前面谈的都是单笔交易的问题。当你进行一系列交易,比如100次,甚至不停的交易下去时,这时我称作交易系列。此时需要考虑的因素就会完全不同于单笔交易。
个体和整体呈现出不同的特征,正如代数学扩展到极限,从而产生微积分一样,其理念和思维方式也截然不同。
根据交易第一公理:单笔交易的结果总是不确定的。
这意味着只要交易,总是有可能赚,有可能赔,无论你怎样努力。哪怕你连续赢100次,也无法保证第101次一定会赢。因此必然的结论就是:你只能尽量提高准确度,而无法做到完全把握。
交易系列的成功之道就是:找到一个优势,用足够多的次数,使得优势自然发挥作用。就像赌场老板经营赌场一样,每一次赌博的结果都不确定,根据概率,每一次老板都占有优势,因此可以合理的预计经过一定次数后,老板必然会盈利。
所以我说交易是个游戏,是个概率和数字的游戏。
现在交易的重点不再是如何让自己的每一次交易都能赢,其实每次的交易输赢并没有那么重要;而是如何找到一个对自己有利的优势,即概率上有利于自己,同时使得交易可以进行到一定次数,避免在此之前自己就已经破产。
这就是交易系统的核心思想。
在现实世界中,要说到与交易最为相近的,应该是赌博了。其实交易和赌博很像是孪生兄弟,具有极高的相似度。很多交易高手都是从赌博策略中得到灵感,然后驰骋于交易世界。
赌场为什么能够持续不断的赚钱?因为赌场老板采用了一种古老但有效的策略:制定有利于自己的规则,哪怕有利的程度只有很小的几个百分点。
每一次赌博的结果都具有随机性,经常的让赌客赢到钱才能刺激赌客下更大的赌注。只输不赢的赌场谁还会来?
只要赌博的次数达到一定的规模,赌场老板就有非常大的可能性赚钱。因此老板能够容忍一定次数甚至是连续的亏损。
这种策略可以总结如下:只要找到一种有优势的策略,并且使得样本规模足够大,那就有很大的可能性赚钱,尽管有些时候也会连续的亏钱。
虽然你对单笔赌博的结果无法确定是输是赢,但不影响你最终的结果是赚钱。重要的是确保一个优势的策略,及足够多的次数。
跟赌博相同,只要交易者能够找到一种策略,使得交易者具备优势,同时交易次数能达到一定规模,那交易者也可以像赌场老板一样赚钱。
这就是构建交易系统的基本思路。
以上思路中有两个重要要素:
1、具备优势的策略。优势不仅仅跟赢的次数有关,还跟每次赢多少有关。这个非常重要。实际上就是期望值为正,越大越好。
2、交易的次数要够多。这就意味着你不能没等到赢的时候就赔光了。这就是资金管理。
举个简单例子吧。
例3.1.袋子里有10个球,6个红球,4个白球,你每次可以摸一个,然后放回去,再摸,一共摸100次。你共有100元,每次下赌注10元。摸到红球你就赚10元,摸到白球你就亏掉下注的10元。
简单分析一下这个游戏。这是个对你有利的游戏,因为你摸到红球的概率是60%,就是赢的概率是60%,摸到白球的概率也就是输的概率是40%。简单算一下,就知道正常情况下,期望值E=(10×0.6-10×0.4)=2元,也就是正常情况下,你平均每次大约会赢2元。这就是这个游戏的期望值,也就是平均每次预计产生的盈利。对你来说。这是个不错的游戏。
当然,你也可以用另外的方法来计算。假设一共摸了100次,其中,摸到红球62次,摸到白球38次,那你总共实现的盈利=10×62-10×38=240元,平均每次实现的盈利=240÷100=2.4元。
进行的次数越多,你摸到红球的概率就越接近60%,你平均每次的盈利就越接近2元。这里大家要注意一下,这两种计算期望值的方法。
第一种方法是根据每一次游戏输赢的概率和输赢的回报直接计算期望值,也就是平均每次的盈利水平。前提是输赢的概率和输赢的回报都是已知的。
第二种方法是通过数理统计,取一个一定规模的样本(这里是100次),然后对每一次的具体结果求和,得到总的收益,最后除以游戏次数,得出每次游戏的平均值,并以此作为每次游戏的期望值。
这两种不同的方法,导致了不同的交易系统构建模式。后面会谈到。
这时你可能会想:我明白了,只要我交易时的成功率越高,比如高于50%,我就取得优势,这样交易一定次数后,我就一定赢钱。好的。我努力研究各种技术分析的技巧、指标,努力让自己的成功率尽量高。这就是成功之道。
但是先别急,让我们稍微改动游戏的规则。
例3.2.其他的都不变,只是摸到红球现在你只能赢5元,摸到白球还是要输10元。这个策略如何呢?
计算一下期望值E=5×0.6-10×0.4=﹣1,意味着平均每次会亏损1元。
为什么赢的概率大,却亏钱呢?是因为回报风险比改变了。初始的例子中,回报风险比是10:10=1,现在却变成5:10=0.5了。
所以期望值由两个因素决定:胜率(或者叫准确度)和回报风险比。二者缺一不可。
再回到例3.1。有了正的期望值你就一定会赢吗?不一定。我们再来看这种情况。
假如你连续10次摸出了白球呢?这时你发现,虽然你有一个有优势的策略,正常应该每次赚2元,但现在你已经没有一分钱的本钱了,你已经认赔出局了。
你可能会说这不可能,运气也太差了吧。是的,这种情况出现的概率很小,大约是0.4的10次方。应该是很小的可能性了。但你不否认有可能会出现这种极端情况吧。这里就牵涉到另一个很重要的问题:资金管理,也就是你如何合理的配置自己资金的技巧。在例3.1中,你是每次拿出总金额100元的10%来冒风险。假如你每次拿1元,也就是总金额的1%来赌博呢?即使连输10次也只是输掉总金额的10%,你还有90元的本金来翻本。是不是安全多了呢?
你会说,这样是安全了,但赚的也少了。的确,风险和收益本就是相关的。要赚得多,就要承担更大的风险,当然是在其他条件不变的前提下。
现在,我们可以试着构建一个初步的交易系统了:就一系列的交易而言,只要找到一种方法,使得期望值为正,同时辅之以合理的资金管理策略,那就可以实现持续稳定盈利了,尽管也会不断出现亏损的交易。
期望值为正值是交易系统最为关键的要素。
如果没有正的期望值,这个系统根本没有价值。无论你用什么样的技巧,都无法最终实现盈利。
期望值(E)由两部分决定,一是回报风险比(r),二是胜率 (P)。
E= r×P-1×(1-P) (公式4.1)
期望值与回报风险比和胜率都是正相关。回报风险比越高,期望值越理想;胜率和期望值的关系亦然。
有一点我需要重点强调:在前面的例子中,无论是赌场的例子,还是摸球的例子,共同点是回报风险比和胜率都是确定的,因此,你只要进行简单的计算就可以知道期望值是多少。
而交易系统却有所不同:
1、胜率无法事先确定,只能通过历史数据模拟检测或者通过一定次数的真实交易后才可以统计出来。
2、胜率和回报风险比是负相关的关系,在其他条件不变的前提下。也就是说,回报风险比的变动,会对胜率产生反向的影响,具体如下:
(1)在止损位确定的情况下,预计收益定的越高,即回报风险比越高,就有越大的概率在没有到达预计收益时,再次跌回止损位,从而降低胜率;
(2)在预计收益确定时,如果止损位定的越宽松,即回报风险比越低,相应的胜率会越高。
因此,在你向别人吹嘘你的高胜率时,记得顺便说一下你的止损位和预计盈利的目标。在回报风险比很低的情况下谈胜率并没有太大意义。
3、二者的逻辑关系是必须先确定回报风险比,然后才能相应的确定在这个回报风险比下的胜率。这个顺序一定要搞清楚。
当然,如果再考虑到提前止损、跟踪止盈、加码、减码等因素,情况会变得非常复杂,使得交易系统期望值的计算无法进行。在后面的高级技巧中,我们会进一步探讨这些问题,这里我们主要讨论最简单的交易系统模型,也就是假定:回报风险比是确定的,到了止损点就止损,到了止盈位就止盈,其他状态不操作。也就是要么实现预计盈利,要么实现预定的止损,没有中间状态。
我们来看回报风险比。
回报风险比=预计收益/初始风险R。而初始风险R是买入的价格减去你愿意止损的价格然后再乘以股票数量,也就是每笔交易你愿意承受的初始风险。这里的R衡量的是绝对值。
但我们关心的是预计收益相对于初始风险R的比率。现在改变一下计量的方式,把R当做一个标准的单位,我们称为一个单位的初始风险,就是1R。这样的话,预计收益我们就可以用多少单位的R来表示,从而建立了统一的衡量标准。
再来看看胜率。
有时胜率很高,但在回报风险比很低的情况下,期望值甚至为负。
例4.1。止损点设在4%,但每次赚1%就止盈出局。回报风险比是1:4。你有很高的成功率,比如75%。你会赚钱吗?
计算一下期望值E=0.25R×75%-R×25%=﹣0.0625R。是负值,还是亏钱的。你的系统不具备优势。
而且,你的胜率不一定能够这么高。如果你觉得自己的胜率一定高于50%,甚至80%,90%。那是你没有真正理解胜率的含义。
胜率要建立在到了止损点就必须严格止损以及必须达到预计收益才能止盈出局的基础上。比如,你买入后,涨了,还没到预计盈利位就跌回来,这时你不能觉得略有盈余就先出局。这不是真正意义上的胜率。还有的情况,买入后直接跌到止损位,你不止损,又迅速上涨到预计盈利位,你却止盈。这也不是真正意义上的胜率。这些都是伪胜率。因为你可以说你的胜率很高,但这个胜率对于评估交易系统真正重要的期望值,没有意义,只不过用来自我安慰或者炫耀一下而已。所以我称它为伪胜率。
只有在确定初始止损位和预计收益后,我们才能在此基础上评估具有实质意义的胜率。这个要牢记在心。
那回报风险比通常要达到多少,才是比较合适的呢?
回报风险比太高,会导致过于频繁的止损,对交易信心也是很大的打击;回报风险比太低,虽然容易胜率高,但每次都是小幅盈利,容易导致频繁操作,再加上交易成本的因素,效果也不太理想。
此外,回报风险比越高,交易机会就越少。这个必须要重视。大的趋势机会,有非常高的回报风险比,但出现的机会太少;波段操作的机会则随处可见,但回报风险比通常都不高。
我认为,通常情况下,回报风险要达到2:1才是比较理想的。主要是考虑到成功率可能在50%以下,以及交易成本的问题,否则期望值不一定为正。有人建议最少要达到3:1,我认为有些过高了,这会显著的减少交易机会。当然,交易者可以根据自己的交易实践和交易习惯选择适合自己的具体数值。只要是大于1:1的风险回报比,都是可以考虑的交易机会。
在回报风险比不低于2:1的情况下,胜率很难大幅高于50%,尤其是为了提高回报风险比而把止损位设定在比较靠近买入价的情况下。
此外,止损位的设定也有很多的技巧。同样的回报风险比,但合理的设定止损位,往往能够一定程度的提高胜率。
简单测算一下:如果回报风险比为2:1,即盈利赚取2R,亏损损失1R,胜率是50%,那么期望值E=2R×50%-1R×50%=0.5R,意味着每笔交易平均下来你可以获利0.5R。
如果你的回报风险比能达到3:1的水准,即盈利赚取3R,亏损损失1R,胜率仍然是50%,那么期望值E=3R×50%-1R×50%=1R,意味着每笔交易平均下来你可以获利1R。
同样道理,如果你把回报风险比定为1:1,而把希望寄托于提高胜率上,即使你的胜率达到75%的高水准,期望值E=1R×75%-1R×25%=0.5R。
不要单纯追求过高的胜率指标,而是在保持合理回报风险比的前提下,尽量提高胜率。
上面谈到的计算期望值的方法是利用回报风险比和胜率,其前提是能够知道回报风险比和胜率的具体数值。
但在交易中,这个问题却不是那么容易解决。
我们可以确定好止损位和预计盈利位,相应的回报风险比也就确定了,比如2:1。但我们能够准确的评估胜率吗?
在交易前,胜率是很难准确评估的。无法准确评估胜率,那期望值的计算公式就失去了价值。充其量只是一种理论上的描述,而无法很好的应用于实战。
此外,就算能够评估胜率,每次交易的胜率也未必相同,这跟前面摸球和赌博的例子完全不同。
对于这个问题,有两种解决的思路。
1、对系统进行历史数据模拟检测,得出总体结果后进行平均,以此来代替系统的期望值。这个就是机械式交易系统的基本思路。其前提是这些买卖规则都能够为计算机所识别。这个方法不是按照回报风险比和胜率的角度计算期望值,而是直接根据模拟的交易结果来倒推。这种情况下,也不需要先确定回报风险比。只要是计算机能够识别的交易规则,都可以通过历史数据模拟检测得出结果。
2、在回报风险比为2:1的情况下,如果不考虑交易成本,随机买入的胜率应该是33.3%。这是因为在不考虑交易成本的情况下,随机买入的期望值为零。我把这个胜率称作基准胜率,也就是使得期望值为零的胜率(不考虑交易成本)。不难看出,回报风险比为3:1时,基准胜率是25%,而回报风险比为1:1时,基准胜率为50%。
如果我们能够找到一种评估标准,使得符合此种标准的胜率高于基准胜率,则该笔交易的期望值为正值。我们不需要胜率的准确数值,只要期望值为正,就可以作为操作的依据。当然,期望值越高,交易的效果越理想。如果每一笔交易的期望值都为正,系统的期望值相应的也必为正值。
因此,只要我们能对胜率做出合理的估算,就可以建立一个期望值为正值的交易系统。例如,我们根据技术面和基本面设定数个标准,如果某个买点符合其中的半数以上,则可以合理的推定该笔交易的胜率超过基准胜率。符合的数量越多,相应的胜率也就越高。而系统真实的期望值和胜率,只能多笔实际交易后,通过统计的方法获得。这个就是自主式交易系统的基本思路。
最后还有一个很重要的问题需要注意,它隐含在期望值当中,很多人并没有意识到。
要想充分的利用一个正期望值的系统并实现理论上的收益,你就必须做到每次下的赌注相同。试想一下,在摸球的例子中,第一次你赌10元,结果你输了10元,第二次你赌1元,却赢了,结果只赢了1元。这样的情况下,即使你有一个正期望值的系统,也无法保证你实现盈利。
所以一个盈利的系统需要具备三个要素:
1、正期望值;
2、资金管理,从而避免破产风险;
3、等额下注,从而充分的利用期望值。
就交易系统而言,每笔交易所下的赌注就是初始风险R。为了等额下注,我们需要将每一笔交易的初始风险R进行统一,使之全部相等,比如都等于总资金的2%。只有这样,交易系统的概率优势才能充分的发挥出来