|
自序
第1章 開發和執行交易系統 1. 關于頂級交易者
2. 關于交易系統
一套完善的交易系統應該能夠經受不同市場環境的考驗，可以在跨市場和多時間框架的情況下正常工作。這種系統不會對所用的參數過分敏感。當“長”時間（兩年或兩年以上）交易時，業績可能既不是最差的也不是最好的。 完善的系統不對市場行為做過多的假設，使用相對較少的變量和參數，并且不因市場運動而改變其參數，不會因參數值的些許變化而引起業績的急速下滑。在大多數投資組合中都值得使用這種系統，因為它們是可靠的，另外它們很容易執行。
3. 關于對交易系統信心
4. 關于交易執行的挑戰
5. 技術指標
第2章 交易系統設計原理
第3章 系統設計的基礎 1. 順趨勢還是逆趨勢
2. 關于參數優化
任何最優化演練都有其潛在的益處。第一個益處就是對交易系統不具獲利性時的市場行情的認識。對于我們建立的任何規則,都會發現產生虧損的市場運動。這是因為市場在觸發了交易信號之后,卻向相反的方向運動。 第二個益處是理解模型背后的一般性思想。例如,我們可以測試模型是在趨勢市場中獲利還是在無趨勢市場中獲利。我們在設計這些規則具有獲利性時,是假設市場處于特定的行情之中。優化練習使我們檢測自己的假設是否正確。 第三個益處是理解初始資金管理止損的作用。我們可以量化初始止損的級別,以便獲取主要的利潤。例如,如果止損太過寬松,那么虧損交易就相對較大。相反地,如果止損距啟動頭寸太近,那么就會經常止損出場。每筆虧損交易的虧損額較小,但是,隨著虧損交易出現頻率的增高,總資金回撒量將超過初始止損額。 優化練習帶給我們的最大益處是重新加強了交易者對特定交易系統的信任感。從根本上說,交易者能夠完全按照計劃執行交易系統是最重要的。所以,交易者們所做的任何測試都可以使他們更好地了解系統的性能,變得對系統的虧損和獲利特性更加適應,從而幫助他們在實際交易中更加自信地執行該交易系統。 3. 初始止損：答案還是問題 如果交易者使用初始止損，就要遵守資金管理規則，從系統設計和市場波動性中得出止損的值。一種良好的風險控制思想是使用2%的總資金初始止損，然后使用最大不利偏移(英文縮寫為MAE，盈利交易中的最大資金回撒的分布)來為特定的系統選擇止損金額。在計算合約數目之前，要把MAE與一些對市場波動性的度量關聯在一起。于是初始止損有三個標準：資金管理、MAE和波動性。 如果我們在測試自校正系統時不適用初始止損，那么我們可以對入場信號的效率獲得更多的感性認識。但是，如果系統不是自校正的，那么在測試時必須使用初始止損，3倍ATR是個不錯的選擇。 最好的交易就是立即具有獲利性的交易，同時也說明只有5%的交易是大型盈利交易，所以交易者應該將工作重點放在不要錯過這些交易中。 一個緊湊的止損產生的資金回撤可以大于根本不使用止損產生的資金回撤量。 當市場在交易區間內運動時，止損將以更高的頻率被擊中，所以我們應該使用一些趨勢度量方法來改變自己的初始止損。 在交易的開始階段，被市場止損提出的風險最高。所以在設置止損時考慮整個市場的波動性是非常有用的。 在系統測試時我們應該使用多大的初始止損呢？這取決于我們使用的數據類型和系統設計的種類。如果使用基于系統設計的固定止損，那么就使用寬松的止損。如果對于每筆交易設置的止損不同，那么就要求交易者掌握設置止損的精妙藝術。在設置止損時考慮整個市場的波動性是非常有用的。 4. 你的設計有風險控制嗎？ 跟蹤止損是用來控制資金波動性和保護利潤的一種常見方法。如果我們正在使用對趨勢變化反應比較慢的長期系統,那么這種止損將會使我們的資金曲線變得平滑。 我們可能需要一個濾網，如果交易出現虧損的話就在入場五日內出場。 5. 謹慎對待數據
6. 業績評估
7. 交易策略的穩定性
8. 設計問題—入場和出場策略 入場設計問題 技術型入場的基礎是市場產生的數據,比如價格、成交量、持倉興趣和交易委托。每種入場策略必須符合一條或多條標準才產生買進或賣出信號。每個入場策略必須解決四個常規的設計問題:靈敏度、選擇度、敏感度和耐受度,統稱為4S。 1. 靈敏度。靈敏度越高，市場運動和實際入場信號之間的延遲時間越短。 2. 選擇度。選擇度越高，系統的盈利因子越大。選擇性系統一般交易頻率較低。 3. 敏感度。入場策略越完善，它對噪聲的敏感度越低。 4. 耐受度。交易策略的耐受度越高,它可以應用的投資組合就越廣泛,它的獲利性就越容易長期保持。 趨勢跟隨策略的4S評價： 1.靈敏度：可以通過使用不同長度或不同數據類型的移動平均來改變。 2.選擇度：可以通過增加移動平均的長度來增加。
3.敏感度：在所有的長度上都較低,即便是隨機選擇的長度也不容易錯過主要趨勢。 4.耐受度：可以用于多元化市場投資組合。 逆勢策略的4S評價： 1.靈敏度：一般較高，可以在市場極值出現的當日檢測出該極值。 2.選擇度：相對較低，因市場和時間周期的變化而產生較大變化。 3.敏感度：相對較高，關鍵轉折點不容易一直被捕捉到。 4.耐受度：相對較低，只適用于少數市場。 突破策略的4S評價： 1.靈敏度：較高，可以立即檢測到市場的極值。 2.選擇度：通過增加時間周期或使用復雜定義，可以得到提高。 3.敏感度：中等，根據時間周期的不同，失敗突破產生的概率從30% ~ 70%不等。 4.耐受度：較高，可適用于廣泛的多元化投資組合。 基于形態系統的4S評價： 1.靈敏度：較高，可以立即檢測到一些形態。 2.選擇度：一般較低，不可系統化地修改。 3.敏感度：較高，易受隨機失敗的影響。
4.耐受度：較低，一般只適用于選擇的市場。
出場設計問題 在設計出場策略時,我們所做的任何權衡還會有其他的相關問題,比如滲漏性、貶值性、振動性和完善性。 1. 滲漏性：未平倉利潤損失是出場太慢的代價。 2. 貶值性：出場太快的代價。 3. 振動性：出場前市場波動性的容許量。 4. 完善性：當面對多變的市場行情時，策略的穩定性。 基于時間的出場策略 滲漏性：出場前的交易利潤損失相對較低,易受快速反轉的影響。 貶值性：相對較高,趨勢可能繼續,需要重新入場,重新調整頭寸規模。 振動性:相對較低,在市場進入反轉前的波動期之前出場。 完善性:相對較低,通常為市場專用型,經常需要校正。 基于價位的出場：獲利目標 該價格目標可以是固定金額的，也可以是與市場波動性相關的量。 滲漏性：出場前的交易利潤損失相對較低,易受不良執行的影響。 貶值性：相對較高,趨勢可能繼續,需要重新入場,重新調整頭寸規模。 振動性：相對較低,在市場進入反轉前的波動期之前出場。 完善性：相對較低,通常為市場專用型,經常需要校正。 基于價位的出場：跟蹤止損 常見的幾種是：定額止損、資金百分比止損、價格通道止損、圖表形態止損、持倉利潤回調百分比止損和波動性止損等。 滲漏性：出場前的交易利潤損失相對較高,易受不良執行的影響。 貶值性：相對較低,出場可以產生于趨勢反轉被確認之后。 振動性：相對較高,可以吸收較大的市場波動而不出場。 完善性：相對較高,可以用于廣泛的市場和時間周期。
第四章 1. 一套簡單的趨勢跟隨系統——65SMA-3CC系統 為了提高趨勢判斷的準確性，65SMA-3CC系統需要3個連續的收盤價(3CC)高于或低于65日SMA(65SMA)來決定趨勢已經改變。 讓我們對該入場信號進行一下嚴格測試，目的是判斷65SMA-3CC系統的入場是否比隨機入場要好。我們按照李布和盧卡斯的方法來測試入場信號。測試時，在第n天收盤時出場，不適用止損，也不考慮滑點和傭金的影響，盈利交易的比例應該一直大于55%。 對于每一個市場我們不得不設置不同的定額止損，但可以使用相同的波動性止損。需要注意的是，對于波動性止損，實際止損金額是隨著時間變化，所以必須保證該止損處于為風險控制所設置的總金額限制之內。 改進措施：止損、濾網、添加出場規則。 學會使用最大有利和不利偏移、交易的頻率分析以及基于波動性的初始止損。 2. 一套只用于做多的基于價格模型的系統——CB-PB系統（通道會跳策略） 3. 一套尋求趨勢、度量趨勢強度的系統——ADX爆發趨勢尋求系統 4. 一套自動模式切換系統——順勢一逆勢系統 如果ADX高于其18日SMA，那么市場正在做趨勢運動，我們將在新的高點買入，并在新的低點賣出。反之，如果ADX低于其18日SMA，我們將在新的高點賣出，并在新的低點買入。
5. 一套用于相關市場的場間系統——黃金一債券系統 在分析品種間關系的時候有幾個難點。第一個問題是弱相關市場的因所關系具有時間上的滯后。第二個問題是每個市場都有自身的供需力量，他們通常會扭曲正常的品種間關系。第三個問題是每個市場的內在技術行情。 對于傳統的單市場系統，我們可以用品種間信號作為出場策略。 6. 一套用于抓取底部的系統——底部釣魚系統 針對特定市場行情特征開發的策略。 如10MA下穿11日MA，在收盤時買進；如10MA上穿11日MA，在收盤時賣出； 模型規則如下： （1）一個20日底部已經在最近5天內形成； （2）今天的高低價差大于X，對于保守型交易X等于4，對于冒險型交易X等于1； （3）今天的收盤減去開盤價大于Y，對于保守型交易Y等于3，對于冒險型交易Y等于0； （4）如果規則123都為真，那么在下個交易日收盤時買進； （5）在交易的第20日收盤時退出； （6）每份合約的初始資金管理止損等于2000美元。 7. 一套用于逐漸增大倉位規模的系統——超常機會系統 理論上當市場呈現超常機會時，我們應該努力增加倉位規模。 超常機會的定義比較簡單。使用一條50日MA，并在他的兩側畫出3%的交易帶。當7日MA向上或向下穿越交易帶時，我們便認為超常市場機會產生了。 出場策略：在交易的第20日收盤時出場是一個簡單而又良好的策略；另一種出場策略是當7日MA返回交易帶時了結該交易。 第5章 開發交易系統的變化版本 根據著名的交易系統開發適合自己的新版本交易系統，我們可能得到一種獲勝的優勢。我并不是建議使用某種特定的思想交易，而是試圖激發交易者的創造性。改進現有系統的重點在于每個變化版本如何改變原交易系統的架構和它對市場數據的反應。 帶有跟蹤止損的收盤價通道突破系統（回顧指定天數） 帶波動性出場的收盤價通道突破系統 使用20點屏障的通道突破（最高點加20點，最低點減20點） 帶內部波動性屏障的通道突破（最高點減波動性，最低點加波動性） ADX的趨勢比其絕對值更有用。 對于使用變合約資金管理策略來說，回調類低風險入場是理想的選擇。 長傳是一種5棒底部捕捉形態，它與市場在雙重底附近的運動有關。一般的說法就是底部市場探測器。 一旦我們知道變化版本的測試結果與參考系統相比具有統計學顯著性，我們就可以評估它們是否符合我們的交易風格。使用這種方法我們就可以開發出一個大型的交易系統集合。 第6章 資金曲線分析 1.簡介 隨著時間的消逝，只有資金曲線會為我們提供交易系統性能的完整連續的圖像。我們每天的設計決策將如何影響業績，普通的測試總結只能給出極少的信息。所以在理解我們的決策對資金曲線變化產生的影響之前，我們的系統設計都是不完整的。 2. 度量資金曲線的“平滑度”
線性回歸分析的輸出之一是殘差平方和(RSS)。RSS是每個點上實際數據和擬合回歸線之間垂直距離的平方的總和。下一步是用數據點總數減2后除RSS，然后求平方根，計算出標準誤差。標準誤差度量的是平滑度。如果 注意線性回歸方法可以用于任意長度的時間框架和任意資金曲線。標準誤差提供了一種通用的、一致的和強有力的平滑度測量方法。 只有曲線間存在負相關性時，兩條或多條資金曲線的合成SE才比單條曲線的SE小。 我們可以將多元化主題推廣到在相同的市場上使用多套系統。如果這些系統是負相關的，那么資金曲線將變得更加平滑。如果這些系統具有正協方差，那么總的標準 誤差將增加。當然，如果所有系統都具有獲利性，那么斜率也將增加。注意斜率和平滑度是不相關的，所以，增加斜率并不意味著會增加曲線的平滑度。 我們可以將基于線性回歸的分析推廣到計算系統的回報風險比，方法是計算斜率與標準誤差之比。在相同的數據集上對不同系統進行比較時，這是一種快速、可靠的方法。 3. 出場策略和投資組合策略對資金曲線的影響 通過將不同邏輯的交易系統組合用于同一市場，可以提高回報/風險比。 具有正協方差的系統組合將增加SE，降低平滑度。現在便加入了一個復雜的因素，我們不知道系統間的協方差在未來會如何變化。所以，單純將各種系統組合后用于同一市場不一定會增加資金曲線的平滑度。 我們可以證明，向一個投資組合中添加更多市場不會增加平滑度，除非市場之間是負相關的。 當我們改變出場策略，在相同市場上使用不同的系統組合或不同市場的組合上使用不同的系統時，資金曲線的SE都不會自動減小。但是，改變入場策略會使SE產生明顯的變化。該結論，與多元化投資將給出比較平滑的資金曲線是有一點相悖的。 4. 月資金變化的分析 線性回歸方法沒有顯示出系統在1個月、2個月或3個月的時間里虧損了多少錢，也沒有反映最大累積虧損。我們還希望知道盈利月占總月數的百分比，以及添加特 定市場或改變投資組合時資金曲線是否會變得更加平滑。另一條有用的信息是，系統從連續虧損中恢復過來的速度(用資金曲線上新的高點之間的月數來度量)怎 樣。 我們從資金分析中收獲的另一條重要信息是獲利時間間隔的百分比。這將以月為單位告訴我們連續盈利月所占的百分比，是一種對系統性能非常有用的度量。 把不同的市場組合在一起，希望增加獲利間隔的百分比時，我們應該仔細分析一下每個市場的獲利間隔百分比。度量多元化過程成功與否的一種好方法是看獲利間隔的百分比是否在不斷增加。此處的多元化包括多市場、多交易系統和多種資金管理策略。 5. 濾網對資金曲線的影響 因為虧損主要來自整固區的入場，所以濾網的主要目的便是濾除一些不具獲利性的入場。代價可能是進入趨勢較遲，損失部分利潤。
些計算結果間接表明，濾網可以產生更加平滑的資金曲線。所以，我們還應該在投資組合級上評估改變入場 6. CTA的盈利模型 7. 穩定的資金經理等級評定 開發一個對盈利產生過程(RGP)的性能進行等級評定的穩定程序是相當有趣的工作。這種等級評定主要用來構建有效的投資組合，獲取更大的利潤。 隨著時間的過去，市場中的這些變化將反映在風險調整后業績的變化中。因為大多數CTA都在持續研究新的交易思想，所以投資組合和RGP一般也會隨著時間變 化——對于一些CTA來說這一過程較慢，而對于另一些CTA來說則非常迅速。這使得長期業績比較更加復雜化。另外，如果CTA同時選擇改變杠桿，那么業績 變化甚至會更大。 我們可以根據風險調整后的盈利使用盈利效率來比較相對業績。盈利效率被定義為平均月盈利與這些盈利的標準偏差的比值。 在測試周期上的等級評定將根據風險調整后的業績把投資組合滾向業績最佳的CTA。 8. 鏡子，墻上的鏡子...... 9. 盈利規格化 假設我們正在一個行情超棒的月的月底比較兩個RGP或兩位經理人。第一個問題是確定在這個月中哪一位的業績比預計的要好；第二個問題是在過去的一個季度上盈利是否與使用的杠桿相一致；第三個問題是該盈利是否與先前盈利的形式相一致。 我們需要一個度量標準來度量最近這個月(或者要研究的那個月)的業績。任意選擇末尾⒛個月月盈利的標準偏差(Std24)作為將盈利規格化的標準，這24個月不包括最近這個月或者要研究的那個月。 規格化盈利 = 月度盈利 / Std24 根據規格化盈利比較CTA更有實際意義。因為它通過調整枉桿使指定周期上計算出的月盈利的標準偏差相等，很容易將CTA置于平等地位上進行比較。 10. 風險調整后業績的度量方法 一類定量業績度量方法是計算風險調整后盈利。 對夏普比率的批評，包括對受不斷增加的杠桿操縱的敏感性，在解釋負值方面的含混性，以及傾向于穩定盈利的偏見性。夏普比隨著時間的發展會偏愛穩定的盈利， 而非收益產生爆發的獲利程序(即上側波動性較高的程序)。在設計夏普比時使用標準偏差的另一結果是，因為標準偏差的計算對盈利實現的時間順序不敏感，所以 夏普比不能區分間歇性虧損和連續虧損。
11. 風險調整后業績的度量方法的比較 12. 未來業績控制圖表 利用統計學的中心極限定理來實現預測目標。
13. 小結 回歸分析中的標準誤差是對資金曲線平滑度一種很好的度量標準。比較平滑的資金曲線擁有較小的標準誤差。 我們看到，產生“平滑”資金曲線的一些常見方法并非每次都奏效。我們測試的大部分出場策略都沒能使SE下降超過20%，但是卻造成了實質性的利潤損失。在 不同市場或系統上的多元化也使標準誤差增加。我們還分析了每月資金變化，以驗證這些發現。只有入場規則的變化給出了比較平滑的資金曲線。 我們構造了CTA盈利模型，并且證明可以通過簡單趨勢跟隨模型在期貨市場子板塊上的盈利來解釋他們的盈利。這種方法使我們能更深入地理解CTA之間的相互 關系，并幫助我們建立完善的投資組合。選擇投資組合的過程進一步得到開發穩定資金經理等級評定程序的幫助，這是該領域現有方法的一次重要改進。風險調整后 業績的度量方法可能會幫助我們縮小投資組合的選擇范圍。
本章內容表明，分析資金曲線使我們獲得了對系統設計的寶貴洞察，這是在業績總結中得不到的。所以，如果沒有分析資金曲線，系統開發工作就沒有完成。 第7章 資金管理思想 不良資金管理會破壞優良的系統。 1. 簡介 2. 破產風險 3. 相互影響：系統設計和資金管理 4. 預測資金回撤 5. 盈利或虧損后調整倉位規模 6. 實際業績記錄的資金回撤深度 7. 預測資金回撤的持續時間 8. 預測未來盈利 9. 錢德舒適區域 10. 應對資金回撤 11. 改變波動性的度量尺度 12. 杠桿的校正 13. 盈利效率的基準 14. 無效多元化 15. 比較資金經理 16. 股票市場和共同基金中的風險與回報 17. 小結 對于大多數交易者來說，每個信號交易固定數量合約的策略是一種合理的選擇。通過在虧損交易之后建倉，可以獲得比較平滑的資金曲線。 資金回撤的持續時間可以使用指數分布進行預測，或者使用資金回撤串或資金回撤周期持續時間的標準偏差的3倍來作為預測標準。他們是預測未來業績兩個關鍵方面的非常有價值的工具。 區分系統業績的關鍵因素是他們對橫盤市場的反應。 如何應對資金回撤的難題？在資金回撤其內辨識低風險入場點的方法？改變波動率度量尺度？對杠桿的校準？ 第8章 數據的隨機化處理 本章介紹一種生成合成數據的新方法，它可以生成無限量的數據用來作系統測試。這種新方法叫做數據的隨機化處理，幫助我們克服期貨市場上數據量相對較少的限 制。數據的隨機化處理可以產生新的價格區間和新的價格形態，這對于在最廣泛的市場運動區間內測試是必須的。這是真正的樣本外測試。（例：用7年長度的瑞士 法郎連續合約來產生56年的合成數據） 1. 關于自己的系統，我們真正希望理解什么 對于自己的系統我們真正希望了解的是它在未來的表現如何。由于不能預見未來，所以一種比較好的選擇是在許多“模擬”未來市場運動的數據集上測試系統。然后，對這些結果求平均值就可以得到對未來盈利和資金回撤的合理評估。（標準偏差對于預測未來資金回撤是非常有用的。） 作為交易者，我們還希望獲得一種感覺，那就是系統的設計思想在不同市場上工作時究竟有多好。系統設計方法的舒適水平甚至比業績數字更有價值，因為我們可以 毫不猶豫地執行一套熟悉的系統。獲得這種自信的方法之一是在許多不同的數據集上測試該系統，于是我們可以經歷，至少是間接地經歷許多不同的市場環境，然后 我們就可以更好地理解系統性能在這些市場上的變化。 2. 歷史數據是序幕：放回抽樣 自舉法的思想是對一些試驗結果進行放回抽樣，以得到我們所感興趣的量的統計分布。舉例說明，對于來自一套交易系統的200個交易結果，我們使用放回抽樣產生不同的輸出結果，然后對這些數據進行平均，便得出未來交易結果的一個分布。
合成數據有一個重要的局限性。由于我們使用的是放回隨機抽樣方法，所以我們的形態不代表實際市場行為。 3.小結 數據的隨機化處理提供了一種測試系統的新方法，使系統測試可以在許多不同的市場行情上進行。我們可以在這種模擬測試中觀察系統模型的表現，對于系統的運作獲得更多的自信，并且學習如何識別系統的失效。 第9章 執行一套交易系統 1. 測試的問題
2. 你相信自己的系統嗎？
3. 時間是我們的盟友
4. 無例外規則
5. 全程可追溯性
6. “保證”在主要趨勢入場
7. 賬戶啟動
8. 風險控制
9. 你有計劃嗎
10. 如何監控計劃的執行
11. 運動信息學在交易中的應用
13.小結
|
|
|
