<< Пред.           стр. 3 (из 10)           След. >>

Список литературы по разделу

  Расчет дисперсии и стандартного отклонения (V и SD соответственно) может оказаться трудным для большинства людей, не знакомых со статистикой. Вместо этих величин многие используют среднее абсолютное отклонение, которое мы назовем М. Чтобы найти М, надо просто взять среднее абсолютное значение разности самой величины и ее среднего значения.
 
 При колоколообразном распределении (как почти всегда бывает с распределением прибылей и убытков торговой системы) среднее абсолютное отклонение примерно равно 0,8 стандартного отклонения (в нормальном распределении оно составляет 0,7979). Поэтому мы можем сказать:
 
 и
 
 Обозначим среднее арифметическое HPR переменной А, а среднее геометрическое HPR переменной G. Используя уравнение (1.166), мы можем выразить оценочное среднее геометрическое следующим образом:
 
 Из этого уравнения получим:
 
 Теперь вместо дисперсии подставим стандартное отклонение [как в (1.16а)]:
 
 Из этого уравнения мы можем выделить каждую переменную, а также выделить ноль, чтобы получить фундаментальные соотношения между средним арифметическим, средним геометрическим и разбросом, выраженным здесь как SD ^ 2:
 
 
 
 
 В этих уравнениях значение SD^2 можно записать как V или как (1,25 * М) ^2. Это подводит нас к той точке, когда мы можем описать существующие взаимосвязи. Отметьте, что последнее из уравнений - это теорема Пифагора: сумма квадратов катетов равна квадрату гипотенузы! Но здесь гипотенуза это А, а мы хотим максимизировать одну из ее сторон, G. При увеличении G любое повышение D ("катет" дисперсии, равный SD или V^(1/2), или 1,25 * М) приведет к увеличению А. Когда D равно нулю, тогда А равно G, этим самым соответствуя ложно толкуемой функции роста TWR = (1 + R)^ N. Действительно, когда D равно нулю, тогда А равно G в соответствии с уравнением (1.26).
  Мы можем сказать, что повышение А^ 2 оказывает на G то же воздействие, что и аналогичное понижение величины (1,25 * М) ^ 2.
 
 Чтобы понять это, рассмотрим изменение А от 1,1 до 1,2:
 А SD М G А^2 SD ^ 2 = (1, 25 * М)^ 2 1,1 0,1 0,08 1,095445 1,21 0,01 1,2 0,4899 0,39192 1,095445 1.44 0.24
 
 
 
 
  0,23 = 0,23
 Когда A=l,l,ToSD=0,l. Когда А = 1,2, то, чтобы получить эквивалентное G, SD должно быть равно 0,4899, согласно уравнению (1.27). Так как М = = 0,8 * SD,ToM=0,3919. Если мы возведем в квадрат значения А и SD и рассчитаем разность, то получим 0,23 в соответствии с уравнением (1.29). Рассмотрим следующую таблицу:
 А
  SD М G А^2 SD ^ 2 = (1,25 * М) ^ 2 1,1 0,25 0,2 1,071214 1, 21 0,0625 1,2 0,5408 0,4327 1,071214 1, 44 0.2925
 
 
 
 
  0, 23 = 0,23
 Отметьте, что в предыдущем примере, где мы начали с меньших значений разброса (SD или М), требовалось их большее повышение, чтобы достичь того же G. Таким образом, можно утверждать, что чем сильнее вы уменьшаете дисперсию, тем легче дается больший выигрыш. Это экспоненциальная функция, причем в пределе, при нулевой дисперсии, G равно А. Трейдер, который торгует на фиксированной долевой основе, должен максимизировать G, но не обязательно А. При максимизации G надо понимать, что стандартное отклонение SD затрагивает G в той же степени, что и А в соответствии с теоремой Пифагора! Таким образом, когда трейдер уменьшает стандартное отклонение (SD) своих сделок, это эквивалентно повышению арифметического среднего HPR (т.е. А), и наоборот!
 Фундаментальное уравнение торговли
 Мы можем получить гораздо больше, чем просто понимание того факта, что уменьшение размера проигрышей улучшает конечный результат. Вернемся к уравнению (1.19а):
 
 Подставим А вместо AHPR (среднее арифметическое HPR). Далее, так как (X ^Y) ^ Z = Х ^ (Y * Z), мы можем еще больше упростить уравнение:
 
 Это последнее уравнение мы назовем фундаментальным уравнением торговли, так как оно описывает, как различные факторы: А, SD и N - влияют на результат торговли. Очевидны несколько фактов. Во-первых, если А меньше или равно единице, тогда при любых значениях двух других переменных, SD и N, наш результат не может быть больше единицы. Если А меньше единицы, то при N, стремящемся к бесконечности, наш результат приближается к нулю. Это означает, что, если А меньше или равно 1 (математическое ожидание меньше или равно нулю, так как математическое ожидание равно А - 1), у нас нет шансов получить прибыль. Фактически, если А меньше 1, то наше разорение - это просто вопрос времени (то есть достаточно большого N).
 При условии, что А больше 1, сростом N увеличивается наша прибыль. Например, система показала среднее арифметическое 1,1 и стандартное отклонение 0,25. Таким образом:
 
 В нашем примере, где коэффициент равен 1,1475; 1,1475 ^ (1/2) = 1,071214264. Таким образом, каждая следующая сделка, каждое увеличение N на единицу
 соответствует умножению нашего конечного счета на 1,071214264. Отметьте, что это число является средним геометрическим. Каждый раз, когда осуществляется сделка и когда N увеличивается на единицу, коэффициент умножается на среднее геометрическое. В этом и состоит действительная польза диверсификации, выраженная математически фундаментальным уравнением торговли. Диверсификация позволяет вам как бы увеличить N (т.е. количество сделок) за определенный период времени. Есть еще одна важная деталь, которую необходимо отметить при рассмотрении фундаментального уравнения торговли: хорошо, когда вы уменьшаете стандартное отклонение больше, чем арифметическое среднее HPR. Поэтому следует быстро закрывать убыточные позиции (использовать маленький stop-loss). Но уравнение также демонстрирует, что при выборе слишком жесткого стопа вы можете больше потерять. Вас выбьет с рынка из-за слишком большого количества сделок с маленьким проигрышем, которые позднее оказались бы прибыльными, поскольку А уменьшается в большей степени, чем SD. Вместе с тем, и уменьшение больших выигрышных сделок поможет вашей системе, если это уменьшает SD больше, чем уменьшает А. Во многих случаях этого можно достичь путем включения в вашу торговую программу опционов. Позиция по опционам, которая направлена против позиции базового инструмента (покупка опциона или продажа соответствующего опциона), может оказаться весьма полезной. Например, если у вас длинная позиция по какой-либо акции (или товару), покупка пут-опциона (или продажа колл-опциона) может уменьшить ваше SD по совокупной позиции в большей степени, чем уменьшить А. Если вы получаете прибыль по базовому инструменту, то будете в убытке по опциону. При этом убыток опциону лишь незначительно уменьшит общую прибыль. Таким образом, вы уменьшили как ваше SD, так и А. Если вы не получаете прибыль по базовому инструменту, вам надо увеличить А и уменьшить SD. Надо стремиться уменьшить SD в большей степени, чем уменьшить А.
 Конечно, издержки на трансакции при такой стратегии довольно значительны, и они всегда должны приниматься в расчет. Чтобы воспользоваться такой стратегией, ваша программа не должна быть ориентирована на очень короткий срок. Все вышесказанное лишь подтверждает, что различные стратегии и различные торговые правила должны рассматриваться сточки зрения фундаментального уравнения торговли. Таким образом, мы можем оценить влияние этих факторов на уровень возможных убытков и понять, что именно необходимо сделать для улучшения системы.
 Допустим, в долгосрочной торговой программе была использована вышеупомянутая стратегия покупки пут-опциона совместно с длинной позицией по базовому инструменту, в результате мы получили большее оценочное TWR. Ситуация, когда одновременно открыты длинная позиция по базовому инструменту и позиция по пут-опциону, эквивалентна просто длинной позиции по колл-опциону. В том случае лучше просто купить колл-опцион, так как издержки на трансакции будут существенно ниже1, чем при наличии длинной позиции по базовому инструменту и длинной позиции по пут-опциону. Продемонстрируем это на примере рынка индексов акций в 1987 году. Допустим, мы покупаем базовый инструмент - индекс ОЕХ. Система, которую мы будем использовать, является простым 20-дневным прорывом канала. Каждый день мы рассчитываем самый высокий максимум и самый низкий минимум последних 20 дней. Затем, в течение дня, если рынок повышается и касается верхней точки, мы покупаем. Если цены идут вниз и касаются низшей точки, мы продаем. Если дневные открытия выше или ниже точек входа в рынок, мы входим при открытии. Такая система подразумевает постоянную торговлю на рынке:
 
 Дата Позиция Вход P&L Полный капитал Волатильность 870106 Длинная 241,07 0 0 0,1516987 870414 Короткая 276,54 35,47 35,47 0,2082573 870507 Длинная 292,28 -15,74 19,73 0,2182117 870904 Короткая 313,47 21,19 40,92 0,1793583 871001 Длинная 320,67 -7,2 33,72 0,1848783 871012 Короткая 302,81 -17,86 15,86 0,2076074 871221 Длинная 242,94 59,87 75,73 0,3492674
 Если определять оптимальное f no этому потоку сделок, мы найдем, что соответствующее среднее геометрическое (фактор роста на нашем счете за игру) равно 1,12445.
  Теперь мы возьмем те же сделки, только будем использовать модель оценки фондовых опционов Блэка-Шоулса (подробно об этом будет рассказано в главе 5), и преобразуем входные цены в теоретические цены опционов. Входные данные для ценовой модели будут следующими: историческая волатильность, рассчитанная на основе 20 дней (расчет исторической волатильности также приводится в главе 5), безрисковая ставка 6% и 260,8875 дней (это среднее число рабочих дней в году). Далее мы допустим, что покупаем опционы, когда остается ровно 0,5 года до даты их исполнения (6 месяцев), и что они "при деньгах". Другими словами, существуют цены исполнения, в точности соответствующие цене входа на рынок. Покупка колл-опциона, когда система в длинной позиции по базовому инструменту, и пут-опциона, когда система в короткой позиции по базовому инструменту, с учетом параметров упомянутой модели оценки опционов, даст в результате следующий поток сделок:
 
 Дата Позиция Вход P&L Полный капитал Базовый инструмент Действие 870106 Длинная 9,623 0 0 241,07 Длинный колл 870414 Фиксация 35,47 25,846 25,846 276,54
  870414 Длинная 15,428 0 25,846 276,54 Длинный пут 870507 Фиксация 8,792 -6,637 19,21 292,28
  870507 Длинная 17,116 0 19,21 292,28 Длинный колл 870904 Фиксация 21,242 4,126 23,336 313,47
  870904 Длинная 14,957 0 23,336 313,47 Длинный пут 871001 Фиксация 10,844 -4,113 19,223 320,67
  871001 Длинная 15,797 0 19,223 320,67 Длинный колл 871012 Фиксация 9,374 -6,423 12,8 302,81
  871012 Длинная 16,839 0 12,8 302,81 Длинный пут 871221 Фиксация 61,013 44,173 56,974 242,94
  871221 Длинная 23 0 56,974 242,94 Длинный колл
 Если рассчитать оптимальное f по этому потоку сделок, мы придем к выводу, что соответствующее среднее геометрическое (фактор роста на нашем счете за игру) равно 1,2166. Сравните его со средним геометрическим при оптимальном f для базового инструмента 1,12445. Разница огромная. Так как мы получили всего б сделок, то можно возвести каждое среднее геометрическое в 6-ую степень для определения TWR. Это даст TWR по базовому инструменту 2,02 против TWR по опционам 3,24. Преобразуем TWR в процент прибыли от нашего начального счета. Мы получим 102% прибыли при торговле по базовому инструменту и 224% прибыли при торговле опционами. Опционы в рассмотренном случае предпочтительнее, что подтверждается фундаментальным уравнением торговли.
 Длинные позиции по опционам могут быть менее эффективными, чем длинные позиции по базовому инструменту. Чтобы не сделать здесь ошибку, торговые стратегии (а также выбор серии опционов) необходимо рассматривать с точки зрения фундаментального уравнения торговли.
 Как видите, фундаментальное уравнение торговли можно использовать для улучшения торговли. Улучшения могут заключаться в изменении жесткости приказов на закрытие убыточных позиций (stop-loss приказов), в установлении целей и так далее. Эти изменения могут быть вызваны неэффективностью текущей торговли, а также неэффективностью торговой методологии.
 Надеюсь, вы теперь понимаете, что компьютер неверно используется большинством трейдеров. Оптимизация, поиск систем и значений параметров, которые бы заработали больше всего денег на прошлых данных,- по сути пустая трата времени. Вам надо получить систему, которая будет прибыльна в будущем. С помощью грамотного управления капиталом вы сможете "выжать" максимум из системы, которая лишь минимально прибыльна. Прибыльность системы в большей степени определяется управлением капиталом, которое вы применяете к системе, чем самой системой. Вот почему вы должны строить свои системы (или торговые методы, если вы настроены против механических систем), будучи уверенными в том, что они останутся прибыльными (даже если только минимально прибыльными) в будущем. Помните, что этого нельзя достичь путем ограничения степеней свободы системы или метода. При разработке вашей системы или метода помните также о фундаментальном уравнении торговли. Оно будет вести вас в верном направлении в отношении эффективности системы или метода. Когда оно будет использоваться вместе с принципом "неограничения степеней свободы", вы получите метод или систему и сможете применить различные техники управления деньгами. Использование этих методов управления деньгами, будь они эмпирическими, которые описываются в этой главе, или параметрическими (ими мы займемся в главе 3), определит степень прибыльности вашего метода или системы.
 
 
 Глава 2
 Характеристики торговли фиксированной долей и полезные методы
 
  Мы видели, что оптимальный рост счета достигается посредством оптимального f. Это верно независимо от инструмента, используемого в торговле. Работаем ли мы на рынке фьючерсов, акций или опционов, управляем ли группой трейдеров, при оптимальном f достигается оптимальный рост, а поставленная цель - в кратчайшее время. Мы также узнали, как с эмпирической точки зрения объединить различные рыночные системы на их оптимальных уровнях f в оптимальный портфель, то есть как скомбинировать оптимальное f и теорию портфеля, используя прошлые данные для определения весов компонентов в оптимальном портфеле. Далее мы рассмотрим важные характеристики торговли фиксированной долей.
 
 Оптимальное F для начинающих трейдеров с небольшими капиталами
 Каким образом при небольшом счете, который дает возможность торговать только 1 контрактом, использовать подход оптимального f? Одно из предложений заключается в том, чтобы торговать 1 контрактом, учитывая не только оптимальное IB долларах (наибольший проигрыш / -f), но также проигрыш и маржу (залог). Сумма средств, отведенная под первый контракт, должна быть больше суммы оптимального IB долларах или маржи плюс максимальный исторический проигрыш (на основе 1 единицы):
 
 где А =сумма в долларах, отведенная под первый контракт;
 f =оптимальное f (от 0 до 1);
 Маржа =первоначальная спекулятивная маржа для данного контрак та (залоговые средства, необходимые для открытия одного контракта);
 Проигрыш =максимальный исторический совокупный проигрыш;
 МАХ {} = максимальное значение выражения в скобках;
 ABS() = функция абсолютного значения.
 При такой процедуре вы сможете пережить максимальный проигрыш и все еще иметь достаточно денег для следующей попытки. Хотя мы не можем быть уверены, что в будущем проигрыш наихудшего случая не превысит исторический проигрыш наихудшего случая, маловероятно, чтобы мы начали торговлю сразу с нового исторического проигрыша. Трейдер, использующий эту технику, каждый день должен вычитать сумму, полученную с помощью уравнения (2.01), из своего баланса. Остаток следует разделить на величину (наибольший проигрыш / -f). Полученный ответ следует округлить в меньшую сторону и прибавить единицу, таким образом, мы получим число контрактов для торговли.
 Прояснить ситуацию поможет пример. Допустим, у нас есть система, где оптимальное f= 0,4, наибольший исторический проигрыш равен -3000 долларов, максимальный совокупный проигрыш был -6000 долларов, а залог равен 2500 долларов. Используя уравнение (2.01), мы получим:
 А = МАХ {(-$3000 / 0,4), ($2500 + ABS(-$6000))}
  = MAX {($7500), ($2500 + $6000)}
 = МАХ {$7500, $8500} == $8500
 Таким образом, нам следует отвести 8500 долларов под первый контракт. Теперь допустим, что на нашем счете 22 500 долларов. Поэтому мы вычтем сумму под первый контракт из баланса: $22 500 - $8500 = $14 000 Затем разделим эту сумму на оптимальное f в долларах: $14 000/$7500 =1,867 Округлим полученный результат в меньшую сторону до ближайшего целого числа: INT (1,867)=1 Затем добавим 1 к полученному результату (1 контракт уже обеспечен 8500 долларами, которые мы вычли из баланса):1+1=2 Таким образом, мы будем торговать 2 контрактами. Если бы мы торговали на уровне оптимального f ($7500 на 1 контракт), то торговали бы 3 контрактами (22 500 / 7500). Как видите, этот метод можно использовать независимо от того, насколько велик баланс счета (однако чем больше баланс, тем ближе будут результаты). Более того, чем больше баланс, тем менее вероятно, что вы в конце концов получите проигрыш, после которого сможете торговать только 1 контрактом. Трейдерам с небольшими счетами или тем, кто только начинает торговать, следует использовать этот подход.
 Порог геометрической торговли
 Существует еще один хороший подход для трейдеров, которые только начинают торговать, правда, если вы не используете только что упомянутый метод. При таком подходе используется еще один побочный продукт оптимального f - порог геометрической торговли. Мы уже знаем такие побочные продукты оптимального f, как TWR, среднее геометрическое и т.д.; они были получены из оптимального f и дают нам информацию о системе. Порог геометрической торговли - это еще один из таких побочных расчетов. По существу, порог геометрической торговли говорит нам, в какой точке следует переключиться на торговлю фиксированной долей, предполагая, что мы начинаем торговать фиксированным количеством контрактов. Вспомните пример с броском монеты, где мы выигрываем 2 доллара, если монета падает на лицевую сторону, и проигрываем 1 доллар, если она падает на обратную сторону. Мы знаем, что оптимальное f= 0,25, т.е. 1 ставка на каждые 4 доллара баланса счета. Если мы торгуем на основе постоянного количества контрактов, то в среднем выигрываем 0,50 долларов за игру. Однако если мы начнем торговать фиксированной долей счета, то можем ожидать выигрыша в 0,2428 доллара на единицу за одну игру (при геометрической средней торговле). Допустим, мы начинаем с первоначального счета в 4 доллара и поэтому делаем 1 ставку за одну игру. В конце концов, когда счет увеличивается до 8 долларов, следует делать 2 ставки за одну игру. Однако 2 ставки, умноженные на геометрическую среднюю торговлю 0,2428 доллара, дадут в итоге 0,4856 доллара. Не лучше ли придерживаться 1 ставки при уровне баланса 8 долларов, так как нашим ожиданием за одну игру все еще будет 0,50 доллара? Ответ - "да". Причина в том, что оптимальное f рассчитывается на основе контрактов, которые бесконечно делимы, чего в реальной торговле не бывает.
 Мы можем найти точку, где следует перейти к торговле двумя контрактами, основываясь на формуле порога геометрической торговли Т:
 Т = ААТ / GAT * Наибольший убыток / -f,
 где Т = порог геометрической торговли;
 ААТ = средняя арифметическая сделка;
 GAT = средняя геометрическая сделка;
 f= оптимальное f (от 0 до 1). Для нашего примера с броском монеты (2 к I): Т=0,50 / 0,2428*-1 / -0,25 =8,24
 Поэтому следует переходить на торговлю двумя контрактами, когда счет увеличится до 8,24 доллара, а не до 8,00 долларов. Рисунок 2-1 иллюстрирует порог геометрической торговли для игры с 50% шансов выигрыша 2 долларов и 50% шансов проигрыша 1 доллара. Отметьте, что дно кривой порога геометрической торговли соответствует оптимальному f. Порог геометрической торговли является оптимальным уровнем баланса для перехода от торговли одной единицей к торговле двумя единицами. Поэтому если вы используете оптимальное f, то сможете перейти к геометрической торговле при минимальном уровне баланса счета. Теперь возникает вопрос: "Можем ли мы использовать подобный подход, чтобы узнать, когда переходить от 2 к 3 контрактам?", а также: "Почему в самом начале размер единицы не может быть 100 контрактов, если вы начинаете с достаточно большого счета, а не такого, который позволяет торговать лишь одним контрактом?" Разумеется, можно использовать этот метод при работе с размером единицы, большим 1. Однако это корректно в том случае, если вы не уменьшите размер единицы до перехода к геометрическому способу торговли. Дело в том, что до того, как вы перейдете на геометрическую торговлю, вы должны будете торговать постоянным размером единицы.
 Допустим, вы начинаете со счета в 400 единиц в игре с броском монеты 2 к 1. Оптимальное f в долларах предполагает торговлю 1 контрактом (1 ставка) на каждые 4 доллара на счете. Поэтому начинайте торговать 100 контрактами (сделав 100 ставок) в первой сделке. Ваш порог геометрической торговли равен 8,24 доллара, и поэтому следует торговать 101 контрактом на уровне баланса 404,24 доллара. Вы можете преобразовать порог геометрической торговли, который соответствует переходу с 1 контракта к 2 следующим образом:
 
 Рисунок 2-1 Порог геометрической торговли для броска монеты 2 к 1
 Преобразованное Т = EQ + Т - (Наибольший проигрыш / -f),
 где EQ = начальный уровень баланса счета;
 Т = порог геометрической торговли для перехода с одного контракта к двум;
 f= оптимальное f (от 0 до 1).
 Преобразованное Т = 400 + 8,24 - (-1 / -0,25) = 400 + 8,24 - 4 = 404,24
 Таким образом, вы перейдете к торговле 101 контрактом (101 ставке), только когда баланс счета достигнет 404,24 доллара. Допустим, вы торгуете постоянным количеством контрактов, пока баланс счета не достигнет 404,24 доллара, где вы начнете применять геометрический подход. Пока баланс счета не достигнет 404,24 доллара, вы будете торговать 100 контрактами в последующих сделках независимо от суммы счета. Если после того, как вы пересечете порог геометрической торговли (то есть после того, как баланс счета достигнет 404,24 доллара), вы понесете убыток и баланс упадет ниже 404,24 доллара, вы вернетесь снова к торговле на основе 100 контрактов и будете так торговать до тех пор, пока снова не пересечете геометрический порог. Невозможность уменьшения количества контрактов при уменьшении счета, когда вы находитесь ниже геометрического порога, является недостатком при использовании этой процедуры, когда контрактов больше 2. Если вы торгуете только 1 контрактом, геометрический порог является реальным методом для определения того, на каком уровне баланса начать торговать 2 контрактами (так как вы не можете торговать менее чем 1 контрактом при понижении баланса). Однако этот метод не работает, когда речь идет о переходе от 2 контрактов к 3, так как метод базируется на том, что вы начинаете торговлю с постоянного количества контрактов. То есть, если вы торгуете 2 контрактами, метод не будет работать (за исключением случая, когда вы откажетесь от возможности понизить количество контрактов до одного при падении уровня баланса). Таким образом, начиная торговлю со 100 контрактов, вы не можете перейти к торговле меньшим числом контрактов. Если вы не будете уменьшать количество контрактов, которыми в настоящее время торгуете, при понижении баланса, то порог геометрической торговли или его преобразованная версия из уравнения (2.03) будет уровнем баланса, достаточным для добавления следующего контракта. Проблема этой операции (не уменьшать при понижении) состоит в том, что вы заработаете меньше (TWR будет меньше) в асимптотическом смысле. Вы не выиграете столько, сколько бы выиграли при торговле полным оптимальным f. Более того, ваши проигрыши будут больше, и риск банкротства увеличится. Поэтому порог геометрической торговли будет эффективен, если вы начнете с наименьшего размера ставки (1 контракт) и повысите его до 2. Оптимально, если средняя арифметическая сделка более чем в два раза превышает среднюю геометрическую сделку. Предложенный метод следует использовать, когда вы не можете торговать дробными единицами.
 Один комбинированный денежный счет по сравнению с отдельными денежными счетами
 Прежде чем мы обсудим параметрические методы, необходимо рассмотреть некоторые очень важные вопросы в отношении торговли фиксированной долей. Во-первых, при одновременной торговле более чем в одной рыночной системе вы получите лучшие результаты в асимптотическом смысле, если будете использовать только один комбинированный денежный счет. Рассчитывать количество контрактов для торговли следует не для каждого отдельно взятого денежного счета, а для этого единого комбинированного счета.
  По этой причине необходимо ежедневно "соединять" подсчета при изменении их балансов. Сравним две похожие системы: систему А и систему Б. Обе системы имеют 50% шанс выигрыша и обе имеют отношение выигрыша 2:1. Поэтому оптимальное f диктует, чтобы мы ставили 1 доллар на каждые 4 доллара баланса. Первый пример описывает ситуацию, когда эти две системы имеют положительную корреляцию. Мы начинаем со 100 долларов и разбиваем их на 2 подсчета по 50 долларов каждый. После регистрации сделки для этой системы изменится только столбец "Полный капитал", так как каждая система имеет свой собственный отдельный счет. Размер денежного счета каждой системы используется для определения ставки для последующей игры:
 
 Таблица I Сделка Система А P&L Полный капитал Сделка Система Б P&L Полный капитал
  50,00
 
  50,00
  2 25,00 75,00 2 25,00 75,00 -1 -18,75 56,25 -1 -18,75 56,25 2 28,13 84,38 2 28,13 84,38 -1 -21,09 63,28 -1 -21,09 63,28 2 31,64 94,92 2 31,64 94,92 -1 -23,73 71,19 -1 -23,73 71,19
 
  -50.00
 
  -50.00 Чистая прибыль 21,19140
 
  21,19140 Итоговая чистая прибыль по двум счета = $42,38
 Теперь мы рассмотрим комбинированный счет в 100 единиц. Вместо того чтобы ставить 1 доллар на каждые 4 доллара на комбинированном счете для каждой системы, мы будем ставить 1 доллар на каждые 8 долларов комбинированного счета. Каждая сделка для любой системы затрагивает комбинированный счет, и именно комбинированный счет используется для определения размера ставки для последующей игры (Таблица II).
  Отметьте, что в случае комбинированного счета и в случае отдельных счетов прибыль одна и та же: $42,38. Мы рассматривали положительную корреляцию между двумя системами. Теперь рассмотрим случай с отрицательной корреляцией между теми же системами, для двух отдельных денежных счетов (Таблица III):
 
 Таблица II Система А Сделка P&L Система Б Сделка P&L Комбинированный счет
 
 
 
  100,00 2 25,00 2 25,00 150,00 -1 -18,75 -1 -18,75 112,50 2 28,13 2 28,13 168,75 -1 -21,09 -1 -21,09 126,56 2 31,64 2 31,64 189,84 -1 -23,73 -1 -23,73 142,38
 
 
 
  -100.00 Итоговая чистая прибыль по комбинированному счету= $42,38
 
 Таблица Ш Сделка Система А P&L Полный капитал Сделка Система Б P&L Полный капитал
 
  50,00
 
  50,00 2 25,00 75,00 -1 -12,50 37,50 -1 -18,75 56,25 2 18,75 56,25 2 28,13 84,38 -1 -14,06 42,19 -1 -21,09 63,28 2 21,09 63,28 2 31,64 94,92 -1 -15,82 47,46 -1 -23,73 71,19 2 23,73 71,19
 
  -50.00
 
  -50.00 Чистая прибыль
  21,19140
 
  21,19140 Итоговая чистая прибыль по двум счетам = $42,38
 Как видите, при работе с отдельными денежными счетами обе системы выигрывают ту же сумму независимо от корреляции. Однако при комбинированном счете:
 Таблица IV Система А Сделка P&L Система Б Сделка P&L Комбинированный счет
 
 
 
  100,00 2 25,00 -1 -12,50 112,50 -1 -14,06 2 28,12 126,56 2 31,64 -1 -15,82 142,38 -1 -17,80 2 35,59 160,18 2 40,05 -1 -20,02 180,20 -1 -22,53 2 45,00 202,73
 
 
 
  -100.00 Итоговая чистая прибыль по комбинированному счету= $102,73
 При использовании комбинированного счета результаты гораздо лучше. Таким образом, торговать фиксированной долей следует на основе одного комбинированного счета.
 Рассматривайте каждую игру как бесконечно повторяющуюся
 Следующая аксиома, касающаяся торговли фиксированной долей, относится к максимизации текущего события, как будто оно должно быть осуществлено бесконечное количество раз в будущем. Мы определили, что для процесса независимых испытаний вы должны всегда использовать оптимальное и постоянное f, но при наличии зависимости оптимальное f уже не будет постоянной величиной.
  Допустим, в нашей системе существует зависимость, в соответствии с которой подобное порождает подобное, а доверительная граница достаточно высока. Для наглядности мы будем использовать уже знакомую нам игру 2:1. Система показывает, что если последняя игра выигрышная, то следующая игра имеет 55% шанс выигрыша. Если последняя игра проигрышная, то следующая игра имеет 45% шанс проигрыша. Таким образом, если последняя игра была выигрышная, то исходя из формулы Келли, уравнение (1.10) для поиска оптимального f (так как результаты игры имеют бернуллиево распределение), получим:
 (1.10) f =((2+1)* 0,55-1)/2 =(3*0,55- 1)/2=0,65/2=0,325
 После проигрышной игры наше оптимальное f равно:
 f =((2+1)* 0,45-1)/2 =(3*0,45-1) /2 =0,35/2 =0,175
 Разделив наибольший проигрыш системы (т.е. -1) на отрицательные оптимальные f, мы получим 1 ставку на каждые 3,076923077 единицы на счете после выигрыша и 1 ставку на каждые 5,714285714 единицы на счете после проигрыша. Таким образом мы максимизируем рост в долгосрочной перспективе.
  Отметьте, что в этом примере ставки как после выигрышей, так и после проигрышей все еще имеют положительное математическое ожидание. Что произойдет, если после проигрыша вероятность выигрыша будет равна 0,3? В таком случае математическое ожидание имеет отрицательное значение и оптимального f не существует, таким образом, вам не следует использовать эту игру:
 (1.03) М0=(0,3*2)+(0,7*-1) =0,6-0,7 =-0,1
 В этом случае следует использовать оптимальное количество только после выигрыша и не торговать после проигрыша. Если зависимость действительно существует, вы должны изолировать сделки рыночной системы, основанные на зависимости, и обращаться с изолированными сделками как с отдельными рыночными системами. Принцип, состоящий в том, что асимптотический рост максимизируется, когда каждая игра осуществляется бесконечное количество раз в будущем, также применим к нескольким одновременным играм (или торговле портфелем).
  Рассмотрим две системы ставок, А и Б. Обе имеют отношение выигрыша к проигрышу 2:1, и обе выигрывают 50% времени. Допустим, что коэффициент корреляции между двумя системами равен 0. Оптимальные f для обеих систем (при раздельной, а не одновременной торговле) составляют 0,25 (т.е. одна ставка на каждые 4 единицы на балансе). Оптимальные f при одновременной торговле в обеих системах составляют 0,23 (т.е. 1 ставка на каждые 4,347826087 единицы на балансе счета). В случае, когда система Б торгует только две трети времени, некоторые трейдеры разорятся, если обе системы не будут торговать одновременно. Первая последовательность показана при начальном комбинированном счете в 1000 единиц, и для каждой системы оптимальное f соответствует 1 ставке на каждые 4,347826087 единицы:
 
 
  А
  Б Комбинированный счет
 
 
 
  1 000,00 -1 - 230,00
 
  770,00 2 354,20 -1 -177,10 947,10 -1 -217,83 2 435,67 1 164,93 2 535,87
 
  1 700,80 -1 -391,18 -1 -391,18 918,43 2 422,48 2 422,48 1 763,39
 Рассмотрим теперь ситуацию, когда А торгует отдельно от Б. В этом случае мы делаем 1 ставку на каждые 4 единицы на комбинированном счете для системы А (так как это оптимальное f для одной игры). В игре с одновременными ставками мы все равно ставим 1 единицу на каждые 4,347826087 единицы на балансе счета как для А, так и для Б. Отметьте, что независимо от того, отдельная это ставка или одновременная ставка по А и Б, мы применяем то оптимальное f, которое увеличивает доход при бесконечном повторении ставок.
 
  А
  Б Комбинированный счет
 
 
 
  1 000,00 -1 - 250,00
 
  750,00 2 345,20 -1 -172,50 922,50 -1 -212,17 2 424,35 1 134,67 2 567,34
 
  1 702,01 -1 -391,46 -1 -391,46 919,09 2 422,78 2 422,78 1 764,65
 Как видите, с помощью этого метода мы получаем небольшой выигрыш, и чем больше сделок проходит, тем больше этот выигрыш. Тот же принцип применяется к торговле портфелем, где не все компоненты портфеля находятся на рынке в определенный момент времени. Вам следует торговать на оптимальных уровнях для комбинации компонентов (или одного компонента), чтобы получить в итоге оптимальный рост, как будто этой комбинацией компонентов (или одним компонентом) придется торговать бесконечное количество раз в будущем.
 Потеря эффективности при одновременных ставках или торговле портфелем
 Давайте вернемся к нашей игре с броском монеты 2:1. Допустим, мы собираемся одновременно сыграть в две игры: А и Б, - и существует нулевая корреляция между результатами этих двух игр. Оптимальные f для такого случая соответствуют ставке в 1 единицу на каждые 4,347826 единицы на балансе счета, когда игры проводятся одновременно. Отметьте, что при начальном счете в 100 единиц мы заканчиваем с результатом в 156,86 единицы:
 
 Таблица V Система А Сделка P&L Система Б Сделка P&L Счет Оптимальное f соответствует 1 единице на каждые 4,347826 единицы на счете:
 
  100,00 -1 -23,00 -1 -23,00 54,00 2 24,84 -1 -12,42 66,42 -1 -15,28 2 30,55 81,70 2 37,58 2 37,58 156,86
 Теперь давайте рассмотрим систему В. Она будет такой же, как система А и Б, только мы будем играть в эту игру без одновременного ведения другой игры. Мы сыграем 8 раз, но не 2 игры по 4 раза, как в прошлом примере. Теперь наше оптимальное f - это ставка 1 единицы на каждые 4 единицы на балансе счета. Мы, как и прежде, имеем те же 8 сделок, но лучший конечный результат (Таблица VI). Мы получили лучший конечный результат не потому, что оптимальные f немного отличаются (оба значения f находятся на соответствующих оптимальных уровнях), а потому, что есть небольшая потеря эффективности при одновременных ставках. Неэффективность является результатом невозможности изменения структуры вашего счета (т.е. рекапитализации) после каждой отдельной ставки, как в игре только по одной рыночной системе. В случае с двумя одновременными
 ставками вы можете рекапитализировать счет только 3 раза, в то время как в случае с 8 отдельными ставками вы рекапитализируете счет 7 раз. Отсюда возникает потеря эффективности при одновременных ставках (или при торговле портфелем рыночных систем).
 
 Система В Счет
 Сделка P&L 100, 00 -1 -25 75 2 37, 5 112, 5 -1 -28, 13 84, 38 2 42, 19 126, 56 2 63, 28 189, 84 2 94, 92 284, 77 -1 -71, 19 213, 57 -1 -53, 39 160, 18 Оптимальное f соответствует единице на каждые 4 единице на счете
 
 Мы рассмотрели случай, когда одновременные ставки не были коррелирова-ны. Давайте посмотрим, что произойдет при положительной корреляции (+1,00):
 Таблица VII Система А Система Б
  Сделка P&L Сделка P&L Счет
 
 
 
 
  100,00
  -1 -12,50 -1 -12,50 75,00
  2 18,75 2 18,75 112,50
  -1 -14,06 -1 -14,06 84,38
  2 21,09 2 21,09 126,56 Оптимальное f соответствует единице на каждые 8 единице на счете
 
 Отметьте, что после 4 одновременных игр при корреляции между рыночными системами +1,00 мы увеличили первоначальный счет 100 единиц до 126,56. Это соответствует TWR = 1,2656, или среднему геометрическому (даже если это комбинированные игры) 1,2656 ^ (1/4) =1,06066. Теперь вернемся к случаю с одной ставкой. Обратите внимание, что после 4 игр мы получим 126,56 при начальном счете в 100 единиц. Таким образом, среднее геометрическое равно 1,06066. Это говорит о том, что скорость роста такая же, как и при торговле с оптимальными долями на абсолютно коррелированных рынках. Как только коэффициент корреляции опускается ниже +1,00, скорость роста повышается. Таким образом, мы можем утверждать, что при комбинировании рыночных систем ваша скорость роста никогда не будет меньше, чем в случае одиночной ставки по каждой системе, независимо от того, насколько высоки корреляции, при условии, что добавляемая рыночная система имеет положительное арифметическое математическое ожидание. Вспомним первый пример из этого раздела, когда 2 рыночные системы имели нулевой коэффициент корреляции. Эта рыночная система увеличила счет 100 единиц до 156,86 после 4 игр при среднем геометрическом (156,86/ / 100) ^ (1/4) = 1,119. Теперь давайте рассмотрим случай, когда коэффициент корреляции равен -1,00. Так как при таком сценарии никогда не бывает проигрышной игры, оптимальная сумма ставки является бесконечно большой суммой (другими словами, следует ставить 1 единицу на бесконечно малую сумму баланса счета). Для примера мы сделаем 1 ставку на каждые 4 единицы на счете и посмотрим на полученные результаты:
 Таблица VIII Система А Система Б Сделка P&L Сделка P&L Счет Оптимальное f соответствует 1 единице на каждые 0,00 на балансе (показана 1 единица на каждые 4):
 
 
 
  100,00 -1 -12,50 2 25,00 112,50 2 28,13 -1 -14,06 126,56 -1 -15,82 2 31,64 142,38 2 35,60 -1 -17,80 160,18
 Из этого раздела можно сделать два вывода. Первый состоит в том, что при одновременных ставках или торговле портфелем существует небольшая потеря эффективности, вызванная невозможностью рекапитализировать счет после каждой отдельной игры. Второй заключается в том, что комбинирование рыночных систем, при условии, что они имеют положительные математические ожидания (даже если они положительно коррелированы), никогда не уменьшит ваш общий рост за определенный период времени. Однако когда вы продолжаете добавлять все больше и больше рыночных систем, эффективность уменьшается. Если у вас есть, скажем, 10 рыночных систем, и все они одновременно несут убытки, совокупный убыток может уничтожить весь счет, так как вы не сможете уменьшить размер каждого проигрыша, как в случае последовательных сделок. Таким образом, при добавлении новой рыночной системы в портфель польза будет только в двух случаях: когда рыночная система имеет коэффициент корреляции меньше 1 и положительное математическое ожидание или же когда система имеет отрицательное ожидание, но достаточно низкую корреляцию с другими составляющими портфеля, чтобы компенсировать отрицательное ожидание. Каждая добавленная рыночная система вносит постепенно уменьшающийся вклад в среднее геометрическое. То есть каждая новая рыночная система улучшает среднее геометрическое все в меньшей и меньшей степени. Более того, когда вы добавляете новую рыночную систему, теряется общая эффективность из-за одновременных, а не последовательных результатов. В некоторой точке добавление еще одной рыночной системы принесет больше вреда, чем пользы.
 Время, необходимое для достижения определенной цели, и проблема дробного f
 Допустим, мы знаем среднее арифметическое HPR и среднее геометрическое HPR для данной системы. Мы можем определить стандартное отклонение HPR из формулы для расчета оценочного среднего геометрического:
 
  где AHPR = среднее арифметическое HPR;
  SD = стандартное отклонение значений HPR.
 Поэтому мы можем рассчитать стандартное отклонение SD следующим образом:
 
 Возвращаясь к нашей игре с броском монеты 2:1, где математическое ожидание 0,50 долларов и оптимальное f- ставка в 1 доллар на каждые 4 доллара на счете, мы получим среднее геометрическое 1,06066. Для определения среднего арифметического HPR можно использовать уравнение (2.05):
 
  где AHPR = среднее арифметическое HPR;
  МО = арифметическое математическое ожидание в единицах;
  f$= наибольший проигрыш/-f
  f = оптимальное f (от 0 до 1).
 Таким образом, среднее арифметическое HPR равно:
 AHPR =1+(0,5/(-1/-0,25)) =1+(0,5/4) =1+0,125 =1,125
 Теперь, так как у нас есть AHPR и EGM, мы можем использовать уравнение (2.04) для определения оценочного стандартного отклонения HPR:
 
  =1,125 ^2- 1,06066 ^62
 
  = 1,265625-1,124999636 =0,140625364
 Таким образом, SD ^ 2, то есть дисперсия HPR, равна 0,140625364. Извлекая квадратный корень из этой суммы, мы получаем стандартное отклонение HPR =0,140625364 ^(1/2) =0,3750004853. Следует отметить, что это оценочное стандартное отклонение, так как при его расчете используется оценочное среднее геометрическое. Это не совсем точный расчет, но вполне приемлемый для наших целей. Предположим, мы хотим преобразовать значения для стандартного отклонения (или дисперсии), арифметического и среднего геометрического HPR, чтобы отражать торговлю не оптимальным f, а некоторой его частью. Эти преобразования даны далее:
 
 (2.07) FSD = SD * FRAC
 (2.08) FGHPR= (FAHPR ^ 2 - FSD ^ 2) А^(1/2),
  где FRAC = используемая дробная часть оптимального f;
  АН PR= среднее арифметическое HPR при оптимальном f;
  SD = стандартное отклонение HPR при оптимальном f;
  FAHPR== среднее арифметическое HPR при дробном f;
  FSD = стандартное отклонение HPR при дробном f;
  FGHPR = среднее геометрическое HPR при дробном f.
 Например, мы хотим посмотреть, какие значения приняли бы FAHPR, FGHPR и FSD в игре с броском монеты 2:1 при половине оптимального f (FRAC = 0,5). Мы знаем, что AHPR= 1,125 и SD = 0,3750004853. Таким образом:
 
 =(1,125- 1)*0,5+ 1 =0,125* 0,5 + 1 = 0,0625 + 1 = 1,0625
 (2.07) FSD = SD * FRAC
 =0,3750004853*0,5 = 0,1875002427
 
 = (1,0625 ^ 2 - 0,1875002427 ^2) ^ (1/2) = (1,12890625 - 0,03515634101) ^ (1/2) =1,093749909 ^ (1/2) = 1,04582499
 Для оптимального f= 0,25 (1 ставка на каждые 4 доллара на счете) мы получаем значения 1,125, 1,06066 и 0,3750004853 для среднего арифметического, среднего геометрического и стандартного отклонения HPR соответственно. При дробном (0,5) f =0,125 (1 ставка на каждые 8 долларов на счете) мы получаем значения 1,0625, 1,04582499 и 0,1875002427 для среднего арифметического, среднего геометрического и стандартного отклонения HPR соответственно. Посмотрим, что происходит, когда мы используем стратегию дробного f. Мы уже знаем, что при дробном f заработаем меньше, чем при оптимальном f. Более того, мы определили, что проигрыши и дисперсии прибылей будут меньше при дробном f. Что произойдет со временем, необходимым для достижения определенной цели?
 Мы можем определить только ожидаемое количество сделок, необходимое для достижения определенной цели. Это не то же самое, что ожидаемое время, требуемое для достижения определенной цели, но, так как наши измерения производятся в сделках, мы будем считать время и количество сделок синонимами.
 (2.09) N = 1п(Цель) / 1n(Среднее геометрическое),
  где N = ожидаемое количество сделок для достижения цели;
  Цель = цель в виде множителя первоначального счета, т.е. TWR;
  1n() = функция натурального логарифма.
 Вернемся к нашему примеру с броском монеты 2:1. При оптимальном f среднее геометрическое равно 1,06066, а при половине f оно составляет 1,04582499. Теперь давайте рассчитаем ожидаемое количество сделок, необходимое для удвоения нашего счета (Цель = 2). При полном f:
 N=ln(2)/ln( 1,06066) =0,6931471/0,05889134 =11,76993
 Таким образом, в игре с броском монеты 2:1 при полном f следует ожидать 11,76993 сделок для удвоения нашего счета. При половине f получаем:
 N=ln(2)/ln( 1,04582499) =0,6931471/0,04480602 = 15,46996
 Таким образом, при половине f мы ожидаем, что потребуется 15,46996 сделок для удвоения счета. Другими словами, чтобы достичь цели при торговле на уровне f/ /2, от нас понадобится на 31,44% сделок больше. Ну что же, это звучит не так уж плохо. Проявляя терпение для достижения поставленной цели, мы потратим времени на 31,44% больше, но сократим худший проигрыш и дисперсию наполовину. Согласитесь, половина - это довольно много. Чем меньшую часть оптимального f вы будете использовать, тем более гладкую кривую счета получите, и тем меньшее время вы будете в проигрыше. Теперь посмотрим на эту ситуацию с другой стороны. Допустим, вы открываете два счета: один для торговли с полным f и один для торговли с половиной f. После 12 игр ваш счет с полным f увеличится в 2,02728259 в 12 раза. После 12 сделок (с половиной f) он вырастет в 1,712017427 (1,04582499 ^ 12) раза. С половиной f первоначальный счет увеличится в 2,048067384 (1,04582499 ^ 16) раза при 16 сделках. Поэтому, торгуя на одну треть дольше, вы достигнете той же цели, что и при полном оптимальном f, но при активности, меньшей наполовину. Однако к 16 сделке счет с полным f будет в 2,565777865 (1,06066 ^ 16) раза больше вашего первоначального счета. Полное f продолжает увеличивать счет. К 100 сделке ваш счет с половиной f увеличится в 88,28796546 раз, но полное f увеличит его в 361,093016 раз!
 Единственный минус торговли с дробным f- это большее время, необходимое для достижения определенной цели. Все дело во времени. Мы можем вложить деньги в казначейские обязательства и достичь-таки заданной цели через определенное время с минимальными промежуточными падениями баланса и дисперсией! Время - это суть проблемы.
 Сравнение торговых систем
 Мы увидели, что две торговые системы можно сравнивать на основе их средних геометрических при соответствующих оптимальных f. Далее, мы можем сравнивать системы, основываясь на том, насколько высокими являются их оптимальные f, поскольку более высокие оптимальные f соответствуют более рискованным системам. Это связано с тем, что исторический проигрыш может понизить счет, по крайней мере, на процент f. Поэтому существуют две основные величины для сравнения систем: среднее геометрическое при оптимальном f, где более высокое среднее геометрическое предпочтительнее, и само оптимальное f, где более низкое оптимальное f лучше. Таким образом, вместо одной величины для измерения эффективности системы мы получаем две; эффективность должна измеряться в двухмерном пространстве, где одна ось является средним геометрическим, а другая - значением f. Чем выше среднее геометрическое при оптимальном f, тем лучше система. Также чем ниже оптимальное f, тем лучше система.
 Среднее геометрическое ничего не скажет нам о проигрыше. Высокое среднее геометрическое не означает, что проигрыш системы большой (или, наоборот, незначительный). Среднее геометрическое имеет отношение только к прибыли. Оптимальное f является мерой минимального ожидаемого исторического проигрыша как процентное понижение баланса. Более высокое оптимальное f не говорит о более высоком (или низком) доходе. Мы можем также использовать эти положения для сравнения определенной системы при дробном значении f с другой системой при полном значении оптимального f. При рассмотрении систем вам следует учитывать, насколько высоки средние геометрические и каковы оптимальные f. Например, у нас есть система А, которая имеет среднее геометрическое 1,05 и оптимальное f= 0,8. Также у нас есть система В, которая имеет среднее геометрическое 1,025 и оптимальное f=0,4. Система А при половине уровня f будет иметь то же минимальное историческое падение баланса худшего случая (проигрыш) в 40%, как и система В при полном f, но среднее геометрическое системы А при половине f вce равно будет выше, чем среднее геометрическое системы В при полном значении f. Поэтому система А лучше системы В. "Минутку, - можете возразить вы, - разве не является самым важным то обстоятельство, что среднее геометрическое больше 1, и системе необходимо быть только минимально прибыльной, чтобы (посредством грамотного управления деньгами) заработать желаемую сумму!" Так оно и есть. Скорость, с которой вы зарабатываете деньги, является функцией среднего геометрического на уровне используемого f. Ожидаемая дисперсия зависит от того, насколько большое f вы используете. Вы, безусловно, должны иметь систему с оптимальным f и со средним геометрическим, большим 1 (то есть с положительным математическим ожиданием). С такой системой вы можете заработать практически любую сумму через соответствующее количество сделок. Скорость роста (количество сделок, необходимое для достижения определенной цели) зависит от среднего геометрического при используемом значении f. Дисперсия на пути к этой цели также является функцией используемого значения f. Хотя важность среднего геометрического и применяемого f вторична по сравнению с тем фактом, что вы должны иметь положительное математическое ожидание, эти величины действительно полезны при сравнении двух систем или методов, которые имеют положительное математическое ожидание и равную уверенность в их работе в будущем.
 Слишком большая чувствительность к величине наибольшего проигрыша
 Недостаток подхода, основанного на оптимальном f, заключается в том, что f слишком зависит от величины наибольшего проигрыша, что является серьезной проблемой для многих трейдеров, и они доказывают, что количество контрактов, которые вы открываете сегодня, не должно быть функцией одной неудачной сделки в прошлом.
  Для устранения этой сверхчувствительности к наибольшему проигрышу были разработаны разнообразные алгоритмы. Многие из этих алгоритмов заключаются в изменении наибольшего проигрыша в большую или меньшую сторону, чтобы сделать наибольший проигрыш функцией текущей волатильности рынка. Эта связь, как утверждают некоторые, квадратичная, то есть абсолютное значение наибольшего проигрыша, по всей видимости, увеличивается с большей скоростью, чем волатильность. Волатильность чаще всего определяется как средний дневной диапазон цен за последние несколько недель или как среднее абсолютное дневное изменение за последние несколько недель. Однако об этой зависимости нельзя говорить с полной уверенностью. То, что волатильность сегодня составляет X, не означает, что наш наибольший проигрыш будет Х ^ Y. Можно говорить лишь о том, что он обычно где-то около Х ^ Y. Если бы мы могли заранее определить сегодняшний наибольший проигрыш, то, безусловно, могли бы лучше использовать методы управления деньгами1. Это тот самый случай, когда мы должны рассмотреть сценарий худшего случая и отталкиваться от него. Проблема состоит в том, что мы не знаем точно, каким будет сегодня наибольший проигрыш. Алгоритмы, которые могут спрогнозировать это, не очень эффективны, так как они часто дают ошибочные результаты.
 Предположим, в течение торгового дня произошло событие, вызвавшее на рынке шок, и до этого шока волатильность была достаточно низкой. Затем рынок находился не на вашей стороне несколько следующих дней. Или, допустим, на следующий день рынок открылся с огромным разрывом не в вашу пользу. Эти события так же стары, как сама торговля товарами и акциями. Они могут произойти и происходят, и о них не всегда предупреждает заранее повышающаяся волатильность. Таким образом, лучше не "сокращать" ваш наибольший исторический проигрыш для отражения текущего рынка с низкой волатильностью. Более того, есть реальная возможность испытать в будущем проигрыш больший, чем наибольший исторический проигрыш. Наибольший проигрыш, который вы получили в прошлом, может оказаться наибольшим проигрышем, который вы испытаете сегодня, и не зависеть от текущей волатильности1. Проблема состоит в том, что с эмпирической точки зрения f, оптимальное в прошлом, является функцией наибольшего проигрыша в прошлом. С этим ничего не поделаешь. Однако мы увидим, когда перейдем к параметрическим методам, что можно предусмотреть больший проигрыш в будущем. При этом мы будем готовы к появлению почти неизбежного большого проигрыша. Вместо подгонки наибольшего проигрыша к текущей ситуации на рынке, чтобы эмпирическое оптимальное f отражало нынешнюю ситуацию, лучше изучить параметрические методы. Следующий метод является возможным решением данной проблемы и может применяться вне зависимости от того, рассчитываем мы оптимальное f эмпирически или параметрически.
 
 Приведение оптимального f к текущим ценам
 Оптимальное f даст наибольший геометрический рост при большом количестве сделок. Это математический факт. Рассмотрим гипотетический поток сделок:
 
 Из этого потока сделок мы найдем, что оптимальное f= 0,17 (ставка 1 единицы на каждые 29,41 доллара на балансе). Такой подход при данном потоке даст нам наибольший рост счета.
 Представьте себе, что этот поток выражает прибыли и убытки при торговле одной акцией. Оптимально следует покупать одну акцию на каждые 29,41 доллара на балансе счета, несмотря на текущую цену акции. Предположим, что текущая цена акции равна 100 долларам. Более того, допустим, что при первых двух сделках акция стоила 20 долларов, а при двух последних сделках - 50 долларов.
 Для наших первых двух сделок, которые произошли при цене акции в 20 долларов, выигрыш в 2 доллара соответствует выигрышу в 10%, а проигрыш 3 долларов соответствует проигрышу в 15%. Для двух последних сделок при цене акции 50 долларов выигрыш 10 долларов соответствует выигрышу в 20%, а проигрыш в 5 долларов соответствует проигрышу в 10%.
 Формулы преобразования необработанных торговых P&L в процент выигрыша и проигрыша для длинных и коротких позиций следующие:
 (2. 10а) P&L% = Цена выхода / Цена входа - 1 (для длинных)
 (2.106) , P&L% = Цена входа / Цена выхода - 1 (для коротких),
 или мы можем использовать следующую формулу для преобразования как длинных, так и коротких:
 (2.10в) P&L% = P&L в пунктах / Цена входа
 Таким образом, для наших 4 гипотетических сделок мы получим следующий поток процентных выигрышей и проигрышей (с точки зрения длинных позиций):
 
 Мы назовем этот новый поток преобразованных P&L приведенными данными, так как при торговле они приводятся к цене базового инструмента.
 Чтобы учесть комиссионные и проскальзывание, вы должны уменьшить цену выхода в уравнении (2.10а) на сумму комиссионных и проскальзывания. Таким же образом вам следует увеличить цену выхода в (2.106). Если вы используете (2.10в), то должны вычесть сумму комиссионных и проскальзывания (в пунктах) из числителя (P&L в пунктах). Затем мы определим оптимальное f по этим процентным выигрышам и проигрышам. Оптимальное f будет равно 0,09. Преобразуем это оптимальное f= 0,09 в денежный эквивалент, основываясь на текущей цене акции, с помощью формулы:
 (2.11) f$ = Наибольший процентный проигрыш * Текущая цена * ($ за пункт/ -f)
 Таким образом, так как наш наибольший процентный проигрыш был -0,15, текущая цена равна 100 долларам за акцию, а количество долларов на пункт равно 1 (так как мы имеем дело с покупкой только 1 акции), можно определить f$ следующим образом:
 f$ =-0,15*100*1/-0,09 =-15/-0,09 = 166,67
 Следует покупать 1 акцию на каждые 166,67 долларов баланса счета. Если бы мы выбрали 100 акций в качестве единицы, единственной переменной, затронутой этим изменением, было бы количество долларов за полный пункт, которое стало бы равно 100. В результате, f$ было бы 16 666,67 доллара баланса на каждые 100 акций.
  Теперь допустим, что цена акции упала до 3 долларов. Наше уравнение для f$ будет таким же, но текущая станет равна 3. Таким образом, сумма для финансирования 1 акции изменится:

<< Пред.           стр. 3 (из 10)           След. >>

Список литературы по разделу