赫兹期货量化将继续为构建多重状态、可扩展的交易系统奠定基础。 在本文的框架内,我想为您展示如何利用前几篇文章中的发展成果,来进一步阐述交易过程的广泛可能性。 这有助于从这些层面评估策略,来弥补其它分析方法未能涵盖的地方。 在本文中,我探索了将复杂的、多重状态的样本转换为简单的双重状态样本的可能性。 这项分析是依照研究风格完成的。
简化数据的有用形式
假设有一种策略,一笔接一笔地进行多次交易,且无重叠;也就是说,严格遵守一笔新订单会在前一笔订单平仓后再开立。 如果我们需要评估成功或失败的概率,并衡量实现盈利或亏损所需的平均时间,我们将看到订单会出现大量不同的状态(它们以不同的结果了结)。 为了能够将分形公式应用于此类策略,我们首先需要将这些策略转换为可依据分形框架研究的情况。 为了实现这一点,我们需要将我们的策略表述为一个具有等距止损级别的订单,它有往上走和往下走的概率,就像我们的分形一样。 然后,我们可以应用分形公式。 此外,往上走和往下走会有不同的生存期。 为了把任何策略简化为我们在前一篇文章中发现的分形公式框架中可以描述的类型之一,我们首先需要判定哪些值必须已知,才能应用分形公式。 此处的一切都很简单:
-
P[1] – 往上走的概率
-
T[1] – 平均往上走形成时间
-
T[2] – 平均往下走形成时间
首先,当步阶数量趋于无穷大时,我们需要考虑极限值:
-
(P[1] * T[1] + (1 -P[1])*T[2]) * n = T(n)
-
(P[1] * Pr - (1 -P[1])*Pr) * n = P(n)
为了更好地理解上述表达式,有必要写出两个极限:
-
Lim(n --> +infinity)[P/P0(n)] = 1
-
Lim(n --> +infinity)[T/T0(n)] = 1
这些极限是说,赫兹期货量化以 “n” 的数量或交易量进行相同的实验,赫兹期货量化总是会从主要的广谱实验中,得到包含所有初级实验所用的总时间。 此外,我们总是会得到最终交易余额的不同位置。 另一方面,直觉上很清楚,在无限多次的实验中,实际值将趋于该极限。我们可以用随机数生成器来证明这个事实。
-
n - 模拟的步阶次数
-
1-P[1] – 往下走的概率
-
T0(n) – 在 “n” 步上花费的实际时间
-
P0(n) – “n” 步的余额或价格的实际偏移
-
T(n) - 在 “n” 步上花费的时间极限
-
P(n) – “n” 步的极限偏移
这一逻辑可导出两个方程,但其中的未知数太多。 这并不奇怪,因为这才只是开始。 但这些方程只描述了推导系统(我们需要得到的那个)。 对于源系统的方程也类似:
-
(P*[1] * T[1] + P*[2])*T*[2] + … + P*[N])*T*[N] ) * m = T(m)
-
(P*[1] * Pr*[1] + P*[2]*Pr*[2] + … + P*[N1]*Pr*[N1]) * m - (P*[N2] * Pr*[N1] + P*[N1+1]*Pr*[N1+1] + … + P*[N2]*Pr*[N2]) * m = P(m)
-
P*[1] + P[*2] + … + P*[N2] = 1 – 概率形成了一个完整的分组
极限也相同,并且它们显示相同的值:
-
Lim(m --> +infinity)[P/P0(m)] = 1
-
Lim(m --> +infinity)[T/T0(m)] = 1
此处用到的变量如下所述:
-
m – 模拟步阶数量
-
T0(m) – 在 “m” 步上花费的实际时间
-
P0(m) – “m” 步的余额或价格的实际变化
-
T(m) - 在 “m” 步上花费的实际时间
-
P(m) – “m” 步的实际偏移
-
T = Lim(m --> +infinity) [ T(m) ] – 极限时间
-
N1 – 交易收益为正的数量及其计数值
-
N2 – N1 + 1 – 亏损交易数量(N2 为其计数值)