|
如果你们把你们全部交易分布到一个钟形曲线上，它看起来会是啥样子？结局会告诉你关于你的交易决策一切需要知道的东西。把你个人的收益分布曲线想象成一场拔河游戏，你希望“代表正确的右边”来赢得比赛。
马克的这张图放大一下：
这里我做了个统计，一共174笔交易，其中具体每个收益区间频率如下： -22至-24%区间：1次 -10%至-12%区间：3次 -8%至-10%区间：5次 -6%至-8%区间：5次 -4%至-6%区间：17次 -2%至-4%区间：15次 0至-2%区间：32次 0-2%区间：16次 2%-4%区间：8次 4%-6%区间：7次 6%-8%区间：12次 8%-10%区间：7次 10%-12%区间：7次 12%-14%区间：5次 14%-16%区间：6次 16%-18%区间：4次 18%-20%区间：8次 20%-22%区间：2次 22%-24%区间：4次 24%-26%区间：3次 28%-30%区间：1次 30%-32%区间：3次 36%-38%区间：3次 这里先不分析这些数据，我们今天先讲讲关于制作这种曲线的准备知识。钟形曲线，又叫正态分布曲线，是一根两端低中间高的曲线。它首先被数学家用来描述科学观察中量度与误差两者的分布。：
统计员经常使用钟型曲线来进行统计工作，比如上学时，班上同学考试分数的分布也是利用这个曲线来说明的。曲线的中间是均值、平均数，也就是最普遍的分数。曲线的形状和钟一样——因此而得名。曲线中间最高是因为那里集中的分数最多——平均数。曲线离中间越远的部分也是分数最少的、最不典型的部分。（这段话很重要，回想一下马克的收益曲线哪个收益区间的分布最多？哪个收益区间最不典型？） 我们了解完正态分布的一些基本概念就知道，它反映了数据在平均值周围的分布情况。正态分布有两个重要的参数，即平均值和标准差。平均值是曲线中心，标准差是曲线宽度。因此，标准差可以帮助我们计算正态分布的宽度，从而更好地理解数据的离散程度。 说完了正态分布基本概念以后，我们现在就开始动手制作了，这里我们以北京炒家2018年9月17日-2019年3月12日，从20万到100万过程中的数据作为案例数据来演示一遍：
一共102笔交易，胜率53.92%，平均盈利7.01%，平均亏损3.27%。这里面绝大部分的交易都是满仓单吊一只票，有时候分仓半仓买一只票，因为占比较少，就不给它折算成整体收益百分比了。 这些数据真正我们要利用的就是最后一列，我们就是想把它制作成钟形曲线展示出来。为此，我们首先要对收益百分比那一列进行数据处理。
首先利用公式 =MAX(F60:F161)、=MIN(F60:F161)、=AVERAGE(F60:F161) 分别计算出收益百分比那一列数据的最大值、最小值、平均值。 其中最大值和最小值将会用来确定钟形曲线的X轴数据的组距和组数，比如求出来在该期间，北京炒家最高一次单笔交易收益为31.20%，最大一次亏损为12.65%，那么如果按照马克的每2%分一组，我们X轴的最小值就可以取-14%，依次累加2%得到其余每个区间，直至最大值，得到一组数。 这些数将来就作为我们X轴的坐标刻度，接下来我们就要求出这102笔收益数据落在这些区间的频率了。这里我们用到了一个函数： =FREQUENCY(F60:F161,L60:L83) 它有两个参数，第一个参数就是源数据列的数组，第二个参数是我们划分好的X轴区间数组，这个函数的作用是自动计算出源数据列中的数据，分别落到我们X轴区间数组中的次数。返回值也是一个数组。
正如示例中演示的那样，比如X轴为2%，它其实代表的是一个区间，这个区间收益率大于0，小于等于2%。再比如X轴如果为-2%，它也表示的是一个区间，这个区间大于-4%，小于等于-2%。 然后我们要计算出标准差：=STDEV.P(F60:F161) 参数是收益率那一列101个数据。 还记得我们前面说的什么是标准差吗？它表示数据集合的离散程度，即数据点围绕均值的波动幅度。 至此，我们就可以计算出概率密度函数了： =NORM.DIST(L60,J60,K60,FALSE) 第一个参数是X轴坐标，第二个参数是平均值，第三个参数是标准差，第四个参数是输出类型，这里我们不要选TRUE，而选False，否则输出的是累积分布函数，而不是我们希望的概率密度函数了。 到这一步，我们已经把所有的数据都处理好了，接下来就是开始作图了：
按照以上步骤，我们就把频率这组数据，以柱状图的形式显示到Y轴上了，接下来我们来修改X轴，使其变成我们前面分的收益区间，以及美化一下柱状图：
点击确定以后就可以得到下图：
当然了 你还可以在设置绘图区格式里面，对柱状图进行美化，包括缩小彼此间隙，不要显得那么突兀，紧凑一点，之类的，看个人喜好了。 下一步我们把概率密度函数搬到这张图上来，以次坐标轴进行显示：
至此，一个正态分布的收益曲线图就已经制作好了。
至于想要什么背景，怎么填充，间隙多大，都是可以个性化设置的，可以自行研究。 后话： 其实制作这样的收益正态分布曲线方法还是简单的，关键是我们能从这两位大神的收益分布情况中能学到什么？ ①你们会发现，不管是马克还是北京炒家，他们频次出现最高的区间都是-2%-0这个区间，马克174笔交易中出现了32次，占比18.4%。北京炒家101笔交易中出现了17次，占比16.8%。这是何等的接近啊。马克在MTP中一个章节《Mind blowing math》中曾经这样说，“......你们如果看过我真实的交易的话，肯定会想，这家伙进进出出，反反复复承担这些微小的损失到底在干嘛。yeah，我在试着摆好自己的位置（i'm trying to positon myself）....." 把自己摆放在什么位置呢？ 摆放到一个只有向上的潜力，向下亏损随时被截断的处境，其实就是为了精准地择时，买入就上涨，可以反反复复进进出出，承担一些摩擦成本。 ②马克和北京炒家超过50%的交易都位于-6%-+6%这个区间，北京炒家101笔交易中，有77笔交易位于这个区间，占比76.2%。马克174笔交易当中有95笔位于这个区间，占比54.6%。两者都超过了50%。
这说明他们绝大部分的交易都是小胜或者小败，在绝大部分时间里，交易无聊极了，诸如赚1%、亏1%、赚3%、赚4%、亏4%、亏6%......这样交替的交易占据绝大部分时间。用马克在MPA里面的话说，交易大部分时间里你应该是boring的，如果你没有感受到boring，而是刺激，那么你可能没弄对交易。 ③真正超过30%以上的交易是很少出现的，你看马克174笔交易中，30%以上的交易只有6笔，占比3%，北京炒家101笔交易中，30%以上的交易只有2笔，占比2%。不光光30%，即使是20%以上的交易也不常见的，马克101笔交易中只有4笔，占比4%，北京炒家174笔交易中只有16笔，占比9%。可见不论是波段交易，还是打板交易，50%以上的收益非常罕见，不但出现的机会少，而且出现了你全仓买入并持有的概率更低。所以以后看到某某朋友又跟你炫耀他吃大肉，某一笔交易获得了40%以上的涨幅，连续几笔交易20%，你就会会心一笑，心里明白，这只是统计学上的几次outlier而已，并不是交易的常态，而不是感受到fomo，冲进去胡乱操作一把。毕竟北京炒家会把交易记录晒出来，你的朋友并不会晒给你看他完整的记录。 ④0-10%之间的收益最容易被忽视，却被高手所珍惜。我们通常的想法是买突破，然后像《笑傲股市》中说的那样，基底突破上涨20%以后卖掉。但其实20%的涨幅前面也分析过，不太常见的。北京炒家和马克的正收益，大部分还是位于0-15%这个区间，北京炒家101笔交易中有68笔，占比68%，马克174笔交易中有68笔，占比39%。 在马克所有正的收益里面，除了0-2%区间出现的概率最高之外，其次就要属于6%-8%这个区间了，而这恰恰大约是1R对应的收益区间。而北京炒家正收益区间里面，出现频率最高的是4%-6%这个区域，这也大致对应他的1R（马克做波段交易，相对来说止损要比打板的炒家要宽泛一点，北京炒家这101笔交易平均收益是7.01%，平均亏损是3.27%，胜率53.92%）可见，双方都非常重视保护自己的1R收益水平。 其实蛮有意思的，两位大神虽然属于不同派系，可是收益分布曲线竟然有如此多的相似之处，可谓殊途同归，不谋而合。 （PS：别问我要电子表格，我最疼恨那些天下掉馅饼都不愿意弯腰去捡的伸手党，自己按步骤操作即可得到最终结果） |
|
|
