股票期货量化交易软件：资金管理回顾

简介

交易活动可以分成两个相对独立的部分。第一个部分称为交易系统 (ТS)，作用是分析当前状况，做入市决策，定义仓位类型（买入/卖出）和退市时机。第二个部分称为资金管理系统，定义每笔交易中的资金金额。本文中，我们尝试根据 MM 策略中参数的变化对这些策略进行分析。我们选择了模拟法进行分析。但是，某些情况下还要考虑分析决策的结果。分析工具是 赫兹量化交易终端和 Excel。此外还要使用提供伪随机数生成 (PRNG) [1] 的库、统计函数 [2] 和用于将数据从 赫兹量化传输至 Excel [3] 的模块。

假设任意交易活动 (TA) 都有某种程度的不确定性。换句话说，已知 TA 参数有一定的精确度，但永远无法进行完全精确的定义。“随机赌注”的策略可作为此类 TA 的一个好例子，也许也是最简单的例子。使用此策略，交易者随机（例如，通过抛硬币）押注于某个货币汇率将相对于另一个上涨还是下跌一定的点数。货币汇率的生成很可能与抛硬币的结果并不相关。因此，我们就有了一个 TA，其中产生的交易结果相互之间并无关联（伯努利交易结果）。此外， 赫兹量化也无法定义下一次抛硬币的结果或是预测它是否匹配未来的货币方向。我们只知道，在尝试次数足够多的情况下，每 100 次中约有 50 次是匹配的。很多交易者相信他们的交易有所不同。也许他们是正确的，但首先我们会查看这个特殊案例。然后我们将分析系统的行为和性能，在此系统中，100 次尝试可预测的次数超过 50 次。

从结构上看，本文首先使用“理论”示例分析最有趣的 MM 参数。然后我们将尝试对 MM 的行为建模，相关数据类似于真实的金融交易情况。要注意的是，我们不会分析特定的 TS。假定无论使用什么 TS，它都仅向我们提供有关获利和亏损的数据和指定的概率，以及预设的获利和亏损值。这里不考虑与实际交易结果的独立性定义（伯努利）以及与 TS 稳定性的及时评估相关的事宜。

前面已经提到，赫兹量化将使用模拟法。实际上，模拟的本质是基于用预设参数生成的伪随机数定义下一次赌注的结果（获利或亏损）。赌注大小由选定 MM 策略定义。如果赌输了，则从交易者当前的资金中扣除所下赌注。如果赌赢了，资金增加。将模拟指定数量的交易，之后计算总结果。然后重复此流程多次（从数百次到数十万次不等），之后以最合适的方法取结果的平均值。

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

一些基本术语和缩写

先说一下最终财富比例 (TWR ) 的概念。它将从一系列交易中获取的总利润用初始资金的乘数来表示。换句话说，如果我们将最终资金除以初始资金，就得到了 TWR。例如，如果利润有 12%，则 TWR=1.12。如果亏损有 18%，则 TWR=0.82。可以比较各种 TA 的结果，无论初始资金的绝对值为多少。同样，[4]、[5] 和 [6] 也这样使用术语 TWR 。

下一件重要的事情是“赢”的概念。任何结果，如果它的值超过初始值，就表示赢了。换句话说，TWR>1 就是赢了。相应地，不满足上述条件就是输了，即 TWR<=1。因此，当最终资金等于初始资金时，即 TWR=1，也算是输了。不过必要时，这种情况可以单独考虑。此外，有一种“输”的概念表示资金亏损（无论亏损是因单个交易还是一系列交易而导致的），之后无法继续交易活动。例如，情况可能是资金已经全部亏掉 (TWR<=0) 或剩余资金小于某个最小值（保证金）。

现在，让我们看看本文中使用的通用符号。赢的概率用 p 符号表示。其正常维数是单位分数。输的概率为 q=1- p。总交易数 - N，获利交易数 - V，亏损交易数 - L。按绝对价值计算，获利交易的规模被定义为 a，而亏损交易的规模被定义为 b，获利/亏损比为 k= a/b。在讨论相对于资金规模的获利\亏损交易规模时，各自的符号为 a% 和 b%。a% 与 b% 的比率为 k。相对于资金的赌注大小用 f 表示。

计算期间发生事件的概率用 Prob 表示。必要时也还会用到其他符号。

此外，本文中的“赌注”和“交易”概念是一致的。它们都表示同一个东西 - 单次交易操作 (SТО)。根据上下文的不同，一系列此类 STO 可以称为一个赌局或交易。很多交易者并不喜欢这个称呼，但赌局一词很恰当地表现了交易活动中出现的不确定性。

历史背景

对基于抛硬币的 TS 属性的研究已持续了相当长的时间。其最简单的形态就是“正面还是反面”的赌博。赌局的参与者是两名拥有一些初始资金的玩家。双方抛硬币，正确叫出朝上一面的玩家赢得另一个玩家的一部分资金。否则，该玩家输掉自己的一部分资金。这就是数学家眼里经典的“赌徒破产”问题。相关的研究非常详尽，众所周知，结果取决于初始参数。

解决“赌徒在对阵非常有钱的对手时会破产”的问题的基本结果对交易者来说更为重要。这里，非常有钱的对手用交易中心 (DC) 来表示。如果你实在不想以 DC 为对手，可以将所有其他金融交易者视为一个非常有钱的对手。

这种赌局有什么问题？赫兹量化不讨论无限博弈情况。没人能无限赌下去，因为可能无论如何都会以悲剧收场。让我们假设赌局是有限的，包含 N 次交易。假设你猜对的几率是 p>0.50，而输赢的值是相等的，即 a=b。我们再假设你想要在 N 次交易中获胜的次数达到可能的最大值。

在赌局中实现最大利润的最佳策略是下可能的最大赌注，即你手头的所有资金。但是，数学已证明，这种情况下的破产概率可用方程式 1-(pN) 计算，此概率取决于 N。[7][8] N 的值（即下注次数）越大，破产概率越高。因此，如果必须要赌，N=1 时破产概率最低。如果不是必须要赌，最好的策略就是不赌，因为破产概率为 0。

注意：这里有一个常见的误解。很多人相信，如果游戏赔率是相等的，那么他们的可能收益约为 0。这就好比他们和对手拥有差不多的资金。

在实际交易中，这意味着即便你能够在 3 次交易中赢下 2 次，并且每次都赌上你所有的资金，还是会发生以下情况。第一次交易中破产的概率为 1/3。这是一个很好的结果，但到第 10 次交易时，破产概率等于 ~0.98。

因此，想要最大化利润，就需要满足一个荒谬的要求，即，一次性押上你的所有本钱，并且，只赌一次。这个结果当然不太令人满意，因为你还希望你的赌局中赌的次数越多，你能赢到的最终利润会越大。

赫兹量化可以通过消除最大利润要求来增加此类赌局的时间并降低破产的概率。换句话说，下注时只用一部分资金。如果这一部分非常小，那么赌局就可以持续相当长的时间。这一点也是经过数学证明的。[7][8] 然而在这种情况下，最终的收益也会较少。因此，高赌注增加了可能的利润，也提高了亏损的风险。低赌注降低了风险，也减少了可能的利润。那么就出现了一个问题，赌局中最合理的赌注应该占资金的几分之几（从特定角度来看）。

这些是通常的推理和假设。此问题已被彻底地研究过。随之出现的是整个所谓“资金管理”的领域，用于解决此问题。有多种 MM 方法，能够以各种途径满足破产概率和利润值的要求。篇幅所限，我们无法探讨所有方法，所以只重点介绍其中两个：定义固定大小赌注的方法，和以固定比例的资金下注的方法。

一些理论

如果我们忽略所有数学智慧，MM 中的关键时刻会是一个问题，此问题可做如下陈述：在一段时间之后（例如，交易数量），发生某事件的概率是多少（例如资金增长或破产）。实际上，这是一个看法问题，因此这个时刻可以是固定的，且仅可考虑两个参数 - 事件概率和事件本身。

如果我们考虑最简单形式的“正面还是反面”，那么只要知道 N 次投注的次数，就能非常轻松地算出一些东西。例如，每一次投注 (1) 的收入的数学期望值 (МО) 或一系列投注 (2) 的预期收入。注意，这里的 МО 是相对于初始资金而定义的。这意味着当 МО>0 时，期望值为正值，如果 МО<0，则预计每次投注平均起来是亏损的。

​

编辑

添加图片注释，不超过 140 字（可选）

对于 [9] 中所述的情况：p=0.45，q=0.55，a%=0.08，b%=0.05，N=20，结果为 MO=0.0085，TWR=1.170。这种情况的有趣之处在于，当赢的概率 p<0.5 时，МО 在一次下注时保持正值，并预期最后可获得初始资金的 ~17% 作为利润。

警告：另一种 MM 方法在 [9] 中进行检查。因此，虽然输入数据类似，但结果将是不同的。

然而，此类期望值近似于全盘平均值。它并未根据获胜赌注的数量给出某些结果出现的概率，这就使风险评估变得更为复杂。因此，让我们再引入两个方程式，用于计算一定次数的获胜赌注 (3) 的利润以及计算一定次数的连续获胜赌注 (4) 的发生概率。

​

编辑

添加图片注释，不超过 140 字（可选）

现在我们只需要计算所有 V= 0,1,...,N，L=N-V 的值，并创建 Prob(V) 对 TWR(V) 的依赖图。对于之前所述的案例，图形如下所示。注意，图中显示 Prob 和 TWR 轴，不带 (V) 指数。这个工作是单独完成的，可以让图形看起来不那么复杂。

​

编辑

添加图片注释，不超过 140 字（可选）

图 1

使用方程式 (3) 和 (4) 计算得出的结果显示为绿点。图形的说明如下。例如，当 TWR=1.04 时，发生交易系列结果的概率是 0.162。最常见的是概率为 0.177，TWR=1.170 等。蓝点代表累积概率形式的相同数据。因此，我们的输入数据的亏损概率（即赌局的某些回合中的 TWR<=1.00）为 0.252。图上不显示极值。破产情况下 (TWR=0.00)，Prob=6.4E-06。最大收益 TWR=2.60, - Prob=1.2E-07。这些是非常小的概率。但它们的存在引发了另一个重要问题。

让我们用以下示例说明这个问题。已针对以下条件执行计算：p=0.45，q=0.55，a%=0.05，b%=0.05，N=50。结果显示在图中。

​

编辑

添加图片注释，不超过 140 字（可选）

图 2

赫兹量化可以看到，TWR 的取值范围为 -1.50 到 3.50。仅在资金金额小于 0.0 的情况下执行赌局时，才会出现 TWR=-1.50 这种情况。因此，赫兹量化所用的方程式并未考虑到这种情况，即资金在某个中间交易中已经耗尽，赌局无法继续。那么，新的任务就出现了，就是所谓的“边界吸收问题”。这个问题认为现有资金有某个边界（或限制）。达到这个边界时，赌局将停止。在其最简单的形式下，假设边界 =0。但我们更感兴趣的是它采用任意值时发生的情况。此问题的分析解决方案的某些方面在 [7] 中进行了说明。

机遇范围

让我们试着用数字方式来解决这个问题，首先使用迭代计算，然后使用基于随机方法（蒙特卡洛法）的模拟建模。首先，让我们查看图形并试着解决问题。

​

编辑

添加图片注释，不超过 140 字（可选）

图 3

图中系统性地显示博弈期间资金可能的变化轨迹。显示三种情况，当然实际上远不止这三种。例如，假设资金超过 0.3（抵押要求）的玩家才允许参与赌局。假设赌局走的是红色路线，并变得无法继续游戏。出现了边界吸收轨迹，意味着完全破产。玩家退出游戏，而走绿色或蓝色路线的玩家则不同。因此，赫兹量化需要定义之前步骤的破产概率，以在某个明确步骤上定义此概率。

执行此类计算时采用的最简单、最直观也非常古老的技巧是帕斯卡三角形。实际上，这是一个递归过程，在此过程中，将使用之前的值来计算下一个值。以下显示的是略有修改的三角形。

​

编辑

添加图片注释，不超过 140 字（可选）

图 4

绿点表示图中 TWR 轨迹会穿过的可能位置。在这种情况下，可使用方程式 (3) 计算 TWR。这些点有 Prob 值（分子）和 TWR 值（分母）。z% 符号指定发生吸收（黑线）时的边界值。红色水平线是通过 z%+b% 值绘制的。

点相对于红线的位置代表着什么？如果该点的位置较高，则可能可以进入下一轮。当红线穿过该点时，这是进入下一步的最后一个机会。如果成功，赌局继续，否则就发生吸收。红线与黑线之间的点是可达到的，但不可能进入下一步骤，因为资金已不足以进行下一次投注。换句话说，这不是完全破产，但赌局仍然无法继续。

注意：当然，在整数赌注的情况下这是不可能发生的，就像抛硬币一样，但如果赌注等于资金的 0.15，则总体状况就如上述示例那样。

​

编辑

添加图片注释，不超过 140 字（可选）

图 5

此图包含不同边界条件下的计算结果。如果我们将其与上一图进行比较，我们应该能够注意到两者的区别。

​

编辑

添加图片注释，不超过 140 字（可选）

图 6

现在，拥有这些数据后，赫兹量化能够知道任何事件的概率。例如，在图 6 中，当 N=6 时，相对于 TWR=1.4 的 Prob 是多少？答案是 0.234。或者当 N=6 时，相对于 TWR>1 的 Prob 是多少？应将对应的 Prob 值求和。答案是 0.344。或者当 N=6 时，相对于 TWR=1.1 的 Prob 是多少？答案是 0。等等。

此系列的最后一个示例具有“大为逊色”的输入值：显示 p=2/3，q=1/3，a%=0.1，b%=0.2，z%=0.2 以展示 Prob 和 TWR 在此情况下的变化。我们可以看到，赢的概率超过输的概率两倍。但是，获利大小是亏损大小的一半。