自序
第1章 开发和执行交易系统 1. 关于顶级交易者
2. 关于交易系统
一套完善的交易系统应该能够经受不同市场环境的考验,可以在跨市场和多时间框架的情况下正常工作。这种系统不会对所用的参数过分敏感。当“长”时间(两年或两年以上)交易时,业绩可能既不是最差的也不是最好的。 完善的系统不对市场行为做过多的假设,使用相对较少的变量和参数,并且不因市场运动而改变其参数,不会因参数值的些许变化而引起业绩的急速下滑。在大多数投资组合中都值得使用这种系统,因为它们是可靠的,另外它们很容易执行。
3. 关于对交易系统信心
4. 关于交易执行的挑战
5. 技术指标
第2章 交易系统设计原理
第3章 系统设计的基础 1. 顺趋势还是逆趋势
2. 关于参数优化
任何最优化演练都有其潜在的益处。第一个益处就是对交易系统不具获利性时的市场行情的认识。对于我们建立的任何规则,都会发现产生亏损的市场运动。这是因为市场在触发了交易信号之后,却向相反的方向运动。 第二个益处是理解模型背后的一般性思想。例如,我们可以测试模型是在趋势市场中获利还是在无趋势市场中获利。我们在设计这些规则具有获利性时,是假设市场处于特定的行情之中。优化练习使我们检测自己的假设是否正确。 第三个益处是理解初始资金管理止损的作用。我们可以量化初始止损的级别,以便获取主要的利润。例如,如果止损太过宽松,那么亏损交易就相对较大。相反地,如果止损距启动头寸太近,那么就会经常止损出场。每笔亏损交易的亏损额较小,但是,随着亏损交易出现频率的增高,总资金回撒量将超过初始止损额。 优化练习带给我们的最大益处是重新加强了交易者对特定交易系统的信任感。从根本上说,交易者能够完全按照计划执行交易系统是最重要的。所以,交易者们所做的任何测试都可以使他们更好地了解系统的性能,变得对系统的亏损和获利特性更加适应,从而帮助他们在实际交易中更加自信地执行该交易系统。 3. 初始止损:答案还是问题 如果交易者使用初始止损,就要遵守资金管理规则,从系统设计和市场波动性中得出止损的值。一种良好的风险控制思想是使用2%的总资金初始止损,然后使用最大不利偏移(英文缩写为MAE,盈利交易中的最大资金回撒的分布)来为特定的系统选择止损金额。在计算合约数目之前,要把MAE与一些对市场波动性的度量关联在一起。于是初始止损有三个标准:资金管理、MAE和波动性。 如果我们在测试自校正系统时不适用初始止损,那么我们可以对入场信号的效率获得更多的感性认识。但是,如果系统不是自校正的,那么在测试时必须使用初始止损,3倍ATR是个不错的选择。 最好的交易就是立即具有获利性的交易,同时也说明只有5%的交易是大型盈利交易,所以交易者应该将工作重点放在不要错过这些交易中。 一个紧凑的止损产生的资金回撤可以大于根本不使用止损产生的资金回撤量。 当市场在交易区间内运动时,止损将以更高的频率被击中,所以我们应该使用一些趋势度量方法来改变自己的初始止损。 在交易的开始阶段,被市场止损提出的风险最高。所以在设置止损时考虑整个市场的波动性是非常有用的。 在系统测试时我们应该使用多大的初始止损呢?这取决于我们使用的数据类型和系统设计的种类。如果使用基于系统设计的固定止损,那么就使用宽松的止损。如果对于每笔交易设置的止损不同,那么就要求交易者掌握设置止损的精妙艺术。在设置止损时考虑整个市场的波动性是非常有用的。 4. 你的设计有风险控制吗? 跟踪止损是用来控制资金波动性和保护利润的一种常见方法。如果我们正在使用对趋势变化反应比较慢的长期系统,那么这种止损将会使我们的资金曲线变得平滑。 我们可能需要一个滤网,如果交易出现亏损的话就在入场五日内出场。 5. 谨慎对待数据
6. 业绩评估
7. 交易策略的稳定性
8. 设计问题—入场和出场策略 入场设计问题 技术型入场的基础是市场产生的数据,比如价格、成交量、持仓兴趣和交易委托。每种入场策略必须符合一条或多条标准才产生买进或卖出信号。每个入场策略必须解决四个常规的设计问题:灵敏度、选择度、敏感度和耐受度,统称为4S。 1. 灵敏度。灵敏度越高,市场运动和实际入场信号之间的延迟时间越短。 2. 选择度。选择度越高,系统的盈利因子越大。选择性系统一般交易频率较低。 3. 敏感度。入场策略越完善,它对噪声的敏感度越低。 4. 耐受度。交易策略的耐受度越高,它可以应用的投资组合就越广泛,它的获利性就越容易长期保持。 趋势跟随策略的4S评价: 1.灵敏度:可以通过使用不同长度或不同数据类型的移动平均来改变。 2.选择度:可以通过增加移动平均的长度来增加。
3.敏感度:在所有的长度上都较低,即便是随机选择的长度也不容易错过主要趋势。 4.耐受度:可以用于多元化市场投资组合。 逆势策略的4S评价: 1.灵敏度:一般较高,可以在市场极值出现的当日检测出该极值。 2.选择度:相对较低,因市场和时间周期的变化而产生较大变化。 3.敏感度:相对较高,关键转折点不容易一直被捕捉到。 4.耐受度:相对较低,只适用于少数市场。 突破策略的4S评价: 1.灵敏度:较高,可以立即检测到市场的极值。 2.选择度:通过增加时间周期或使用复杂定义,可以得到提高。 3.敏感度:中等,根据时间周期的不同,失败突破产生的概率从30% ~ 70%不等。 4.耐受度:较高,可适用于广泛的多元化投资组合。 基于形态系统的4S评价: 1.灵敏度:较高,可以立即检测到一些形态。 2.选择度:一般较低,不可系统化地修改。 3.敏感度:较高,易受随机失败的影响。
4.耐受度:较低,一般只适用于选择的市场。
出场设计问题 在设计出场策略时,我们所做的任何权衡还会有其他的相关问题,比如渗漏性、贬值性、振动性和完善性。 1. 渗漏性:未平仓利润损失是出场太慢的代价。 2. 贬值性:出场太快的代价。 3. 振动性:出场前市场波动性的容许量。 4. 完善性:当面对多变的市场行情时,策略的稳定性。 基于时间的出场策略 渗漏性:出场前的交易利润损失相对较低,易受快速反转的影响。 贬值性:相对较高,趋势可能继续,需要重新入场,重新调整头寸规模。 振动性:相对较低,在市场进入反转前的波动期之前出场。 完善性:相对较低,通常为市场专用型,经常需要校正。 基于价位的出场:获利目标 该价格目标可以是固定金额的,也可以是与市场波动性相关的量。 渗漏性:出场前的交易利润损失相对较低,易受不良执行的影响。 贬值性:相对较高,趋势可能继续,需要重新入场,重新调整头寸规模。 振动性:相对较低,在市场进入反转前的波动期之前出场。 完善性:相对较低,通常为市场专用型,经常需要校正。 基于价位的出场:跟踪止损 常见的几种是:定额止损、资金百分比止损、价格通道止损、图表形态止损、持仓利润回调百分比止损和波动性止损等。 渗漏性:出场前的交易利润损失相对较高,易受不良执行的影响。 贬值性:相对较低,出场可以产生于趋势反转被确认之后。 振动性:相对较高,可以吸收较大的市场波动而不出场。 完善性:相对较高,可以用于广泛的市场和时间周期。
第四章 1. 一套简单的趋势跟随系统——65SMA-3CC系统 为了提高趋势判断的准确性,65SMA-3CC系统需要3个连续的收盘价(3CC)高于或低于65日SMA(65SMA)来决定趋势已经改变。 让我们对该入场信号进行一下严格测试,目的是判断65SMA-3CC系统的入场是否比随机入场要好。我们按照李布和卢卡斯的方法来测试入场信号。测试时,在第n天收盘时出场,不适用止损,也不考虑滑点和佣金的影响,盈利交易的比例应该一直大于55%。 对于每一个市场我们不得不设置不同的定额止损,但可以使用相同的波动性止损。需要注意的是,对于波动性止损,实际止损金额是随着时间变化,所以必须保证该止损处于为风险控制所设置的总金额限制之内。 改进措施:止损、滤网、添加出场规则。 学会使用最大有利和不利偏移、交易的频率分析以及基于波动性的初始止损。 2. 一套只用于做多的基于价格模型的系统——CB-PB系统(通道会跳策略) 3. 一套寻求趋势、度量趋势强度的系统——ADX爆发趋势寻求系统 4. 一套自动模式切换系统——顺势一逆势系统 如果ADX高于其18日SMA,那么市场正在做趋势运动,我们将在新的高点买入,并在新的低点卖出。反之,如果ADX低于其18日SMA,我们将在新的高点卖出,并在新的低点买入。
5. 一套用于相关市场的场间系统——黄金一债券系统 在分析品种间关系的时候有几个难点。第一个问题是弱相关市场的因所关系具有时间上的滞后。第二个问题是每个市场都有自身的供需力量,他们通常会扭曲正常的品种间关系。第三个问题是每个市场的内在技术行情。 对于传统的单市场系统,我们可以用品种间信号作为出场策略。 6. 一套用于抓取底部的系统——底部钓鱼系统 针对特定市场行情特征开发的策略。 如10MA下穿11日MA,在收盘时买进;如10MA上穿11日MA,在收盘时卖出; 模型规则如下: (1)一个20日底部已经在最近5天内形成; (2)今天的高低价差大于X,对于保守型交易X等于4,对于冒险型交易X等于1; (3)今天的收盘减去开盘价大于Y,对于保守型交易Y等于3,对于冒险型交易Y等于0; (4)如果规则123都为真,那么在下个交易日收盘时买进; (5)在交易的第20日收盘时退出; (6)每份合约的初始资金管理止损等于2000美元。 7. 一套用于逐渐增大仓位规模的系统——超常机会系统 理论上当市场呈现超常机会时,我们应该努力增加仓位规模。 超常机会的定义比较简单。使用一条50日MA,并在他的两侧画出3%的交易带。当7日MA向上或向下穿越交易带时,我们便认为超常市场机会产生了。 出场策略:在交易的第20日收盘时出场是一个简单而又良好的策略;另一种出场策略是当7日MA返回交易带时了结该交易。 第5章 开发交易系统的变化版本 根据著名的交易系统开发适合自己的新版本交易系统,我们可能得到一种获胜的优势。我并不是建议使用某种特定的思想交易,而是试图激发交易者的创造性。改进现有系统的重点在于每个变化版本如何改变原交易系统的架构和它对市场数据的反应。 带有跟踪止损的收盘价通道突破系统(回顾指定天数) 带波动性出场的收盘价通道突破系统 使用20点屏障的通道突破(最高点加20点,最低点减20点) 带内部波动性屏障的通道突破(最高点减波动性,最低点加波动性) ADX的趋势比其绝对值更有用。 对于使用变合约资金管理策略来说,回调类低风险入场是理想的选择。 长传是一种5棒底部捕捉形态,它与市场在双重底附近的运动有关。一般的说法就是底部市场探测器。 一旦我们知道变化版本的测试结果与参考系统相比具有统计学显著性,我们就可以评估它们是否符合我们的交易风格。使用这种方法我们就可以开发出一个大型的交易系统集合。 第6章 资金曲线分析 1.简介 随着时间的消逝,只有资金曲线会为我们提供交易系统性能的完整连续的图像。我们每天的设计决策将如何影响业绩,普通的测试总结只能给出极少的信息。所以在理解我们的决策对资金曲线变化产生的影响之前,我们的系统设计都是不完整的。 2. 度量资金曲线的“平滑度”
线性回归分析的输出之一是残差平方和(RSS)。RSS是每个点上实际数据和拟合回归线之间垂直距离的平方的总和。下一步是用数据点总数减2后除RSS,然后求平方根,计算出标准误差。标准误差度量的是平滑度。如果 注意线性回归方法可以用于任意长度的时间框架和任意资金曲线。标准误差提供了一种通用的、一致的和强有力的平滑度测量方法。 只有曲线间存在负相关性时,两条或多条资金曲线的合成SE才比单条曲线的SE小。 我们可以将多元化主题推广到在相同的市场上使用多套系统。如果这些系统是负相关的,那么资金曲线将变得更加平滑。如果这些系统具有正协方差,那么总的标准 误差将增加。当然,如果所有系统都具有获利性,那么斜率也将增加。注意斜率和平滑度是不相关的,所以,增加斜率并不意味着会增加曲线的平滑度。 我们可以将基于线性回归的分析推广到计算系统的回报风险比,方法是计算斜率与标准误差之比。在相同的数据集上对不同系统进行比较时,这是一种快速、可靠的方法。 3. 出场策略和投资组合策略对资金曲线的影响 通过将不同逻辑的交易系统组合用于同一市场,可以提高回报/风险比。 具有正协方差的系统组合将增加SE,降低平滑度。现在便加入了一个复杂的因素,我们不知道系统间的协方差在未来会如何变化。所以,单纯将各种系统组合后用于同一市场不一定会增加资金曲线的平滑度。 我们可以证明,向一个投资组合中添加更多市场不会增加平滑度,除非市场之间是负相关的。 当我们改变出场策略,在相同市场上使用不同的系统组合或不同市场的组合上使用不同的系统时,资金曲线的SE都不会自动减小。但是,改变入场策略会使SE产生明显的变化。该结论,与多元化投资将给出比较平滑的资金曲线是有一点相悖的。 4. 月资金变化的分析 线性回归方法没有显示出系统在1个月、2个月或3个月的时间里亏损了多少钱,也没有反映最大累积亏损。我们还希望知道盈利月占总月数的百分比,以及添加特 定市场或改变投资组合时资金曲线是否会变得更加平滑。另一条有用的信息是,系统从连续亏损中恢复过来的速度(用资金曲线上新的高点之间的月数来度量)怎 样。 我们从资金分析中收获的另一条重要信息是获利时间间隔的百分比。这将以月为单位告诉我们连续盈利月所占的百分比,是一种对系统性能非常有用的度量。 把不同的市场组合在一起,希望增加获利间隔的百分比时,我们应该仔细分析一下每个市场的获利间隔百分比。度量多元化过程成功与否的一种好方法是看获利间隔的百分比是否在不断增加。此处的多元化包括多市场、多交易系统和多种资金管理策略。 5. 滤网对资金曲线的影响 因为亏损主要来自整固区的入场,所以滤网的主要目的便是滤除一些不具获利性的入场。代价可能是进入趋势较迟,损失部分利润。
些计算结果间接表明,滤网可以产生更加平滑的资金曲线。所以,我们还应该在投资组合级上评估改变入场 6. CTA的盈利模型 7. 稳定的资金经理等级评定 开发一个对盈利产生过程(RGP)的性能进行等级评定的稳定程序是相当有趣的工作。这种等级评定主要用来构建有效的投资组合,获取更大的利润。 随着时间的过去,市场中的这些变化将反映在风险调整后业绩的变化中。因为大多数CTA都在持续研究新的交易思想,所以投资组合和RGP一般也会随着时间变 化——对于一些CTA来说这一过程较慢,而对于另一些CTA来说则非常迅速。这使得长期业绩比较更加复杂化。另外,如果CTA同时选择改变杠杆,那么业绩 变化甚至会更大。 我们可以根据风险调整后的盈利使用盈利效率来比较相对业绩。盈利效率被定义为平均月盈利与这些盈利的标准偏差的比值。 在测试周期上的等级评定将根据风险调整后的业绩把投资组合滚向业绩最佳的CTA。 8. 镜子,墙上的镜子...... 9. 盈利规格化 假设我们正在一个行情超棒的月的月底比较两个RGP或两位经理人。第一个问题是确定在这个月中哪一位的业绩比预计的要好;第二个问题是在过去的一个季度上盈利是否与使用的杠杆相一致;第三个问题是该盈利是否与先前盈利的形式相一致。 我们需要一个度量标准来度量最近这个月(或者要研究的那个月)的业绩。任意选择末尾⒛个月月盈利的标准偏差(Std24)作为将盈利规格化的标准,这24个月不包括最近这个月或者要研究的那个月。 规格化盈利 = 月度盈利 / Std24 根据规格化盈利比较CTA更有实际意义。因为它通过调整枉杆使指定周期上计算出的月盈利的标准偏差相等,很容易将CTA置于平等地位上进行比较。 10. 风险调整后业绩的度量方法 一类定量业绩度量方法是计算风险调整后盈利。 对夏普比率的批评,包括对受不断增加的杠杆操纵的敏感性,在解释负值方面的含混性,以及倾向于稳定盈利的偏见性。夏普比随着时间的发展会偏爱稳定的盈利, 而非收益产生爆发的获利程序(即上侧波动性较高的程序)。在设计夏普比时使用标准偏差的另一结果是,因为标准偏差的计算对盈利实现的时间顺序不敏感,所以 夏普比不能区分间歇性亏损和连续亏损。
11. 风险调整后业绩的度量方法的比较 12. 未来业绩控制图表 利用统计学的中心极限定理来实现预测目标。 13. 小结 回归分析中的标准误差是对资金曲线平滑度一种很好的度量标准。比较平滑的资金曲线拥有较小的标准误差。 我们看到,产生“平滑”资金曲线的一些常见方法并非每次都奏效。我们测试的大部分出场策略都没能使SE下降超过20%,但是却造成了实质性的利润损失。在 不同市场或系统上的多元化也使标准误差增加。我们还分析了每月资金变化,以验证这些发现。只有入场规则的变化给出了比较平滑的资金曲线。 我们构造了CTA盈利模型,并且证明可以通过简单趋势跟随模型在期货市场子板块上的盈利来解释他们的盈利。这种方法使我们能更深入地理解CTA之间的相互 关系,并帮助我们建立完善的投资组合。选择投资组合的过程进一步得到开发稳定资金经理等级评定程序的帮助,这是该领域现有方法的一次重要改进。风险调整后 业绩的度量方法可能会帮助我们缩小投资组合的选择范围。
本章内容表明,分析资金曲线使我们获得了对系统设计的宝贵洞察,这是在业绩总结中得不到的。所以,如果没有分析资金曲线,系统开发工作就没有完成。 第7章 资金管理思想 不良资金管理会破坏优良的系统。 1. 简介 2. 破产风险 3. 相互影响:系统设计和资金管理 4. 预测资金回撤 5. 盈利或亏损后调整仓位规模 6. 实际业绩记录的资金回撤深度 7. 预测资金回撤的持续时间 8. 预测未来盈利 9. 钱德舒适区域 10. 应对资金回撤 11. 改变波动性的度量尺度 12. 杠杆的校正 13. 盈利效率的基准 14. 无效多元化 15. 比较资金经理 16. 股票市场和共同基金中的风险与回报 17. 小结 对于大多数交易者来说,每个信号交易固定数量合约的策略是一种合理的选择。通过在亏损交易之后建仓,可以获得比较平滑的资金曲线。 资金回撤的持续时间可以使用指数分布进行预测,或者使用资金回撤串或资金回撤周期持续时间的标准偏差的3倍来作为预测标准。他们是预测未来业绩两个关键方面的非常有价值的工具。 区分系统业绩的关键因素是他们对横盘市场的反应。 如何应对资金回撤的难题?在资金回撤其内辨识低风险入场点的方法?改变波动率度量尺度?对杠杆的校准? 第8章 数据的随机化处理 本章介绍一种生成合成数据的新方法,它可以生成无限量的数据用来作系统测试。这种新方法叫做数据的随机化处理,帮助我们克服期货市场上数据量相对较少的限 制。数据的随机化处理可以产生新的价格区间和新的价格形态,这对于在最广泛的市场运动区间内测试是必须的。这是真正的样本外测试。(例:用7年长度的瑞士 法郎连续合约来产生56年的合成数据) 1. 关于自己的系统,我们真正希望理解什么 对于自己的系统我们真正希望了解的是它在未来的表现如何。由于不能预见未来,所以一种比较好的选择是在许多“模拟”未来市场运动的数据集上测试系统。然后,对这些结果求平均值就可以得到对未来盈利和资金回撤的合理评估。(标准偏差对于预测未来资金回撤是非常有用的。) 作为交易者,我们还希望获得一种感觉,那就是系统的设计思想在不同市场上工作时究竟有多好。系统设计方法的舒适水平甚至比业绩数字更有价值,因为我们可以 毫不犹豫地执行一套熟悉的系统。获得这种自信的方法之一是在许多不同的数据集上测试该系统,于是我们可以经历,至少是间接地经历许多不同的市场环境,然后 我们就可以更好地理解系统性能在这些市场上的变化。 2. 历史数据是序幕:放回抽样 自举法的思想是对一些试验结果进行放回抽样,以得到我们所感兴趣的量的统计分布。举例说明,对于来自一套交易系统的200个交易结果,我们使用放回抽样产生不同的输出结果,然后对这些数据进行平均,便得出未来交易结果的一个分布。 合成数据有一个重要的局限性。由于我们使用的是放回随机抽样方法,所以我们的形态不代表实际市场行为。 3.小结 数据的随机化处理提供了一种测试系统的新方法,使系统测试可以在许多不同的市场行情上进行。我们可以在这种模拟测试中观察系统模型的表现,对于系统的运作获得更多的自信,并且学习如何识别系统的失效。 第9章 执行一套交易系统 1. 测试的问题
2. 你相信自己的系统吗?
3. 时间是我们的盟友
4. 无例外规则
5. 全程可追溯性
6. “保证”在主要趋势入场
7. 账户启动
8. 风险控制
9. 你有计划吗
10. 如何监控计划的执行
11. 运动信息学在交易中的应用
13.小结
|
|