选择权回测 – 周末卖出量

交易次数：212（169 胜，43 负）
净利润：1.2485 BTC （+124.85%）
每笔交易平均利润：0.0059 BTC
年利率：27.4%
最大回撤百分比：23.8%
最大绝对回撤：0.27 BTC

从更长的时间段来看，整体表现实际上有所改善。然而，这种改善在整个时期内并不均匀。该策略在 2021 年中期之前一直举步维艰，此后表现强劲。最大回撤也更大。

调整参数

这看起来确实很有希望，但让我们看看调整几个参数会如何影响性能。此步骤可以帮助检查我们所看到的是否真的是潜在现象的结果，或者只是这种特定的设置选择恰好表现良好。

经过测试的策略没有太多的进入/退出触发器或额外的过滤器，但我们仍然可以检查改变 delta 和开仓时间对策略性能的影响。如果这些参数改变后性能急剧下降，则表明我们可能只是对这组数据中初始设置的执行方式感到幸运。这意味着回测不能令人信服地证明良好的性能可能会在未来继续下去。

下表显示了不同 delta 值和不同开仓时间的 APR。APR 的计算方式为总回报率除以回测期的年数。

可以看出，即使目标 delta 和开盘时间发生变化，该策略仍能获利。这表明，无论确切的开盘时间或 delta 如何，在周五下午/晚上卖出周日波动率的想法都具有一定的稳健性。

还要注意，在较早的两个开盘时间 12:00 和 14:00 UTC，盈利能力明显较低。造成这种情况的一个可能原因是，美国市场直到 13:30 或 14:30 UTC 才开盘，具体取决于一年中的时间（这因夏令时而异）。这意味着，无论一年中的什么时候，到 16:00 UTC，美国市场都会开盘，并且由此引发的任何初始走势都已经发生。

很明显，一旦 delta 值降低到 0.25 和 0.2，利润就会降低。delta 值越低，期权离当前价格越远，因此其中一个期权以价内（In-Money）到期的可能性就越小。但是，获得的信用额也会降低。这个结果表似乎表明，当出售 delta 值较高的期权时，获得的额外信用额足以弥补其中一个期权以价内到期的可能性，从而带来更大的总利润。

亏损

下表显示了每次回测中BTC的最大跌幅。我选择使用最大BTC跌幅而不是百分比跌幅，因为回测中使用的是持平仓位规模。

本表中的 0.18 值代表 0.18 BTC的亏损。由于我们假设起始余额为 1 BTC，因此这些值也可以读作起始余额的百分比，例如 0.18 是起始余额的 18％。

请注意，由于仅使用每小时数据进行回测，因此此处显示的最大亏损可能略有低估。

卡尔玛比率

如果我们将年回报率 (APR) 除以最大回撤，我们会得到每次回测的 Calmar 比率。这些 Calmar 比率显示在下表中。

通过同时考虑 Calmar 比率（而不仅仅是总回报），我们可以更好地判断策略的回报是否代表获取了更多价值，或者是否仅仅是承担更多风险的补偿。Calmar 比率越高，风险调整后的回报就越好。任何超过 1 的值都表示平均年回报率大于该期间的最大回撤。

最高的回报发生在 delta 值较高且开市时间在美国市场开市之后的时期。表格右下角的 Calmar 比率较高表明这些较高的回报不仅仅是承担更多风险的结果。风险调整后的回报也更好。

回溯测试有多大用处？

回溯测试提供了一种使用历史数据来确认交易想法在过去是否可行的方法，希望能够提供一些关于该交易想法在未来是否可能奏效的见解。

我将在接下来的几个月里根据回测发表更多文章，但由于我已经开始了一个特别有利可图的文章，所以现在值得详细介绍回测的一些常见陷阱。

这是可能出现的问题的非详尽列表

• 过去的表现并不能保证未来的表现。即使我们发现一个策略在回测期间具有真正的优势，市场也会发生变化，策略的有效性可能会降低甚至变为负面。随着越来越多的交易者参与同一笔交易，这种情况可能会随着时间的推移而缓慢发生，或者突然对特定事件做出反应。
• 过度拟合。这是在回测中过度优化策略性能的过程，以至于策略参数适合样本的噪声而不是可能存在的任何真实信号。这可能会导致策略的未来表现比回测表现差很多。即使避免了对数据的额外过度拟合，策略仍然会根据价格在回测期间恰好采取的一条路径进行测试，但这并不是它可能采取的唯一路径，并且不太可能与未来采取的路径完全相同。
• 最大回撤被低估。我使用每小时数据进行这些回测，这意味着在下一个每小时数据点之前恢复的任何大幅下跌都不会可见。因此，回测的最大回撤可能低估了实际经历的回撤。即使我们在回测期间准确测量了回撤，这也不太可能是最大的回撤。
• 前所未有的极端市场事件。今天回顾的时期包括新冠疫情崩盘、Luna 崩盘和 FTX 崩盘，但这并不意味着未来不会发生更极端的事件。
• 样本量。第一次回测的样本量为 35 笔交易。即使我们将回测期延长至 4 年以上，交易次数也只有 212 次。这当然更好，但样本量仍然不大，尤其是对于负偏策略而言。
• 前瞻偏差。这是在回测中使用当时无法知道的数据时的情况。我不认为单个回测本身包含任何前瞻偏差，但是，您是否注意到，最初查看周末波动率的想法来自于查看与回测相同时期的平均每日波动率？这不是该时期开始时可以获得的信息。（前四年也存在类似的周末波动率较低的模式，但不那么明显。）

尽管存在这些问题，回测仍然是检查可能的交易策略可行性的有用工具。我将在以后的文章中介绍更多回测，还将介绍对冲策略的想法，无论是通过动态 delta 对冲，还是将主要期权策略与其他期权相结合。

历史期权数据

我在自己的数据库中记录了超过 6 个月的Deribit BTC期权数据，并在此处免费提供。推文中链接的 parquet 文件包含 2024-01-13 至 2024-07-27 期间Deribit上所有BTC期权的每小时快照。这是用于一些初始编码和测试工作的理想数据集。

如果您想购买一些更全面的历史期权报价数据来进行自己的回测，可以通过许多 Deribit 数据合作伙伴（例如 Tardis 和 Kaiko）获得。您可以在此页面上找到Deribit数据合作伙伴的链接。

作者

最近的文章