平仓策略分散度分析

stevenliang123

除了一大堆衡量系统绩效的指标外其实对系统的分散度分析非常重要,因为指标有很多水分在里面, 例如常见的夏普比率就有很多问题, 主要是平均值和标准差本身的设计就不太适合介绍价格行为因为极差问题, 有空再说这个, 我的习惯做法是先做分散度分析,然后再看各种指标, 分散度分析比较准确,不会骗人, 比如一个分散度高的策略即使实测的MAR非常高也不可信,这些策略在实盘中会死得很惨,而分散度低的策略在配和MAR就比较可行,当然没有足够的样本一切都是空谈
下面是对一个日内低频趋势跟踪系统的平仓策略进行盈亏的分散度基本比较, 平仓策略很简单,在没触发止损的情况下一个收盘前若干个单位周期离场,一个隔天开盘后若干个单位周期离场, 之前提过价格的分布不是程正态分布,主要原因是正态分布图基于二维参数生成,而这二维参数都分别收极差影响导致失真,价格分布属于帕雷罗分布,由数学家曼德布罗特于1963年提出,如果人们给予重视的话就不会有这么多公司破产了, 但帕雷罗分布图需要运用四个参数, 现在没找到方法制作, 不过用传统的正态分布图分析一下分散度还是可以的,题外话,先看图:




统计样本数(开仓数):1704, 87个分组,间距和极差来说隔夜比日内大, 两个策略的中位数偏移基本相同, 由于正态分布图的缺陷本应用50%去平均标准差代替普通的标准差,不过这样一来就看不到肥尾了, 从两个图中很容易看出隔夜的分散程度更大,尾巴更长, 通常分散度会影响回撤, 当然MAR指标看不出因为隔夜盈利比较高, 两个图里面右边尾巴比左边尾巴长和中间的突出是由于止损策略的作用, 方差分析方面a值大于0.05，f<fcrit， 明显没有对整个交易策略产生影响，就这点看可以作为多一种平仓手段

另外图一从峰值左右5个间隔区间(相当于整个区间的12.6%)里面包含55%的样本， 而10个间隔区间(整个区间的24%)包含87%的样本, 第二个图这两个参数分别是55%和80%，注意日内只不过比隔夜少了两个单位周期而已，分散度的区别就开始明显了， 对其他周期和假设进行分析的结果是在极限持仓时间内盈利随着持仓时间增大而增大，曲线到一定比例后开始走平，分散度也相应开始增大，伴随着低MAR和高标准差，所有东西都指向一个问题：风险加大！ 就这样的傻瓜型平仓策略其有效时间区间非常容易界定，分析分散度的原因就是有效界定这样的区间，还是那句话:样本必须足够，就国内市场这点历史长周期产生不了足够的样本是个问题。。。

如果是实盘平仓策略的分散度还需要更多更深入的分析例如置信区间,正负相关等等,不一一列举了