本文主要是介绍山人求道篇：八、模型的偏差与交易认知，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
原文引用https://mp.weixin.qq.com/s/xvxatVseHK62U7aUXS1B4g
“
CTA策略一波亏完全年，除了交易执行错误导致的以外，这类策略都是多因子策略，一般会用机器学习组合多因子得出一个信号来进行交易。规则型策略几乎不会出现一波做反亏完全年的情况。这是有以下几个原因的：
多因子策略大多根据因子结果计算仓位，不设开仓必要条件和止损条件，而开仓必要条件和止损条件在规则型策略中是常常用到的。
常见的开仓必要条件有，仅在收盘价高于5/10日线时做多，仅在收盘价低于5/10日线时做空；常见的止损条件例如收盘价跌破10日线时平多，收盘价涨破10日线时平空。
开仓必要条件的设置意味着规则型策略不可能在价格呈现顺畅上涨（下跌）趋势时做空（做多），但多因子策略可能。止损条件的设置意味着规则型策略在发现交易做反时会止损跑路但机器学习策略可能持续持有死扛。
对于中低频CTA策略，做趋势低胜率但高盈亏比，做反转高胜率但低盈亏比。高盈亏比低胜率的曲线是长期不赚钱或缓慢亏损但少数几波赚大钱，高胜率低盈亏比是长期赚钱但少数几波亏大钱。
纯量价的中低频规则型策略大多都是做趋势，且设置了开仓必要条件和止损条件，一般只会出现因为震荡行情多次交易亏损导致的持续亏损。而多因子策略则可能出现一次大行情做反一次交易就导致巨大亏损。
机器学习训练追求的统计意义极大地增大了反转策略的高胜率和低盈亏比的性质。很多多因子策略都会使用机器学习来训练组合因子，对于机器学习训练来说，它往往追求训练的准确性，其实也就是在提高胜率，如果用分类模型而不是回归模型更加容易出现这个问题。
再加上很多中低频的机器学习训练策略CTA是以15，30，60分钟这种级别的数据做回测，在这个时间频率上&#x
这篇关于山人求道篇：八、模型的偏差与交易认知的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
