前文链接：【择时研究】量化投资中的择时研究
调整策略收益曲线之后统计择时方法的有效性，方法是将原来的股票策略按照每月收益分组，再将数据随机Shuffle打乱一下，得出最终的一个随机打乱之后的收益数组，再根据随机打乱之后的收益数组，应用之前的择时公式，测试效果如何。
这种按月份随机调整曲线方法的优点
1. 这种方法模拟了市场的极端情况，例如大震荡市场中没有特定趋势的情况。这种情况下，可以检测策略是否能够降低最大回撤，并保持收益率在可接受的范围内。这种方式可以帮助我们更好地理解策略在难以预见的市场环境中的稳健性，以及它在压力下的表现。
2. 这种方法可以产生大量模拟数据，这些数据具有与原始数据相同的夏普率和波动率，提供了大量的“实验”场景，用于测试和优化策略。
这种按月份随机调整曲线方法的缺点
1. 在原始策略中，回撤的概率分布通常遵循正态分布，但在随机打乱之后，回撤的分布模式会发生改变，可能导致策略的有效性受损。例如，最大回撤的平均值可能会从59%降低到41%，而20%的回撤次数可能会增加。这些变化可能会导致择时次数增加，也可能会使回撤的分布模式从正态分布变为随机模式。
2. 同时，这种方法可能会破坏策略的动量效应。在原始策略中，前后涨跌幅度可能存在一定的相关性，表现出趋势性。但在随机打乱后，这种趋势性可能会被破坏，大涨之后不再一定会出现大跌，大涨之后大跌的概率会降低。
进行1000次随机之后的统计数据
序号为0的是原来策略数据，
红框里面是1000次随机数据之后的平均值，可以观察到平均来看，最大回撤降低，夏普率，波动率降低，收益率降低，整体的择时次数也是在可接受的范围内。这就验证了择时策略在极端情况下的可行性是OK的
相关文章
20190617-华泰证券-华泰人工智能系列之二十二：基于CSCV框架的回测过拟合概率
