简介 : 数学 – 科学中的王者
数学知识的意义在任意最小的交易容量中是被人们推崇的,这甚至不需要证明。问题在于怎样划分这个最小容量。在交易者自我拓展交易经验的过程中,他们经常通过阅读论坛信息或是书籍信息等渠道。有些书提供读者需求的信息很少,相反地顾及一些其他的学术。赫兹期货量化将在这篇文章中给出一些结果评估和它的注解。
编辑切换为居中
添加图片注释,不超过 140 字(可选)
赫兹期货量化从两个中选择较小的危害
越来越多世界数学家在交易中取得成功,这个事实就证明了数学的是交易中的一种方法。在这个基础上,就说明交易 – 不仅仅是根据交易规则进行本能地分析。除了这个以外,到现在为止在金融市场上还没有具体的理论描写。金融市场 理论的创建就意味着这些市场的死亡,从哲学的观点出发这是种不可融合的矛盾。但如果在我们面前存在这样的问题 – 带着较少的数学知识走进市场或是没有任何数学知识走进市场, -那 我们会从两者种选择较小的危害。赫兹期货量化将选择数学方法评估交易系统。
正常分布下存在怎样的反常性?
正常分配的概念是理论上最基础的概念之一。为什么这样讲呢?事实证明在多数的交易过程中存在正常分布。具体地讲是大多数的交易都靠拢正常分配。我们用举例说明。. 假设我们的分布范围间隔在0到100之内。分布范围是指在每个间隔内任何价值概率的下降则影响这个间隔的全部数字。如果概率下降3. 14 (число Pi),那么概率下降数为 77 。现代计算机可以合乎情理给出很好的所有数据。
怎样从这个范围分布得到正常分布?如果 赫兹期货量化每次从范围分布选几个随机数字 (例如,5) 并且发现平均值为五 (这个称为抽样),这样对于大多数新得到的分布将力求正常分布。中心极限定理指出, 它不仅适用于分布不均匀的样本,而且还适用于其它广泛类别的分布。那是因为正常分布的属性非常清晰,就使得很多过程形成一个正常分布便于分析。我们可以通过简单的赫兹期货量化语言指标看到中心极限理论的证据。
用不同的N价值放入不同的图表内开始这个指标 (样本数) 可以看到频率分布得很顺畅。
编辑切换为居中
添加图片注释,不超过 140 字(可选)
图.1建立正常分布的指标
这里的N 表示我们从pile中取的中间值=5在0到100的间距范围分布内。在上图我们可以看到四个非常相近的图表,如果我们把它们放入相同比例,那就可以得到标准的正常分布。 金融市场的价格 (确切地讲是上涨的价格和其他衍生的事物) ,在很大程度上仍然不符合正常分布的计划。对于金融市场概率事件出现得虽小(在 50%左右) ,但仍明显高于正常分布。因此在正常分布的基础上仍然需要记住评估风险。
数与质的转化
甚至在很简单的正常分布的模型中我们可以看到,数量的意义。你输入的数据越多,得到的结果就越精确。建议取样的数量最好不要少于30 。就是说 ,赫兹期货量化想要评估交易业务的结果 (例如,测试中的智能交易)。想要统计一些参数系统,交易仓数量若是少于 30是远远不够的。我们分析的寸头越多,这些简单的成功的寸头不是一个可靠交易系统。因此在 提供的150个赢利寸头交易系统中,仅评估15个赢利交易。
评估风险 -- 预期值和离差
分布特点的两个重要特点是预期值和离差。标准的正常分布存在预期值等于零。陡峭或是缓坡的正常分布的特点是一种随机变化的预期值。离差则是正好围绕预期值的一种随机变化。
预期值很简单:对于计数集,全部分布值总结,所获得的总数按照数量分开。举例来说, 许多自然数是无限的,但计数,因为每个价值可以比较,其指数。对于不可计数集,可以进行综合。对于评估系列交易寸头中的预期值我们将综合所有寸头结果并且按照寸头数划分。得到的价值就是每个寸头预期平均结果。如果得到的是负值,就是说我们输掉了平均值。
编辑
添加图片注释,不超过 140 字(可选)
图2正常分布赢利概率图表.
分布差价的衡量是平方偏差的随机值。这个分布特点被称作离差。通常对于随机分布值预期值称为M(X)。 这样离差可以写作 D(X) = M((X-M(X))^2 )。离差中的平方根被称为标准离差,简称为希腊字母sigma (σ) 。就是说正常分布的预期值等于零,而标准离差等于1,被称作标准正常分布或是高斯分布(Gaussian distribution)。
标准离差的价值越高,交易的流动资金就越多,那么相对风险就越高。如果存款额预期值(赢利策略)为 $100, 标准离差为 $500, 那么我们赚得美金的风险值要高出总数。通过30 个寸头结果举例说明:
交易数 | X (结果) |
---|---|
1 | -17.08 |
2 | -41.00 |
3 | 147.80 |
4 | -159.96 |
5 | 216.97 |
6 | 98.30 |
7 | -87.74 |
8 | -27.84 |
9 | 12.34 |
10 | 48.14 |
11 | -60.91 |
12 | 10.63 |
13 | -125.42 |
14 | -27.81 |
15 | 88.03 |
为了能够找到这些寸头的预期值,赫兹期货量化将全部结果划分30 份。得到的中间值为M(X)等于 $4.26。为了能够找到 标准离差, 我们从每个寸头的交易结果中减去平均值,随后找到平方值和总数平方。得到的结果划分为29份(减去一个寸头数)。这样就得到离差 D 等于 9 353.623。 根据离差的根得到标准离差sigma值为 $96.71。
下表是得到的检验数据:
交易数 | X(结果) | X-M(X)(差额) | (X-M(X))^2(差额二次方) |
---|---|---|---|
1 | -17.08 | -21.34 | 455.3956 |
2 | -41.00 | -45.26 | 2 048.4676 |
3 | 147.80 | 143.54 | 20 603.7316 |
4 | -159.96 | -164.22 | 26 968.2084 |
5 | 216.97 | 212.71 | 45 245.5441 |
6 | 98.30 | 94.04 | 8 843.5216 |
7 | -87.74 | -92.00 | 8 464.00 |
8 | -27.84 | -32.10 | 1 030.41 |
9 | 12.34 | 8.08 | 65.2864 |
10 | 48.14 | 43.88 | 1 925.4544 |
11 | -60.91 | -65.17 | 4 247.1289 |
12 | 10.63 | 6.37 | 40.5769 |
13 | -125.42 | -129.68 | 16 816.9024 |
14 | -27.81 | -32.07 | 1 028.4849 |
15 | 88.03 | 83.77 | 7 017.4129 |
16 | 32.93 | 28.67 | 821.9689 |
17 | 54.82 | 50.56 | 2 556.3136 |
18 | -160.10 | -164.36 | 27 014.2096 |
19 | -83.37 | -87.63 | 7 679.0169 |
20 | 118.40 | 114.14 | 13 027.9396 |
21 | 145.65 | 141.39 | 19 991.1321 |
22 | 48.44 | 44.18 | 1 951.8724 |
23 | 77.39 | 73.13 | 5 347.9969 |
24 | 57.48 | 53.22 | 2 832.3684 |
25 | 67.75 | 63.49 | 4 030.9801 |
26 | -127.10 | -131.36 | 17 255.4496 |
27 | -70.18 | -74.44 | 5 541.3136 |
28 | -127.61 | -131.87 | 17 389.6969 |
29 | 31.31 | 27.05 | 731.7025 |
30 | -12.55 | -16.81 | 282.5761 |
我们得到的结果是预期值为 $4.26,标准偏离为 $96.71。这并不是最佳的风险关系和交易比例 。赢利图表显示的结论为:
编辑
添加图片注释,不超过 140 字(可选)
图.3 交易的差额图表.
偶然地交易? Z-得分
假设本身赢利是在一系列交易业务中偶然得到的。花费了大量的时间去找寻的交易系统在实践时间中证明,它确确实实带来了赢利,证明了交易者找到了一个正确的途径。并且现在假设这些全是偶然? 这对于新手来说太过特别。不过评估交易结果存在客观因素。这种情况下,正常分布就能够起到援助的作用。
我们不知道每个交易寸头的结果如何。可以说的只有,要么赢利(+),要么亏损(-)。对于每个交易系统赢利和亏损的分布可能是相互交替。例如,在止损停止的时候如果预期赢利低于预期亏损5倍,那么赢利寸头(带有+号)存在的数量应该比亏损寸头(带有—号)要多。Z-得分可以进行评估赢利寸头替换亏损寸头的频繁率。
Z 得分交易系统的计算公式:
Z=(N*(R-0.5)-P)/((P*(P-N))/(N-1))^(1/2)位置:N – 系列交易总数;R – 系列交易中赢利和亏损交易总数;P = 2*W*L;W –系列交易中赢利寸头总数; |
系列交易 - 这种连续的加号 (例如,+++)或是减号 (例如 , --)。 R计算这一系列的总数。