标签归档:风险回报比

价格形态的意义


image

趋势交易者一般都讲究把握大趋势,要以“大势”为第一要义。在趋势交易的大语境下,价格形态就显得格外重要了。

价格形态是安检机,过滤不合适的交易冲动。

任何一个大趋势都会存在无数个入场点。不负责任地说,在真正的趋势中,方向对了,大概任何一个点都不是错的。但入场点之间也存在良莠差异。这其间的辨别标准就是风险回报比。风险回报比不是越大越好。特别大的比值往往意味着分母失效,实盘中容易被打穿止损。好的入场点应该具备一个合适的止损空间和一个恰当的入场位置。一个合适的价格形态往往就可以提供这样一组信息。在这里,价格形态就像安检机器一样,把不适合的入场冲动拒之门外。能够通过过滤的,自然也就是“合规”的入场交易了。

价格形态是发令枪,约束挂单之后的入场。

一个良好的价格形态,必然会在其间提示准确的入场点位。在资金量并不大的时候,一个精准的入场一般是可以实现的。那么,当特定的价格形态形成的时候,入场的发令枪就举起来了;而当特定的价格形态被突破的时候,扳机自然就扣动了,入场便是。按照价格形态的指引,入场有了刚性的约束,对于执行系统形成了良好的保护。

价格形态是价目表,提示一笔交易的止损价格。

一个合格的交易系统必然包含准确地止损原则。价格形态就是建立止损原则最好的依托。一个特定的价格形态,其中必然指明了止损的空间。止损是交易的价格,明确了止损,也就明确了一笔交易最大的代价。从这个意义讲,价格形态就是交易的价目表。

价格形态是包装盒,揭示低级别的共振。

前面都是废话,明白的人不用读,不明白的读了也不懂。价格形态的真相在于此。所谓价格形态,其本质就是低一个或两个级别的趋势。在趋势中根据价格形态入场,本质上就是把握不同周期的共振。如果再结合上趋势分析和更高一级别的共振,那就是趋势分析+三重共振,命中率自然变得更高。——这才是价格形态的最大的价值。如果你能读到这里,相信你会懂的。

原文来自:风云居 | Less is more
本文链接: https://kangjian.net/blog/1533/


管好风险,“找到长长的坡”——一个通过资金管理手段优化交易系统的实例


找到长长的坡

如果你不能够遵守资金管理规则,还不如去拉斯维加斯走一趟。——Alexander Elder

这是一个虚拟的案例。这个交易系统是不存在的。举这个例子,只是为了试算一下:交易系统的绩效与资金管理、交易频率之间的关系

结论是:结合对交易频率的控制,更保守的资金管理有利于交易绩效的改善。

未优化的交易系统

假设有这样一个交易系统:

  • 命中率:50%
  • 单笔交易期望:0.5R
  • 单笔盈利:1.5R
  • 单笔亏损:1.0R

这是一个盈利的交易系统。假设初始资金1万元,每次开仓投入1.2%的资金冒险,重复交易1000次。对这个模式进行100次独立的模拟,结果如下:

  • 平均终值为20.82万元,即本金的20.82倍
  • 期间最大回撤(MDD%)均值为16.36%

应该说,这个绩效是不错的。进一步通过计算标准差求得:

  • 终值与收益率
    • 有67%的概率,账户终值处于【10.85万元,30.78万元】的区间,即总收益率介于9.85倍到29.78倍之间
    • 有95%的概率,账户终值处于【0.88万元,40.75万元】的区间,即总收益率介于0.88倍到39.75倍之间
  • 最大回撤比率(MDD%)
    • 有67%的概率,期间会发生幅度为【–21.23%,–11.50%】的资金回撤
    • 有95%的概率,期间会发生幅度为【–26.10%,–6.63%】的资金回撤

如果用这样一个交易系统操盘,可知:

  • 账户最终出现小幅亏损的概率并不小
  • 出现10%以上的资金回撤是大概率事件,回撤幅度达到25%也是正常的

通过资金管理进行优化

其余条件不变,只是将R值由1.2%降为0.6%,交易次数设置为2000次,交易模式变为:

初始资金1万元,每次开仓投入0.6%的资金冒险,重复交易2000次

依然是100次独立的模拟,结果如下:

  • 平均终值为20.65万元,即本金的20.65倍
  • 期间最大回撤(MDD%)均值为8.50%

初步分析,收益倍数大体变化不大,最大回撤比率由16.36%下降为8.5%,下降了几乎一半。

同时,进一步计算:

  • 终值与收益率
    • 有67%的概率,账户终值处于【12.63万元,28.67万元】的区间,即总收益率介于11.63倍到27.67倍之间
    • 有95%的概率,账户终值处于【4.61万元,36.69万元】的区间,即总收益率介于3.61倍到35.69倍之间
  • 最大回撤比率(MDD%)
    • 有67%的概率,期间会发生幅度为【–11.19%,–5.80%】的资金回撤
    • 有95%的概率,期间会发生幅度为【–13.88%,–3.11%】的资金回撤

通过优化后:

  • 账户最终亏损的风险被显著降低了
  • 账户回撤幅度很可能被控制在15%以内

方法论的意义

资金管理很重要。两点启示:

  • 主动降低R值可以降低单笔交易风险。
  • 降低R值牺牲的获利空间要通过提高交易次数弥补。

巴菲特说,投资要“发现足够湿的雪和长长的坡”。提高交易次数就是在延长滚雪球的“坡”。当然了,如何提高交易次数不是本文讨论的内容。以后再写吧。

原文来自:风云居 | Less is more
本文链接: https://kangjian.net/blog/1520/


做交易,你应该知道什么是SQN指数


Van Tharp曾经提出一个非常重要的概念,即SQN指数。这是一个用来衡量交易系统好坏程度的指数。

SQN指数是什么

SQN指数的计算公式是:

SQN=root(n) * expectancy/stdev(R)

SQN=交易次数N的平方根 * 交易系统的期望值 / 期望值的标准差

其中:
– root(n) – 交易次数的平方根
– expectancy – 交易系统的期望值,以倍数(风险回报比)表示
– stdev(R) – 期望值的标准差

显然,SQN指数具有如下意义:

  • 交易次数越多,获利机会越大。

  • 风险回报比越大越好。

  • 风险回报比的标准差越小,交易结果越规律,回撤越小。

SQN指数的含义

很显然,如果你要优化SQN指数,需要做的事请包括:使交易次数和平均风险回报比的乘积尽可能大;使公式中的标准差尽可能小。

SQN指数的含义 (n=100时)
SQN 值 交易系统的质量
1.6–1.9 Poor but tradable 不怎么样,可以凑合用
2.0–2.4 Average 普通
2.5–2.9 Good 好
3.0–5.0 Excellent 杰出
5.0–6.9 Superb 一流
7.0- Holy Grail 圣杯

SQN指数的局限与修正

在这里,我们应该关注的是风险回报比均值和其标准差之间的比值。交易次数的平方根在这里不是最重要的因素,你可以很轻松的通过增减交易次数、在你的投资组合里增加更多的交易品种来改变它。

举个例子:我们拥有一个风险回报比为0.80R、标准差2.5的交易系统,我们在一年内用这个系统进行了100笔交易,这个系统的SQN指数是:

SQN = root(100) * 0.80 / 2.5 = 10 * 0.80 / 2.5 = 3.20

显然,这是一个杰出的交易系统。

现在假设一年内你进行了200笔交易,现在SQN指数变成了14.14*0.80/2.5=4.52。交易的成绩变得更好了。

再假设你一年内只进行了25笔交易,SQN指数立刻下降到了1.60。

可见,交易次数的多寡会使SQN指数出现很显著的波动。对此,Van Tharp给出的方法是,按照交易次数计算其平方根,但超过100笔交易,交易次数以100计算。

这里给出另一个修正的思路。

请注意,在上面的三种情况里,风险回报比和标准差的比值始终固定在0.32这个值上。

因此,我们可以去掉交易次数的变量,将SQN指数进一步修正一下:

SQN指数的含义 (剔除交易次数影响时)
风险回报比与标准差的比值 交易系统的质量
0.16–0.19 Poor but tradable 不怎么样,可以凑合用
0.20–0.24 Average 普通
0.25–0.29 Good 好
0.30–0.50 Excellent 杰出
0.50–0.69 Superb 一流
0.70- Holy Grail 圣杯

小结

SQN指数很重要。越高的SQN指数意味着交易系统越好。使用SQN指数越高的系统,控制好仓位,我们也就越容易实现我们的交易目标。至于是否优化——剔除交易次数变量,还是以100次为上限——全看你的兴趣了,都行。

原文来自:风云居 | Less is more
本文链接: https://kangjian.net/blog/1484/