开发成功的算法策略已经是一项艰巨的工作。然而，交易单一策略可能会带来一系列风险，即使该策略本身是稳健且有利可图的。

那么，作为算法交易者，我们如何准确了解我们的系统正在提供什么，将我们的思维方式从开发转变为实施，并增加我们的风险调整回报？

交易策略分布分析

大多数交易者都熟悉查看标准绩效报告，其中包含 CAGR、夏普比率和最大回撤等统计数据。但是这些单一的数字只能让我们对系统实际交付的内容有一个小小的了解。通过将回报分布分析添加到您的工具包中，您将能够更好地了解系统可能在更精细的层面上产生什么。

对交易系统进行分类的最常用方法是基于入场类型，动量或均值回归风格。这最终是主观的和限制性的，因为许多策略将包含两种制度的元素。例如，均值回归策略可以使用可能具有动量特性的过滤器。在添加过滤器之后，它仍然是一个均值回归系统吗？

这个问题可以通过使用统计方法来解决，以便通过其分布的描述性统计而不是主观类型或风格对策略进行分类。通过分析偏斜，并查看我们的回报分布的尾部，我们可以更好地了解该策略实际交付的内容。从而使我们能够对它属于哪个类别做出定量判断。

作为可投资证券的策略，改变你的心态。

大多数新手交易者将他们的策略视为独立系统，从构思到实施都保持相同的概念。但是，有两种截然不同的环境，定量研究实验室的真空，以及您将在其中执行策略的投资组合。我们需要考虑此实施的影响，以及它对我们当前投资组合的影响以及是否适合我们的投资任务。做到这一点的最佳方法是将分配策略视为可投资的证券。

在最基本的层面上，任何策略都有一个单一的目的。这是提供具有特定特征的回报系列，通常是超大的风险调整回报。如果是这种情况，那么我们可以考虑将已获得资金的策略视为对该特定回报系列的长期押注。 这与投资任何股票、商品或其他资产相同。

现在，投资您的策略和投资任何其他资产或证券之间的动机基本上没有区别。你会将最多的资金分配给那些表现出最理想特征的人，而较少分配给那些没有的人。

应用投资组合优化和多样化。

如果我们能接受这样的逻辑，即投资于已完成的策略，投资于任何其他资产是相同的。自然，下一个合乎逻辑的步骤是创建一个投资组合。没有人会推荐他们的朋友只购买一只股票。那么，作为一名系统交易者，您为什么只想拥有一种策略呢？

我们现在可以依靠两个在学术界进行了大量研究并在该领域实践了数十年的领域，即投资组合优化和多样化。通过将这些非常关键的原则应用于创建传统资产组合，我们可以创建多个策略系统的组合。您从创建传统资产组合中获得的相同好处，例如减少股票曲线波动和增加风险调整后的回报，然后可以转移到您的一套系统化交易策略中。