是看到过 stop loss hurts 的说法,加了stop loss 导致某些策略的总收益明显减少。就像有的策略只用出场点,不另加一个止损。 “用bayesian statistics去判断牛市,熊市还是震荡市” 有好的参考文献吗? 如果有很多策略话,是用 genetic algorithm 等优化算法找历史上最佳的资金分配吗?还是有更好的办法,发现不同策略之间的相关性来分配资金?这个相关性比较tricky, 不是 homogenious time series
1、2、两个问题是仁者见仁了,大家对市场的理解类似剑宗和气宗,各有所长,呵呵 分仓的问题我最早的想法和sammus一样,分仓分摊风险 这几天又隐隐觉得不对 如果两个模型同时犯错呢?那算是加大风险,一个犯错,一个作对,那也不能算作对冲风险? 感觉更接近资金管理方向的问题,不是分摊风险,而是更大限度对更多的资金提供管理方案。
两个模型同时犯错是可能的,但是概率小一些。此时的跌幅比下跌最大的单个策略的跌幅要小一些(假定总仓位是一样的),当然组合的收益也比单个收益最大的策略的收益小。 但整体而言风险调整的收益提高了。如果策略之间有明显的负相关,那肯定能对冲掉一部分风险
我不是bayesian stat的专家,说不出有什么好的参考文献。这里有一篇讲market regime switching的总结,其中提到bayesian方法: http://www2.gsb.columbia.edu/faculty/aang/papers/RSreview.pdf 但是运用bayesian method就要牵扯到resampling的问题,从而有可能影响系统稳定/curve-fitting之类。。。 简单的方法还是根据主观的判断结合一些指数和技术分析进行微调。generic algo毕竟是根据历史数据判断,不具有前瞻性。
分散风险,不光是不同策略的风险,还有不同risk factors的风险,以及不同市场的风险。除了建立两个模型之外,同时可以监视整个系统的风险性(例如risk exposure以及correlation等等)
如果不是预判有机会,为什么要入市? 你入市,因为你预判有机会,别人和你一样,他之所以已经入市,必然已经预判过了,并且发现有机会。你的大前提就是“别人和你一样”,这个也是全称判断,回原路了,又问了,你问过所有入市的人了? “如果不是预判有机会,为什么要入市?”,兄弟,这个问题其实就是交易方法的分界岭了,过了这岭,会看见一个新世界。