Cтраница 1
Распределение сделок обычно вычисляется таким же образом, как и распределение прибылей и убытков за тот или иной временной период. Чем распределение более постоянно и равномерно, тем лучше. [1]
Наконец, помните, и в краткосрочной торговле, и в механических системах распределение выигрышных сделок неравномерно. Большая часть прибыли месяца может прийти лишь от двух или трех больших сделок. В большинстве случаев каждая отдельная прибыль может казаться небольшой, но важнее, чтобы и убытки были маленькими. [2]
Корреляция между кривой доходности и идеальной прибылью ( perfect profit) - критерий оценки, неявно включающий распределение сделок. Более важно то, что этот показатель рассчитывает коэффициент полезного действия модели на основе реальных прибыльных возможностей, предоставляемых рынком. [3]
При большом количестве сделок мы можем ожидать, что наблюдаемое распределение будет сходиться с ожидаемым и многие точки перегиба будут заполнены сделками, когда их число стремится к бесконечности. Другими словами, если наши 232 сделки представляют распределение сделок в будущем, тогда мы можем ожидать, что распределение сделок в будущем будет ближе к нашему настроенному теоретическому распределению, чем к наблюдаемому, с его многочисленными точками перегиба и зашумленностью из-за конечного количества сделок. Таким образом, мы можем ожидать, что будущее оптимальное f будет больше похоже на оптимальное f, полученное из теоретического распределения, чем на оптимальное f, полученное эмпирически из наблюдаемого распределения. [4]
При большом количестве сделок мы можем ожидать, что наблюдаемое распределение будет сходиться с ожидаемым и многие точки перегиба будут заполнены сделками, когда их число стремится к бесконечности. Другими словами, если наши 232 сделки представляют распределение сделок в будущем, тогда мы можем ожидать, что распределение сделок в будущем будет ближе к нашему настроенному теоретическому распределению, чем к наблюдаемому, с его многочисленными точками перегиба и зашумленностью из-за конечного количества сделок. Таким образом, мы можем ожидать, что будущее оптимальное f будет больше похоже на оптимальное f, полученное из теоретического распределения, чем на оптимальное f, полученное эмпирически из наблюдаемого распределения. [5]
Торговая модель, которая была правильно протестирована, оптимизирована и прошла форвардную проверку, должна показывать в реальном времени эффективность, аналогичную оптимизационной. Правильные процедуры тестирования напрямую учитывают все необходимые аспекты: ( 1) достаточное число данных; ( 2) достаточное число рынков; ( 3) степени свободы; ( 4) все правила оптимизации; ( 5) распределение сделок и прибылей и ( 6) форвардная проверка. [6]
Форвардный анализ представляет собой ценный и детализированный источник информации. Он создает и оценивает три уровня эффективности модели. На первом уровне оценивается доход, риск и распределение сделок модели, оптимизируемой на одном сегменте исторических данных. [7]
Таким же образом следующие три сделки - 1 11; 0 42 и - 0 83 преобразовываются в - 0 8261258398; 0 05155423948 и - 0 6655046488 стандартных единицы. После того, как мы преобразуем все торговые прибыли и убытки в стандартные единицы, можно собрать в ячейки теперь уже нормированные данные. Вспомните, что при наличии ячеек теряется часть информации о распределении ( в нашем случае о распределении отдельных сделок), но характер распределения остается тем же. Допустим, мы помещаем эти 232 сделки в 10 ячеек. Количество ячеек выбрано произвольно - мы могли бы выбрать 9 или 50 ячеек. [8]
Чистые прибыли и убытки - чистый выигрыш или проигрыш модели в долларах или каких-то других денежных единицах. Хотя трейдер стремится к максимально возможной прибыли, чистая прибыль, как единственный показатель - ненадежный метод оценки. На нее могут чрезмерно влиять отдельный крупный выигрыш или проигрыш. Она полностью игнорирует число и распределение сделок. Безусловно, чистая прибыль - важный элемент, и она может использоваться в качестве критерия допустимого минимума доходности. Например, учитывая проскальзывание и другие издержки, доходность 100 на сделку может считаться минимально приемлемым показателем. [9]
Мы будем рассчитывать параметрическое оптимальное f при ограничительных параметрах - 4 и 6 94 сигма, используя 300 равноотстоящих точек данных. Однако при расчете вероятностей для каждой из 300 равноотстоящих ячеек данных важно, чтобы мы рассмотрели распределение на 2 сигмы до и после выбранных ограничительных параметров. Поэтому мы будем определять ассоциированные вероятности, используя ячейки в интервале от - 6 до 8 94 сигма, даже если реальный интервал - 4 - 6 94 сигма. Таким образом, мы увеличим точность результатов. Использование оптимальных параметров 0 02, 2 76, 0 и 1 78 теперь даст нам оптимальное f 0 837, или 1 контракт на каждые 7936 41 доллара. Пока ограничительные параметры не нарушаются, наша модель точна для выбранных границ. Пока мы не ожидаем проигрыша больше 4 сигма ( 330 13 - ( 1743 23 4) - 6642 79) или прибыли больше 6 94 сигма ( 330 13 ( 1743 23 6 94) 12 428 15), можно считать, что границы распределения будущих сделок выбраны точно. Возможное расхождение между созданной моделью и реальным распределением является слабым местом такого подхода, то есть оптимальное f, полученное из модели, не обязательно будет оптимальным. Если наши выбранные параметры будут нарушены в будущем, f может перестать быть оптимальным. Этот недостаток можно устранить с помощью опционов, которые позволяют ограничить возможный проигрыш заданной суммой. Коль скоро мы обсуждаем слабость данного метода, необходимо указать на последний его недостаток. Следует иметь в виду, что реальное распределение торговых прибылей и убытков является распределением, где параметры постоянно изменяются, хотя и медленно. Следует периодически повторять настройку по торговым прибылям и убыткам рыночной системы, чтобы отслеживать эту динамику. [10]
Покупка пут-опциона вместе с длинной позицией по базовому инструменту ( или просто покупка колл-оп-циона), а иногда даже продажа ( короткая продажа) колл-опциона совместно с длинной позицией по базовому инструменту могут ускорить асимптотический геометрический рост. Это происходит потому, что очень часто ( но не всегда) использование опционов уменьшает дисперсию в большей степени, чем уменьшает арифметический средний доход. В результате, исходя из фундаментального уравнения торговли, мы получаем большее оценочное TWR. Опционы можно использовать как самостоятельные инструменты, так и вместе с позициями по базовому инструменту для управления риском. В будущем, так как трейдеры все больше концентрируются на управлении риском, опционы, вероятно, будут играть еще большую роль. В книге Формулы управления портфелем была рассмотрена взаимосвязь оптимального / и опционов. В этой главе мы продолжим начатую дискуссию и обсудим торговлю по нескольким позициям, а также поговорим об опционах. Настоящая глава посвящена еще одному методу поиска оптимального / для немеханических торговых систем. Параметрические методы, рассмотренные до этого момента, могут использовать те, кто не применяет механические системы. Данная глава предназначена прежде всего для тех, кто использует не механические методы принятия решений об открытии и закрытии позиций. Трейдеру, не использующему механическую, объективную систему, будет намного легче получить именно эти величины, чем рассчитать параметры для распределения сделок, которые еще не произошли. [11]