改进点
上一篇 决定更换回测区间并查看历史选股记录。实践后发现效果很一般，主要体验为：更换回测区间仍然可能拟合于一段特定的行情，需要反复验证和实践；查看历史选股记录工作量有点大，需要一个一个寻找到对应时间去查看，而仅查看一部分很有可能会招致误判。所以还是继续按照昨天的套路，继续加一些指标，探索如何让模型应对温水煮青蛙式的行情。
探索过程
第一次摸索，我加上了两个与总涨跌幅相关的入市指标，智能回测后，发现效果一般：
与昨天相比，比较明显地感觉到似乎整体 复利/回撤 的值下降了一些，但也有可能是因为智能回测本身的”运气”问题。继续挨个重建并在长回测区间内测试：
可以在回撤图里看到，过拟合得到了少许缓解。剔除掉其中一个总涨跌幅指标，回测结果为：
接着再剔除掉一个：
哈哈，真是让人笑话了，原来起作用的根本不是总涨跌幅，仍旧为均线组合。带着这个猜测，我重复测试了其他几个优秀的智能回测记录，结果大同小异。至少从这一次的回测来看：涨跌幅配合均线组合，结果很是一般化，能够降低最大回撤，却也得牺牲不少收益率。
接下来我使用智能回测的一个高级功能：锁定。将上图15.70%年化的模型参数完全锁定，另外在入市和出市里面各添加数个KDJ数个RSI指标，原因是KDJ和RSI具有识别波动情况的属性（温水煮青蛙式下跌 还是 过山车式下跌）。他们可以帮助降低最大回撤的同时，提升复利收益率。其逻辑以”依次剔除掉”为主，因为我想在这个模型基础上进行优化而不是推倒重来。
随手整了一个，采用默认参数，单次回测结果为：
看起来降低最大回撤肯定是没有问题了，上高级智能回测，开跑。
晒一下加上锁后，智能回测运行中的截图：
根据官网的描述，锁机制就是：锁定几个指标，不允许改变其设定的参数，仅仅智能变动其他几个未锁定的指标，这个机制相当于给这个功能背后的机器学习算法定了一些约束）
我锁定了之前设定好的均线参数，仅仅只允许其变动新添加进去的指标，给智能回测确定了这些约束后，初始的回测结果就已经非常优秀了。
锁定的指标本身并没有过拟合，我认为这样的方法也非常可靠。
这个智能回测 + 锁的功能确实非常强大，值得深入研究和应用一番。
下图中截取的报告是这次智能回测中，表现比较好的模型，十年十倍收益，承受30%最大回撤，拿到每年23%的复利收益。虽然离我期望中的模型收益风险比差距很大，但是这个模型非常稳定，修改每日持股数、回测区间等，对它的收益影响均在可承受范围内。模型仍然显示出对于11年12年行情的不适应，之后的回撤曲线也相当陡峭，应该还是有一些拟合于06-09年的行情。
接下来打算直接看看11年这段大回撤期间，模型到底选择了什么样的股票，分析为什么会遭遇这么大的回撤。
后记
部分看了下11年这段时间内遭遇较大跌幅的股票以及股票走势，没有发现特别明显的线索或者模式。我猜测更多的可能还是风控的问题，即：风控在这段时间内表现不佳导致的。
尝试挨个剔除既有模型的3个风控，最终发现真正起到决定性作用的只有一个：180金融指数000018趋势型风控。设定的风控组合并没有平衡各个权重。
接下来打算通过智能回测验证自己的猜测：在既有模型上剔除至只剩下180金融指数一个风控，以”并”逻辑再添加一个风控，除了新添加的风控外，其余全部锁定，在2006-2017这个超长回测区间上开跑智能回测。（这里主要是验证关于风控的猜测，并且因为我的其余所有模型均是在短区间上做出来并锁定，不必特别担心过拟合的问题。但是这个超长区间，跑起来确实很慢，有的等了。。）
交流方式
欢迎加入qq群： 643033887 一起探索量化分析股票的方法、量化平台的使用经验分享等。
众人拾柴火焰高，目标：10年千倍模型！