测试方式

Quant Arena 在最多 10 个市场上运行 72 个系统化策略：美股（SPY）、黄金、白银、原油、天然气、农产品、综合大宗商品、欧元/美元、比特币和以太坊。所有策略使用同样的规则、同样的滚动前推优化和同样的指标。近五年的数据一共给出 576 个“策略 × 市场”结果。

每个结果我们都算两个数，试图回答“这是真本事还是运气”：

  • 概率夏普（PSR）：结合收益记录的长度和形状，真实夏普大于 0 的概率。
  • Deflated 夏普（DSR）：同一个问题，但比较对象换成“同时测试很多策略时，单靠运气能达到的最好夏普”。

数据怎么说

逐个看，576 个结果里有 104 个的 PSR 超过 95%，这种数字很容易被写进宣传材料。

DSR 给出的答案完全不同：没有一个结果超过 95%。最高的是欧元/美元上的 SAR-01 抛物线 SAR（91%），其后是黄金上的 REG-14 波动率状态切换（85%）、SPY 上的 MACRO-01 跨资产动量（84%）、欧元/美元上的 TREND-20 涡旋指标（83%），以及综合大宗商品上的 MR-03 卡尔曼滤波均值回归和黄金上的 VOL-13 波动率状态策略（都是 82%）。576 个结果的 DSR 中位数只有 23%。

说白了：试了几百个之后挑出看起来最好的那个，五年夏普 1.2 到 1.5，差不多就是运气本身能给你的水平。

为什么会这样

每多测试一个策略，就多买了一张彩票。同一个市场上有 60 个策略时，最幸运的那个，夏普通常会明显高于它的真实水平。Bailey 和 López de Prado 提出的 DSR，用所有结果的离散程度估计“最幸运的那张彩票”该有多高，只把超过这条线的部分算作真本事。

我们的设置里有两点会让门槛更高而不是更低：第一，同一个策略出现在多个相关的市场上；第二，滚动前推优化每六个月从一个小参数网格里挑参数，这本身也是一种“多次测试”。我们只把策略个数算作试验次数，没有算参数组合，所以我们的 DSR 其实还偏宽松。

买入持有是个很难打败的基准

同样这五年，也能看出门槛有多高：买入持有 SPY 年化约 13.2%，夏普 0.81。在 SPY 上测试的 62 个策略里，只有 1 个年化收益超过它，14 个夏普超过它。大多数择时策略有一部分时间空仓，用更小的回撤换了更低的收益——这种交换可能值得，但它不等于“跑赢市场”。

看排行榜时可以怎么用

  • 把高夏普当成值得细看的理由，而不是结论。去策略页看看 DSR。
  • 优先选在不同市场、不同时间窗口都站得住的策略。Arena Score 的稳健性分项用的就是 1 年、3 年、5 年和全部历史中最差的那个夏普。
  • 看策略本来想解决什么问题。一个把买入持有的回撤砍掉一半的趋势过滤，即使 DSR 不高，也是在做它该做的事。
  • 别忘了成本。我们的回测没有扣佣金和滑点；策略页给出了扣除 10 个基点后的估算。

我们做了什么调整

现在每个策略页都会在概率夏普旁边显示 Deflated 夏普，Arena Score 的统计可信度分项也使用 PSR。我们宁愿诚实地告诉你“很可能是运气”，也不想给出一个下一个五年就站不住的漂亮数字。