Page 41 - 台灣股市何種選股模型行得通?
P. 41
第 1 章 導論-為何需要選股模型? 31
能保證模型的未來性。但如果回測過程能夠避免一些可能的偏差,
則在「過去」表現良好的選股模型在「未來」表現也會良好的機會
可以增加。
在以回測評估選股模型的獲利能力時,可能會遇到以下幾種偏
差:
1. 資料操弄偏差 (data-snooping bias)
在建構模型時,對一組資料用大量的、複雜的假設模型來建
模,常能找到對「樣本內」的資料具有高度預測能力的模型,但這
種模型不見得對「樣本外」的資料具有高度預測能力。有個統計學
笑話說:「對資料嚴加拷打,它總會招認你想要的答案。」
2. 短期偏差 (short-term bias)
在建構模型時,對一組具有時間性的資料建模,如果資料跨越
的時間長度不足,常會產生對「過去」的資料具有高度預測能力的
模型,但這種模型不見得對「未來」的資料具有高度預測能力。俗
話說:「路遙知馬力,日久見人心」,有其道理。
3. 先視偏差 (forecasting bias, or look-ahead bias)
在建構模型時,對一組具有時間性的資料建模,如果在預測時
使用了一些當時尚未得知的未來訊息,常會產生具有異常高度預測
能力的模型,但這種模型不具可用性。例如在台灣股市,第一季的
財報實際上要到四月底才公布,如果在第一季剛結束的第一個交易
日,即四月的第一個交易日,就以第一季的財報的股東權益報酬率
來選股,雖然績效可能很好,但事實上當時並無法取得此資訊,因
此這種模型不具可用性。因此回測模型時,必須在財報公布後的第
一個交易日,即五月的第一個交易日之後,才能以第一季的財報的
資訊來選股。先視偏差是所有作回測分析者的大敵,當發現選股模