6.1.2.1 动态交易策略优化

文档摘要

6.1.2.1 动态交易策略优化 6.1.2.1 动态交易策略优化：当PPO遇上滑点——一个被低估却致命的梯度偏移问题与实时修正方案你有没有在回测中看到一条漂亮的累计收益曲线，夏普比高达3.2，最大回撤仅4.7%，年化波动率压得比国债还稳；可一上线实盘，首周就亏掉两个半月的回测利润？不是过拟合，不是数据泄露，也不是市场突变——而是你在用PPO（Proximal Policy Optimization）训练动态交易策略时，悄悄把滑点建模为常数项，而真实世界里，滑点是状态依赖的、非线性的、带随机跳变的、且与动作幅值平方成正比的函数。更糟的是，你的策略网络在反向传播时，对这个函数的梯度完全失敏——它以为自己在优化“理论最优执行”，实际却在优化“理想化幻觉”。这不是假设。