对抗过拟合：cGAN 应用于策略调参
创建于 更新于
摘要
本报告提出基于条件生成对抗网络(cGAN)的量化策略参数调优新框架，通过生成拟真未来模拟路径，大幅降低历史回测路径随机性导致的参数过拟合风险。以中债-国债总净价指数为例，滚动训练cGAN生成未来500条两年模拟路径，在各模拟路径上回测277组趋势择时信号，筛选统计表现最稳健参数组合用于实际交易。实证结果表明，cGAN生成的模拟路径具备良好拟真性和区分能力，基于cGAN调参的趋势择时策略在夏普比率、最大回撤等方面优于传统历史调参策略，且策略调仓频率适中，表现稳健，在不同债券期限指数均取得良好效果。该框架为降低量化策略参数过拟合提供了新的有效思路 [page::0][page::3][page::4][page::7][page::12][page::15][page::17][page::23]。
