分享

“胜率”、“赔率”、“频率”分别是什么?你的目标是平衡什么?你认为什么是稳定?

 有智慧不如趁势 2019-12-06

       首先,我认为各位要搞清楚,“胜率”、“赔率”、“频率”分别是什么?这些都不是你交易本身的东西,而是通过你的交易行为,统计出来的数据,进行加工处理,得到的指标。那么什么是指标呢?指标是预期中打算达到的指数、规格、标准,是衡量目标的方法,是对结果,也就是对目标的一般性描述。

      所以,既然是对目标的一般性描述,那么首先你的目标是什么,就决定了你怎么平衡。

      1

     这些指标当中,有一些是由反向的关系的。比如往往我们在做交易的时候,频率高,胜率通常就会高,当频率下来了,胜率可能就下来了。所以我们经常去看一些指标的标准的时候,经常能够看到这样的描述“某某指标不高于什么值,同时某某指标不低于什么值。“

      同时,我们为什么会有这些指标呢?就像技术指标一样,这些指标,针对的是对真实已经发生过的数据的处理。比如技术指标,是对价格,成交量,持仓量用数学方法处理后,呈现下来的新的数据规律,这是针对行情而言的;而胜率,赔率这些指标是针对你的交易行为而言的,这两点是有本质区别的。

      所以,要用这些指标,首先要搞清楚一点,你用的都是历史数据,是你过去一段时间的交易行为产生的,这能够看出一些东西,但并不代表以后这些数据还能够准确。所以,我们统计这些,应该这么看待:第一个,是反映自己的行为规律是否能够达到自己的预期目标;第二个,若未来这些数据发生偏差,我们多一个分析参考依据,但要知道,问题可能并不出在交易行为本身。

      要用这些东西,是有前提的,因为指标的有效性,和数据特征的统一性有很大的关系。我们用技术指标分析市场,是因为它记录的都是反应市场行为的价格。但是用胜率这些就比较复杂了,你怎么保证你的交易行为具备一致性呢?这是我们要考虑的问题。如果你的交易思路很清楚,且执行下来没有问题,那么你的交易行为,是针对行情客观规律和自己对市场认知相对一致的反应,那么这种情况下,大概率如胜率,盈亏比这种指标对后面的交易有指导意义。但是如果你方法都变来变去,心态也不好,导致交易行为没有这种相对于行情的一致性,胜率这类数据就可能非常随机。这是我们要注意的问题。

      所以,针对这个问题的前半部分,我的观点是,要想平衡,先设立目标。因为你这样问问题,我真不知道你要平衡的东西是什么,所以我也不知道如何平衡。

      可能有人会问,我用程序化来做,不就能够交易行为的一致性了吗?事实上不是的,主观交易,策略是有逻辑的,可能会集中在形态方面,可能集中在某种波动里面,会让某些策略有优势。但是大多数人的程序化交易只是针对价格,这些内在的逻辑其实并没有考虑,所以这种行为的一致性,可能并不针对策略的本质。这是很多人没有考虑到的因素。比如几年前的螺纹钢,和现在的螺纹钢,从走势形态上,从波动规律上可能都有很大的区别,那么你还用一种交易行为去表达这个市场,这能够说有一致性吗?这是死板,不懂变通,但并不是一致性。

      2

另外,关于稳定,还是那个问题,你怎么定义稳定?如果你不能定义,那么你怎么有可能达到稳定交易呢?不可能。就像有些人复盘,一波行情抓不到会归咎于行情不够顺,而不会去想自己参照抓行情的标准是什么,在这种标准下是不是能够抓得到,如果抓不到这个标准是不是还适用,这样你就知道行情是不是顺畅了,或者是不是自己有问题了。但是如果没有这些,那么下一波行情来了,你还是心态不稳,一脸懵逼,也很容易错过或者出现提前进出场的异常交易行为,问题还是解决不了。

      所以,很多时候这方面不要懒,也不要怕错,不然,就会像这个问题一样,你问出来的时候会麻木,甚至连自己如何定义这个问题当中比较个性化的关键词语都忘了。

投资收益

 投资收益可以简单理解为无数次个股买卖的“胜率”乘“赔率”组成的总和。“胜率”说的是投资股票买入后最终获益与亏损的比例,比如今年买了10个股票,8个赚钱了,2个赔钱了,胜率就是80%。作为吃选股饭的主动管理者,选股的决策胜率是长期投资业绩的核心保证,而不断提升选股胜率是主动管理者最最核心的工作。虽然现实情况中胜率只能理论上无限趋近100%,公司可能出现意想不到的变化,政策,经济,各种小概率事件都会影响选股胜率,使得实际能做到80%就非常不错了(对小概率事件或者幸存者偏差感兴趣的,推荐塔勒布系列丛书—随机漫步的傻瓜、黑天鹅、反脆弱)。

  选股胜率的高低其实很大程度上决定着长期复利收益的高低,因为影响收益的另一个乘数“赔率”虽然是投资者主动选择的,但由于盈亏都是预期,实际的发生和兑现主要靠市场给机会,也就是说其实跟投资者的主要意愿没啥关系。“赔率”或者叫“盈亏比”,说的是每次买入时你对风险收益比的预测评估,当你预期一个股票可能因为各种已知或未知的因素下跌20%,而预期上涨空间为100%,这可以理解为一个1赔5的投资机会,也就是之前提到的“赔率”,以此类推,可能下跌30%对应1倍空间的股票大概是个1赔3的投资机会。投资的管理本质上是不断追求更高盈亏比的过程,既持续卖出相对低盈亏比标的(可能因为涨多了,也可能因为跌得不够),而不断买入更高盈亏比标的,从而持续优化投资组合的盈亏比。但是赔率的问题是,影响因素非常多样,更多是市场决定的,投资者只能事先选择并想好应对。

  简单来说,一个向上可能涨50%,向下也可能跌50%的投资机会,赔率1:1就是个没赚头的机会,比如800块的茅台。但是很多投资者追涨所谓好公司的时候,往往对自己投资的赔率没有任何概念,盲目放大人性贪婪的弱点,买入很多盈亏比是为负的标的(趋势投机可能的20%空间而承担下跌50%的风险),想不当韭菜被收割真的是只能靠命硬!由于好的买点和卖点说白了都是交易对手提供的,这也就是为什么人去我取的逆向投资结合清晰的价值准绳能持续获利的原因,本质上是占别人人性贪婪恐惧弱点的便宜(当然不是说伟大的成长不赚钱,主要是选中的概率太低,幸存者偏差成分太高)。而且股票投资是靠风险暴露(仓位)获利的,风险和收益关系非常线性,没有暴露(风险)就不会有收益,这一线性特征使得赔率对所有投资者都是相对公平的,只要你是个理性、谨慎、独立思辨、克己自省的价值挖掘者。哈哈,要求好像有点高!

  赔率不变差原则上不止损

  基于好的盈亏比预期买入的标的,只要盈亏比预期没有发生重大变化(公司基本面、政策、或其他严重影响预期收益或潜在风险的因素),随着股价的下跌,盈亏比是扩大的。原来预期1赔3的标的,跌到1赔5了,这时肯定是有仓位加仓,没仓位扛着,怎么会止损呢?而现实中,投资者往往因为市场的系统性下跌而盲目止损,把一个个捡钱的机会主动放弃。由于不轻易止损,浮亏不会变成实亏,早晚会转为实盈,胜率天然就比经常止损的投资者高很多。当然,如果标的的盈亏比变了,比如公司基本面发生重大变化,这时盈亏比从1赔3变成1赔0.5了,当然果断止损,不能犹豫。

  基于价值决策,避免趋势投机

  买入任何标的的决策依据都是基于价值的基本面研究,由于对风险因素和可能空间都进行了全面的分析和预判,对投资的盈亏比有着相对客观的数量标准。原则上凡是下跌20%不敢加仓的标的就不应该开仓,每次下单前一定问问自己“买完跌了20%,我是会加仓还是止损呢?”如果答案是止损,说明你自己对标的的价值判断没有信心,那就不要把自己的人性弱点放在可能的市场火盆里烤,不要买入。同样的,卖出的目标价也是在买入时根据盈亏比大概判定的,不要总贪恋短期趋势没结束带来的蝇头小利,盈亏比随着股价的上涨是在急剧下降的,不及时止盈离场切换更好风险收益比的标的,长期享受的只能是上上下下的波动,很难实现持续的复利增长。有了清晰的价值准绳,好的盈亏比保护,明确的买卖目标,理性的审慎决策胜率自然比反复追涨杀跌的随机情绪决策胜率要高。

  优先价值回归,再投价值成长

  优先选择价值回归型标的而不是持续成长型标的,这里不是选择的偏见,而仅仅是从数理概率出发的考量,而且对于普通投资者的资金体量,没有太多策略容量和资产配置的问题。机构投资者则不然,切换成本和策略容量的考量使得很多时候,确定性比盈亏比重要,不得不牺牲部分收益而平衡容量和确定性,因此持续成长型公司的比例应该更高,这也是巴菲特投资苹果的时间那么晚、持有可口可乐那么久的主要考量。

  回到我们基于胜率的选择问题。价值回归型投资核心是判断现有资产的价值,往往出错的概率较低,而成长型投资判读的核心是企业未来的收入或者现金流,一个着眼历史和当下一个着眼未来,前者的判断胜率高于后者很容易理解,因为未来最难预测。此外,判断依据的确定性也有很大差异,价值回归型更多的估值选择基准是净资产,EV等指标,波动性和不确定性相比成长型投资的评价基准(比如收入、现金流等)往往更低。比如判断净资产或EV折让的企业(地产、保险)的价值出现错误的概率比判断一个以产品销售增长为主企业(TMT、项目或订单型企业)下季度的订单或收入情况出错的概率长期来看会更低。因此,优先选择判断胜率更高的价值标的,也是提高选股胜率的一个有效方式。当然,有特定行业背景或者信息优势明显的投资者只做自己熟悉的领域,也是一个提高胜率的办法,这里我们从普通投资者的角度出发,假设大家没有特殊的经历背景。

  总的来说,主动选股投资者吃的就是胜率饭,长期胜率高才是王道,如何提高决策胜率是长期追求的目标,寻找好的赔率标的是日常工作的基础。想吃大餐,材料要好(盈亏比好),做法(决策胜率高)同样重要!

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多