多一根在逆著已不再反轉的走勢做反向交易。KAMA 是一種自適應的技術指標，趨勢中加快、雜訊中放慢。

什麼是 KAMA 式自適應 K 棒？

KAMA 式自適應 K 棒是指其開盤、最高、最低與收盤價都以 Kaufman 自適應移動平均（KAMA）平滑過的 K 棒。因此，這種 K 棒在趨勢中緊貼價格，在盤整中幾乎不動。KAMA 指標頁面說明了這條均線如何建構。簡單說：KAMA 依效率比率自行設定速度。就像影子，你朝同一方向快走時它緊跟著，你來回踱步時它就站著不動。

標準設定使用 10 根 K 棒的效率比率、等同 2 根 K 棒均線的最快速度，以及等同 30 根 K 棒均線的最慢速度。這兩種速度之間的平滑權重會取平方。效率比率為 1 時，每根新 K 棒會讓這條線朝價格移動近一半的距離。效率比率為 0 時，每根新 K 棒移動的距離不到該距離的百分之一，比一般的 30 根 K 棒均線還慢。10 根的效率比率與 2 根、30 根的平滑上下限不必固定，AlphaPrime（Valynox） 的策略生成可以把它們設成參數範圍來測試。

這就是為什麼 K 棒在盤整中看起來很乾淨：它們幾乎不動。這也是它們在突破時很慢的原因。最初的突破 K 棒出現時，效率比率仍然很低，所以 K 棒會緩慢爬行，直到比率上升。

自適應K棒在突破時落後：假設的原始價格在100至102之間橫向整理十根K棒，隨後向上突破至106、112和118。自適應K棒線維持平坦在101附近，在第二和第三根突破K棒時仍遠低於價格。 自適應K棒落後 假設價格，原始 vs 自適應 區間 價格 落後 自適應 自適應K棒在突破時爬行。 所以：用原始K棒判斷盤勢。
自適應 K 棒在盤整中趨於平坦，並在最初幾根突破 K 棒時落後於價格，因為它們的速度取決於仍然偏低的效率比率。

價格突破時，哪些盤整衡量指標反應最快？

以原始收盤價計算的效率比率通常反應最快，因為每根突破 K 棒都會直接增加它所衡量的淨位移。ATR 比率與 K 棒重疊反應較慢，因為它們是在多根 K 棒上平均 K 棒大小或重疊程度。效率比率是某段回看期間的價格淨移動量，除以同一批 K 棒內價格走過的總距離。可以想成走路：在走廊上來回踱步走了很多步卻回到起點附近，所以比率接近 0；沿著一條直路走則會走到很遠，比率接近 1。

ER = |目前收盤價 − n 根 K 棒前收盤價| ÷ n 個 K 棒間收盤價變動絕對值之和

其中 n 是以 K 棒數計的回看期間，直線符號表示「忽略正負號」，所以下跌與上漲一樣都算距離。下表比較三種常見的盤整衡量指標。

衡量指標它讀取什麼盤整時的讀數延遲的來源
以原始收盤價計算、回看期間短的效率比率方向相對於雜訊低值舊的震盪 K 棒會一直留在分母中，直到離開回看期間
ATR 比率（短 ATR ÷ 長 ATR）目前 K 棒大小相對於正常 K 棒大小低值（安靜的 K 棒）兩條平均都在平滑 K 棒大小。它讀的是大小而不是方向，所以雙向的寬幅 K 棒也會看起來像突破
K 棒重疊每根 K 棒的高低區間落在前一根 K 棒區間內的比例，取 k 根 K 棒的平均高重疊一根突破 K 棒只會讓 k 根 K 棒的平均改變其自身值的 k 分之一

假設範例

收盤價在 100 與 102 之間交替十根 K 棒，所以淨位移為 0，10 根 K 棒的效率比率為 0。第一根突破 K 棒收在 106：淨位移為 4，總距離為 24，比率升到 0.17。第二根收在 112：淨位移 12，距離 28，比率 0.43。第三根收在 118：淨位移 16，距離 32，比率 0.50。若關閉水準設為 0.3，過濾會在第二根突破 K 棒收盤時察覺。第三根 K 棒時它已經關閉，也就是說有兩根突破 K 棒暴露在風險中。

如何避免過濾在突破時產生延遲？

在較慢的衡量指標之上加一道硬性突破覆寫，讓一根已完成且收在區間之外的 K 棒就足以關閉進場。效率比率決定區間何時形成，覆寫決定區間何時結束。依下列順序建構：

  1. 在收盤時決定。在每根已完成的 K 棒收盤時計算過濾，並只套用到下一根 K 棒。
  2. 定義區間箱。區間箱是最近 m 根已完成 K 棒的最高價與最低價，不含目前這根 K 棒。
  3. 收在箱外時覆寫。一根已完成的 K 棒收在箱頂之上或箱底之下，就立即關閉過濾。
  4. 使用兩個門檻。效率比率低於某一水準時開啟，高於較高的水準時關閉，例如低於 0.2 開啟、高於 0.3 關閉。兩者之間的間隔可避免過濾在單一水準附近不停開關。
  5. 緩慢重新進場。保持關閉，直到比率已連續幾根已完成 K 棒低於較低的門檻。

在上面的範例中，第一根突破 K 棒收在 106，高於箱頂 102。因此覆寫會比單靠效率比率早一根 K 棒關閉過濾。代價是假突破。一根收在箱外之後又回到區間內的 K 棒同樣會關閉過濾，所以要統計覆寫跳過了多少筆好的盤整交易。

突破覆寫快一根 K 棒：在假設範例中，第 10 至 13 根 K 棒的效率比分別為 0、0.17、0.43 和 0.50，關閉水準為 0.3。覆寫在第 11 根 K 棒就關閉進場，而效率比到第 12 根 K 棒才關閉。 覆寫快一根 K 棒 每根 K 棒的效率比（假設） ER 0.3 關閉 第 10 棒 0 第 11 棒 0.17 覆寫關閉 第 12 棒 0.43 ER 關閉 第 13 棒 0.50 收盤在箱體外者先動作。 所以：ER 要搭配覆寫。
在假設範例中，突破覆寫比效率比率穿越其門檻早一根 K 棒關閉進場。

回測應如何處理盤中剝頭皮交易的成交？

只使用下單當時已經存在的數值。當停損與停利同時落在同一根 K 棒內時，不要假設有利的那一個先發生。剝頭皮的停損與停利都很緊，所以這兩種錯誤都會迅速墊高結果。逐項檢查：

  1. 價位取自已完成的 K 棒。目前這根自適應 K 棒的收盤價，是一個尚不存在的收盤價的平滑版本。由它畫出的價位會在 K 棒期間移動，讓成交看起來完美。請使用前一根已完成的 K 棒。回測中的前視偏誤指南示範了檢查此類洩漏的一根 K 棒檢查法。
  2. 過濾狀態取自前一次收盤。目前 K 棒的最高價與最低價在收盤前都不是最終值，所以使用它們的盤整衡量也會洩漏。
  3. 解決停損與停利的先後。一根 K 棒的開盤、最高、最低與收盤價只顯示價格走了多遠，而不是走的順序。如果有 K 棒內較小 K 棒週期的資料，就使用它。沒有的話，就假設停損先被觸發。
  4. 用同樣方式處理進場 K 棒。如果限價進場是在某根 K 棒中成交，你同樣不知道該 K 棒的最高價是在成交之前還是之後。
  5. 讓限價成交更嚴格。要求價格穿越限價至少一個跳動點，而不只是碰到。
  6. 每次執行都計入成本。剝頭皮的平均每筆損益很小，所以要把它與一買一賣（來回）成本比較，詳見回測中的交易成本。

回報停損與停利落在同一根 K 棒內的交易比例。測試一次假設停損先觸發，再測一次假設停利先觸發。兩個結果差距很大，代表結果取決於你看不到的順序。AlphaPrime的回測包含下一根 K 棒執行、手續費與滑價以及交易時段，所以每次評估都使用相同的執行假設。

停損或停利誰先到：一根 K 棒，進場價 100，停損 99，停利 101.5，全都在這根 K 棒 98.5 至 102 的範圍內。若先出現高點，就是觸及停利；若先出現低點，就是觸及停損。K 棒的價格無法判斷先後。 停損或停利：誰先到？ 同在一根 K 棒內 停利 進場 停損 先出高點 觸及停利 先出低點 觸及停損 K 棒價格看不出先後。 所以：假設先觸及停損。
當停損與停利都落在同一根 K 棒內時，這根 K 棒的價格無法告訴你哪一個先被觸發。

如何把狀態過濾當作開關來測試？

同一個策略跑兩次，一次開啟過濾、一次關閉，其他都不變，然後逐期間比較結果。依下列步驟：

  1. 固定基礎策略、其參數、成本與成交規則。
  2. 關閉過濾執行。
  3. 開啟過濾執行。
  4. 把歷史資料分成多個期間，例如按年度，使每個期間同時包含盤整與突破。
  5. 每個期間比較交易筆數、扣除成本後的淨損益、平均每筆損益與最大回撤。
  6. 列出被過濾移除的交易，檢查它們是否大多是突破前後的虧損交易。
  7. 跑一個隨機開關，讓它在相同比例的 K 棒上關閉進場。如果它對結果的改善與你的過濾差不多，那你的過濾並不帶有任何資訊，只是交易得更少而已。

假設範例

扣除成本後以點數計的淨損益，過濾關閉與過濾開啟的比較：

期間關閉時交易筆數關閉時淨損益開啟時交易筆數開啟時淨損益
1400−60260+40
2380+30250+55
3420−120270−20
4390+10240−15

過濾在三個期間有幫助，在一個期間有害。它移除了大約三分之一的交易。接下來的問題是，被移除的交易是否集中在突破附近，以及隨機開關是否也能做到同樣的效果。

在一個樣本中有效的盤整過濾，在樣本外還能維持嗎？

往往不能，因為過濾會增加參數，而這些參數可能擬合你樣本中的特定突破，所以在信任它之前要先檢查穩健度。回看期間、兩個門檻與箱長，是四個新增的選擇。每多一個選擇，就多一次擬合雜訊的機會。嘗試許多過濾變體並只留下最好的一個，就是研究者所說的資料窺探（White, 2000）。Bailey 等人（2014）指出，在足夠多次嘗試之後，即使沒有任何變體具備優勢，也很容易找到亮眼的樣本內結果。執行下列檢查：

  • 鄰近範圍。相近的門檻，例如以 0.25 與 0.35 取代 0.3，應該給出相近的結果。只有單一尖銳的峰值，就表示是擬合。
  • 推進分析。只用樣本內（IS）資料選擇過濾設定，並在接下來的期間評估，如推進分析所述。
  • 其他資料。在另一個市場或 K 棒週期上執行同一個過濾。真實的盤整行為往往不只出現在一處。
  • 變體數量。寫下你試過多少個過濾版本。從五十個版本中挑出的結果，要求比三個版本中的結果更高。

AlphaPrime 的策略檢驗包含推進分析，因此可以在其設定未見過的期間上評估過濾。

如果你使用 AlphaPrime，這代表：把狀態過濾當作任何其他進場條件來對待。給它一個小的參數範圍，在每次評估中都保留手續費、滑價與下一根 K 棒執行，並以推進分析的結果而不是最佳的回測來評判它。

常見問題

效率比率多少代表市場處於盤整？

沒有單一數值適用於每個市場與每種 K 棒週期。請在你自己的歷史資料上畫出效率比率，看它在圖上你能看出的盤整期間落在哪裡。然後選擇一個鄰近數值都給出相近測試結果的門檻，而不是回測最好的那個單一數值。

盤整過濾應該使用 KAMA K 棒還是原始 K 棒？

過濾請使用原始 K 棒。KAMA 式 K 棒恰好在盤整結束時最慢，所以建立在它們之上的過濾會把 K 棒的延遲加到自己的延遲上。自適應 K 棒仍然適合用在交易訊號本身。

KAMA 盤整過濾能提早偵測突破嗎？

KAMA 要等效率比率上升後才會反應，這會在突破開始後晚一根或更多 K 棒。硬性覆寫，例如在已完成的 K 棒收在近期高低箱之外時關閉，則會在第一根突破 K 棒就反應。它的代價是假突破也會讓它關閉。

停損與停利在同一根 K 棒內時，如何回測剝頭皮？

K 棒價格看不出是最高價還是最低價先出現。如果有 K 棒內較小 K 棒週期的資料就使用它，否則就假設停損先被觸發。兩種方式都測試：停損先觸發與停利先觸發的結果差距很大，就顯示結果有多依賴未知的順序。

狀態過濾能減少過度最佳化嗎？

本身不能。過濾會增加參數，讓搜尋有更多方式擬合過去。只有在它於多數期間改善結果、勝過隨機開關，並通過推進分析測試時才有幫助。

參考資料

  • Bailey, D. H., Borwein, J., López de Prado, M., & Zhu, Q. J. (2014). Pseudo-Mathematics and Financial Charlatanism: The Effects of Backtest Overfitting on Out-of-Sample Performance. Notices of the American Mathematical Society, 61(5), 458–471.
  • White, H. (2000). A Reality Check for Data Snooping. Econometrica, 68(5), 1097–1126.