《表1 固特异公司(GT)和星巴克公司(SBUX) 2014年1月至2016年12月回测比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于遗传算法—部分协整理论的配对交易方法及应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先，交易次数与交易利润无法兼顾是选取交易阈值的固有矛盾:交易次数多意味着阈值较小，符合交易条件的次数多，但缺点是每次交易的利润有限，甚至由于手续费的存在还会有大幅度的亏损；若要求单笔交易利润较高，那么则意味着放弃小的波动，只等待大幅度的波动，随之而来的就是交易次数减少，甚至在回测期间无法完成一组开平仓交易。这二者的协调对最终的策略组合的利润影响巨大。而遗传算法的应用使这个问题得以协调，根据不同的股票组合，遗传算法可以在交易次数和交易利润间做出相对而言较为均衡的选择，从而得到最优阈值。表1和图4是固特异公司（GT）和星巴克公司（SBUX）在2014年1月至2016年12月遗传算法阈值和固定阈值的比较结果，在该配对的回测中，固定阈值虽然使持仓时间变短，交易次数提高，但与遗传算法阈值的回测结果比较而言，其平均每笔交易的利润和总体回测的夏普比率（1）较低，历史最大回撤显著增大，年化收益率和回测期间收益率都低于遗传算法回测结果。使用遗传算法得到的最优阈值可以合理兼顾开平仓次数、持仓时间和每笔交易收益之间的矛盾，使得收益合理、有效提高。