交易策略與參數群組

模組參數數量 : 1.極少、2適中、3.極多，請問要怎麼選用 ?

使用歷史數據，透過建立模組並預測未來，最重要的前提就是：假設過去與未來有高度的相關聯性。當然這假設會引起巨大質疑，尤其是無所不在的後現代思考元素作用下，諸如:跳躍、斷裂、不連續、非線性、變異、驚奇、複雜...等，還要接受這假設，真的會令人痛苦無比，不過也請別忘了，模組的本質就是以簡馭繁，過多額外要求，將迷失建構模組的原始目的。

交易系統納入參數的目的就是要捕捉此等相關聯性，我的假想是:過去與未來越是高度相關時，就可以減少模組的參數數量。相反的，呈現比較複雜的關係時，則需要納入比較多的參數數量。

模組使用較少的參數數量，意味者模組結構比較簡單，限制條件比較少，同時利用比較少的資訊。相對地，較多的參數數量，意味者模組結構比較多元複雜，限制條件比較多，也需要引用較多的資訊。

如果把市場價格的變動想像成大自然環境，而各式各樣的模組比喻為求生存的物種，那麼模組的資金獲利曲線可以持續創新高，則代表該物種對自然環境適應良好，物種的群體總額數量持續增長。
另外，模組失靈產生更大的DrowDown則代表該物種的滅絕。
而參數使用量較少的簡易結構模組，則代表層次較低等、細胞組織結構低度分化的物種。相對地，較多參數的複雜模組則代表較高等、細胞組織結構高度分化的物種。

由物種進化與生滅的角度來看，物種要在不斷變化的環境中保持生存，就必須進行充分的遺傳變異，以適應環境的變化，這必須要求物種自己的基因庫得要儲備足夠多的基因，才能回應大自然的變遷。這隱含有較多基因庫的高等物種比較有辦法適應自然環境的變遷，高等物種遭到滅絕的機會比較小。

但與事實剛好相反，進化速度快、演化層次較高的物種反而容易滅絕。變異較少、演化速度極慢，而不跟緊跟隨環境變化而改變的低等物種，反而可以長期生存下來。因為演化層次較高，代表物種內部構造功能較為專一，需要比較多的協調，這也隱含物種的適應彈性小、自我調節以應付環境再度變遷的能力較弱。

由地質岩層的歷史證據來看，一個時期內，專業分化最甚的物種，往往也是適應性最良好的物種，同時也是當代時期最優勢的物種，但當外界環境再度改變時，也是最容易滅絕的標的。

相對的，屬於原生較為低等的物種，對外在環境變遷比較不敏感，也不積極的演化，卻可以生存較久，主要是它們有:(1).高度的抵抗力(當環境不利生存時，常會形成堅硬外殼並進入休眠減少代謝，以度過危險期)、(2).生殖能力強大、(3).構造簡單容易協調、(4).適應力強大而可以應付嚴格的自然環境。

而把這些較低等物種的生存優勢特徵，轉換對應為交易系統的建構元素時，那麼構造較為簡單，接近沒有使用參數的模組應該比較不容易產生模組失靈的後果，同時在價格變動朝向不利的方式在進行時，簡易構造的模組會自發的減少交易次數，不讓虧損侵蝕珍貴的資本。遇到有利的價格變動方式時，資金獲利曲線可以迅速成長，而發射的交易訊號不會彼此矛盾，同時相同的模組也可以適應不同的市場與商品。

假若，模組內部沒有使用參數，意味者過去與未來之間是否高度相關已不重要。如果，模組運用自身的交易邏輯基礎，就可以穿越時空而持續於隨機變化的世界中獲利。因此，我認為建構好的交易模組，可以由選擇簡單的指標、型態與把握經典的交易規則，作為設計的開始。

另外，以統計學中的大樣本理論來看待模組的參數數量問題時，參數以較為廣泛與多元的方式進入交易系統內部時，在大規模的尋優演算運作下，較多的參數數量模組可以較有機會使過去與未來產生高度相關，也更有機會消除次佳的參數。也就是說，使用多樣的、多元的參數與參數進行最佳化應該是多多益善，而非模組失靈來源。相反的，如果對多重交易邏輯與跨模組之間進行大規模的參數尋優演算，最佳化事實上是獲取模組，甚至是市場資訊的良好方法，從而有機會可以得到模組參數普遍化的結論。

使用多元、多樣參數也正代表模組內部捕捉了很多過去與未來之間的關連因素，而越多種類的聯繫方法，應該是越能代表此等關係比較穩固。在單一商品、單一策略多元參數架構下，即使多元參數彼此間相關聯度高，但進出場期間不盡相同，因此盈虧期間仍會有所不同，從而有機會避免失去表現最佳的參數組合。且多元參數更有機會捕捉到符合未來市場行為的特徵。