于 1985 年创立的美国《期货真相》 Futures Truth 杂志，旨在服务全球股票及商品期货交易者，其核心任务是为读者验证系统交易策略的实际表现。全球各地的交易系统开发商将开发出的策略提交至《期货真相》编辑部，以验证实盘交易成绩。编辑部根据交易表现进行排名，并定期公布榜单。过去多年中，以 TSL-[XXX] 命名的交易系统表现突出。更令人关注的是，TSL 系列交易策略是由同一家公司运用同一款量化策略设计系统软件设计而成。
TSL 的大部分客户是通过《期货真相》的排名榜单认识并了解 TSL，进而购置其产品，作为交易生涯中寻找稳健策略的重要工具。
什么是 TSL？
Trading System Lab (TSL) 是一家位于美国硅谷的高新科技公司，同时也是该公司设计并生产的一款与公司同名的金融量化交易策略设计系统软件。TSL 的独特之处在于它被用作寻优的底层算法引擎——AIM-GP（遗传基因程序二元机器代码自动归纳合成算法）。遗传基因程序（GP）是演化算法的一种。研究者们，如瑞典科学家彼特·诺丁博士和美国科学家约翰·R·科赞博士等人工智能学者，在 90 年代初便开始积极开发这种算法的理论与应用。短短几年间，数百篇计算机学术论文应运而生（1992-98 年，200 多位学者发表超过 800 篇相关 GP 论文），可见科学家们对其高度重视。沃尔夫冈·班茨哈夫博士在 2013 年的论文《遗传基因程序与自然发生现象》中指出，天地万物中的自然发生现象在遗传基因程序算法本质中客观存在。对于了解老子或达尔文的读者来说，这一论证可能令人振奋，因为计算机不再只是生硬的软件指令和冷冰冰的硬件在运行重复性操作。中华文化遗产中老子的道法自然堪称自然发生论的源头。遗传基因程序引用了达尔文理论中的归纳法，通过一群电脑程序不断进化演变进行机器学习，帮助预定义的问题寻找优化解。更简单地说，遗传基因程序能够像天地万物一样，自然地（自动化地）生成能解决问题的计算机程序。
二元机器代码自动归纳合成指的是遗传基因程序算法在计算机最底层，将指令符用二元机器码存储，直接在中央处理器中操作，免去了常规程序所需的编译器或复杂的存储记忆体操作，极大提高了运算速度。事实上，过去几十年尽管科技日新月异，计算机硬件速度提升迅猛，但人们要利用计算机挖掘数据、寻找稳健交易策略，依然需要耗费数月甚至数年时间才有机会成功。(#)
有鉴于此，TSL 公司创始人迈克·班纳决定组建团队，帮助用户缩短策略开发时间，通过尖端的 AIM-GP 寻优算法技术，大幅缩短策略运算周期，最快可在数分钟内完成策略开发。
公司创始人兼 CEO 简介
迈克·班纳，美国亚利桑那州立大学数学系本科毕业，斯坦福大学航空航天工程硕士，曾任国防火箭冲压发动机和飞行器制导系统工程师，以及国防科技研究与发展管理工程师，也是著名交易系统 Big Blue 和 R-Mesa 的设计者。Mike 作为商品期货交易顾问在 90 年代加入美国全国期货协会，并于 1997 年开始开发自己的交易系统，随后创办 Aaron Asset Management, LLC 运行该系统。他还曾担任 Trading and Systems with Regency Stocks and Commodities Fund, L.P. 副总裁。1993 年他创立了如今的 Trading System Lab，1998 年开始管理资金，拥有近 40 年的建模经验。
TSL 用户如何生成一个交易策略？
TSL 用户只需几个简单步骤即可建立一套有利可图的稳健交易系统。
1. 导入原始数据：无需用户设置，TSL 可导入多种不同排版模式的原始数据，例如 CSI、MetaStock、AIQ、TradeStation、Multicharts、Free Internet data、ASCII、TXT、CSV、CompuTrac、DowJones、FutureSource、TeleChart2000v3、TechTools、XML、二进制数和互联网实时数据。
2. 自定义输入：用户可以选择以自定义的指标、价格形态、产品相关性描述和基本面数据，作为 TSL 策略生成器的输入信号。
3. 预处理数据：用预处理器对原始数据和自定义输入进行格式处理（此举可极大加快系统回测运行速度，而多数入门级交易策略设计系统都忽略了这简单却关键的一步）。
4. 选择训练框架：40 个目标函数模型（资金增长曲线形态）、25 个下单模型（建仓、平仓和止损）。一般商品、期权交易模型。定义样本内和样本外数据比例。
5. 人工智能训练开始：TSL 每秒生成几百个甚至几千个新交易策略。视电脑硬件配置和数据量，不消片刻（几分钟）即可生成数十万个策略。
6. 实时检测策略表现：每次进化过程中存活下来的优解策略，都会在样本外数据做模拟交易，得出样本外盈利和回撤的成绩。TSL 将成绩标示在运行路径记录图表中，使用户能一目了然地看到进化过程中每个优解策略的盈利和回撤。用户在斟酌 RPL 表现后，若对策略不满意，可返回第 4 步挑选其他框架重新训练。
7. 转化策略成第三方交易平台代码：用户在当中找到满意的交易策略后，可利用 TSL 将策略自动转换为基于 Multicharts、Java、C、C# 等平台的原代码，在用户习惯的平台上进行回测、模拟交易或实盘交易。
TSL 如何防止过度曲线拟合？
TSL 通过以下特征防止过度拟合，进而提升交易策略的鲁棒性。
1. 大道至简，简化模型参数：一个交易系统的策略越简单，其持久生存能力就越强；换言之，它在未来有更高几率维持过往表现（经典电脑程序语言简化优选方法 Parsimony Pressure，可以理解为奥卡姆剃刀，即占据空间越短的交易逻辑程序权重越高，也就是 Minimum description length 原则）。
2. 进化过程中随机化：在进化过程中引入随机性，避免陷入局部最优的尴尬局面。此过程中随机加入的不仅是遗传算法染色体配对，还有更高阶的遗传进化程序。
3. 进化目标随机化：在遗传基因程序的进化中产生新策略，并不完全以目标函数的指引方向作为进化目标，从而在算法理论上避免陷入局部最优。
4. 初始策略随机化：TSL 开始进化之前，以随机策略作为初始策略，防止了 n-D 空间中局部的最大化，从而提升找到全局最优值的几率。
5. 策略检验多元化：TSL 除了验证是否过度拟合外，还进行样本外测试，在优解运行路径记录图表中对每个在优胜劣汰中产生的策略实时展示，进而说明框架运行的鲁棒性。
6. 进化设置市场无偏化：进化的设置没有市场偏见，不对任何输入数据信息做方向性释义，利用不同方向、组合考验它们的实质利用价值。
7. 权重结构合理化：在 TSL 中，Trade-to-Parameter Ratio 越高越好，交易次数越多且交易策略越简单，那么其权重越高（自由度具体化）。例如，一个通道突破系统可以在一篮子金融产品中产生超过一万次可观的交易。
8. 策略回测最简化：用户在交易品种中生成的交易策略，可方便地调用在其在市场或品种上进行回测，并以此验证策略的鲁棒性。该过程中无需先转化为第三方平台代码，可直接在 TSL 中调用测试。
高级日交易系统计策：TSL 如何应对区制转移问题？
遗传基因程序能够多端输出，允许多个子交易系统共存在一个更大的交易系统中。每个子系统都会对大系统的资本回报曲线起作用。这种自动化策略生成系统威力较大，因为众所周知，综合多个稳健策略的系统比单个表现更优。例如，一个形态交易策略可能对建立看涨仓位有良好表现，一个指标型策略产生的信号对建立看空仓位有良好表现。这种情况在未来有可能随时交替变化。区制转移机制一直是系统交易者需要长期面对的棘手问题。然而，日交易培训数据精度高、数据量相对大，区制转移参考样本比较丰富，TSL 的遗传基因程序能生成多个输出，围绕历史数据中的各种情况，自动寻优和组合多个子系统形成一个大系统。
子系统的寻优过程中，TSL 循着用户定义的目标函数，如夏普比率，自动化地将回报率相关度低的子系统组合起来。最终交易策略的回报和交易稳健度都能得到提高。用户使用 TSL 做策略设计，不仅因为二元机器代码自动归纳合成技术的贡献而节省运算时间，更因为遗传基因程序本质对子系统多端输出的特质，一站式地解决了区制转移问题。用户开发策略的速度和策略回报效益都得以提升。与一些主流量化平台如 dlsm平台 相比，TSL 在子系统的自动组合与目标函数优化上更具针对性。
TSL 的遗传基因程序算法引擎
TSL 针对任何市场交易品种，都能在短短几分钟内自动生成稳健的交易系统。它之所以有如此超凡的运算能力，得益于其底层算法引擎——Discipulus。RML Tech 公司研制的 Discipulus 引擎是基于高级计算机编程算法理论 AIM-GP 研制而成的商用算法引擎。TSL 凭借 Discipulus 实现了 AIM-GP 这个尖端的搜索寻优算法理论。
这里的 GP 采用了遗传基因程序中一种程序排列方法——线性排列式遗传基因程序。LGP 有别于树状排列式遗传基因程序。我们可以理解 LGP 启发自命令式编程；TGP 启发自函数式编程。命令式编程包含一些会影响状态的指令，例如委派变量的数值。大多数商业编程程序都是命令式编程，例如 C++、Pascal 和 Fortran。很多研究者甚至将树状结构下的分支看待成命令式而非函数式，因为很多应用程序用线性排列式处理显得更为自然。
研究显示，AIM-GP 的性能超越神经网络、向量机、分类回归树、树状网络和随机森林。AIM-GP 被誉为当今最成功的二元机器代码自动归纳合成算法之一。它能够在遗传进化过程中，将交易中涉及的各种元素如指标、形态和不同的市场数据，在最底层的二元机器代码进行基因合成，从而速度飞快。进化和合成策略往往不是一般设计师凭直觉创想出来的，而是由全新的数学逻辑组成的技术分析指标。一般应用遗传算法寻优的交易软件只能基于自带或用户提供的逻辑做拼凑，寻优的创新能力自然受限。
事实上，很多交易平台都提供了以 GA 来做策略优化的软件系统。例如，期货交易券商提供的 Multicharts 也自带有 GA 策略优化功能。但一般的 GA 寻优系统速度仅呈线性增加。而引用 AIM-GP 技术的 TSL 寻优引擎运行速度却是以几何级数增长，具有越算越快的特性，最终整体运算时长大量缩短。
（笔者试用量化交易软件无数，认为除 TSL 之外，在用户有生之年，几乎没有其他商用或开源遗传算法的寻策系统足够高效地生成一套高稳健度的策略供实盘使用。）Discipulus 具体实现了 AIM-GP 的算法功能。众多行业的数据分析研究人员，如天然资源、生物科技等，如今都采用 Discipulus 的强大寻优算法引擎来驱动他们的数据挖掘和预测应用系统。在金融交易策略寻优领域，用户若希望用到强大高效的 Discipulus，非选择 TSL 不可。因为全球范围内只有 TSL 获得 Discipulus 在金融交易领域的开发应用权限。
时至今日，TSL 的交易策略寻优系统经过十多年的不断改进，在众多金融交易领域（股票、期货、外汇和期权交易）中都达到了较为完善的水平。TSL 更凭借着独家授权的 Discipulus，独占了 AIM 二元机器代码自动归纳合成算法在金融交易领域的应用。没有其他竞争对手的交易策略设计系统能比得上 TSL 的寻策速度和生成策略的长期稳健性。
学者、行业人士及专业用户评语
Trading System Lab 将我们公司开发的 AIM-GP 打造精炼成一个完备且易用的自动化生成交易策略系统。在这个过程中，TSL 制作出了一个在技术、设计和概念性创新方面都远超我写《遗传基因程序：入门》时想象的成果。设计方面，交易策略中培训用的目标函数制定在我看来是开创性的。
——法兰克·D·弗兰科尼，RML Tech 公司总裁，大学教科书《遗传基因程序：入门》作者
我们与 TSL 公司合作过，欣赏并认可他们对产品质量和科研方面的努力。我们相信 TSL 和利用机器学习来设计交易策略，都将是未来发展的大趋势。
——著名量化基金 Cerebellum Capital CEO 大卫·安德烈
迈克·班纳制作了一个用以开发交易系统的软件。他的 TSL 软件运用人工智能系统，在任何交易市场中都可以进行策略开发。如果你对机器学习感兴趣，我推荐你去了解 TSL 的相关资料。记得保持开放的心态面对这种系统开发的新兴方式。
电脑真的可以超越技术分析老手吗？很多人未必相信。但我经常发现技术分析师作分析时容易带有倾向性，而电脑则不会，它会千方百计地把各种方法都试遍。
迈克在 2008 年一月将三套交易系统提交给我，请我跟踪 18 个月后才发表。之后这三个系统一直在我跟踪系统的前十名。2010 年他又给了我三套系统，我也在持续跟踪。它们并不是完美的系统，就跟其他靠人脑研发的系统一样，也会有一定程度的回撤。但在跟踪的日子里，它们的表现一直保持优异。在最近一期排行榜中，四个系统都进入了前十（在数百个商用交易系统中脱颖而出）。事实就是，迈克的这个软件给了所有系统开发者自己动手开发系统的能力。他们不需要懂得交易策略的基本知识或理念，只需输入风险系数和所需交易市场，电脑就会生成可用的策略代码，直接用于实盘交易。
一开始我觉得这些软件生成的系统会过度拟合，但和迈克讨论后才知道，他用了样本外数据验证，在开发过程中鲁棒性已被反复确认。过往三年中，六套系统中有三套在波动性大的市场环境下成功验证了其鲁棒性。
——乔治·普鲁特，美国《期货真相》杂志调研总监
购买 TSL 是我公司成立以来最优秀的投资之一。TSL 不是给一般只需要生成一两个策略的客户用的，而是给需要跑很多套策略的客户用的。熟悉 TSL 后，就可以用它生成许多不同的高鲁棒性策略在不同的市场中交易。我觉得 TSL 最大的优势之一，就是每次生成的策略都不一样。这样我就可以在同一个品种上同时交易五个不同的策略，从而大大降低回撤。另一个优势是 TSL 的负责人很敬业，我几乎随时都能找到他帮忙。我相信任何基金经理都会觉得 TSL 是创建稳健系统的理想工具。当然 TSL 只是工具，还需要很多人工互动操作，但用了之后效果远胜于不用。这是我亲身使用 TSL 的感受。
——某 TSL 用户，专业交易投资者，美国佛罗里达州
我是 TSL 用户，设计过几个高频和中频系统，在几个不同的期货和股票品种中都能获利。我尝试过设计中长期系统，努力调整不同设置（如 K 线、建仓模式等），但效果不佳。我试过很多其他系统设计软件，没有一个能接近 TSL 生成策略的稳健度。不过 TSL 依然需要大量功夫和时间去钻研。TSL 开发者经常更新软件，加入新功能并提升运行速度。最新功能叫 Evorun，听起来很棒，因为它可以节省时间。之前我需要手动调整框架，选择 K 线、建仓模式等，现在这些劳动可以自动化了。这个新功能的价值难以估算。TSL 需要用户投入很多时间钻研，才能产出当前可用于实盘交易的可靠策略。对于非专业交易人士，我个人认为不太适合购置 TSL。
——某 TSL 用户，专业交易投资者，芝加哥
结语
TSL 在美国市场中的表现可以通过《期货真相》验证，同时官方也提供了多盘交易品种的培训样本以供参考。对于亚太区市场，鉴于系统交易潜在客户较少，团队尚未对大中华区的交易品种进行演示。读者如果对个别市场或交易品种熟悉，并希望了解 TSL 是否能在此品种中找到更优策略，可以提交历史交易数据和明确的回报指标，我们将尝试用 TSL 协助寻策。这样可能比较直接有效。
温馨提醒
TSL 不是大众化的量化交易平台软件，也不是常见的交易策略组合，而是一款协助用户大量生成稳定策略的实用工具。读者在考虑如何应用 TSL 之前，可以先问问自己：“我能否承担 TSL 的费用？我的交易资本是否足够支撑 TSL 生成的策略，从而赚回使用权费用？” 因此建议读者至少拥有等值六百万人民币的系统化交易资本再考虑购置 TSL。
TSL 产品售价：
全球统一售价，在 TSL 官方渠道有公开，无任何折扣。
前三年授权费：6 万美元
三年后每年延续费：2 万美元
( $ ) 学术界有不少研究者对 GP 作出进一步的开发研究，并基于 GP 理论做改进，发展出新的算法，例如 MEP、GE、GEP、LGP、CGP、GADS、IFGP 等。TSL 使用的 AIM-GP 技术由 RML 公司提供。RML 公司一直保持在 GP 领域研究的领先地位，将最高效的算法理论和技术结合 AIM 二元机器代码自动归纳合成技术，编成方便整合的应用软件。
( # ) 在系统交易畅销书作家 Irene Aldridge 2013 年发行的《高频交易实用指南》第二版中，她提到：“开发稳定、盈利的超短线交易策略，至少需要三年时间。” 同样的观点在量化研究领域被广泛讨论，而 TSL 通过高效算法大幅缩短了这一周期。