我们最近开发的软件来模拟随机机会对资金管理的影响. 虽然计算机能够产生伪随机数的, 伪随机过程引入偏压成无规分布.
我们选择了从采购我们的随机数 去过 random.org. 该网站产生的比特从大气噪声采取纯随机流. 然后,我们使用二进制数学来改变这些位转换成从号码 1-10,000. 说, 例如, 我们希望将交易系统的胜率模型 50%. 每当大量出来之间 1-5,000, 我们认为这是一个赢家. 任何高于 5,000 标志着一个失败者.
更改胜率 65% 以同样的方式. 比任何数量少 6,500 代表一个成功的交易. 上面的数字 6,500 信号丢失. 模型的质量是精确到千分之一的小数位. 这种类型的精度是比更准确 “已知” 你的交易系统的精确度, 它可以只在几个整个百分点是已知.
多数贸易商陷入思考自己的行业作为个人成果的陷阱. 更合适的方式来查看返回的是所有个体成果的总和. 失去了在任何给定的贸易无所谓. 只在乎你所有的获奖者的总和是否大于所有的失败者.
它变得更加复杂, 不幸. 系统用 50% 胜一 1:1 奖金将几乎从来没有出来正好盈亏平衡. 数学期望是我们希望看到一定程度的漂移的回报仅仅是由于随机的机会. 我建议阅读更多的 随机的贸易成果和美元利润 部分以获得更好的了解漂移.
最后, 我们必须定义一个采样周期评估的最终结果. 我任意设定的默认值,以 200. 这意味着,该软件告诉我们结果的范围后 200 总交易. 这可能需要一年多的时间进行一些交易员. Daytraders可以达到这个基准数周的交易. 我们所回答的问题是, “什么是我可能是放置后,账户余额 200 行业?”
掷硬币贸易试验
第一个实验是分析如何美元返回随抛硬币的游戏和最基本的 资金管理 方法. 的起动平衡 $100,000 一起使用的危险 1%. 该风险将不会改变,因为在固定分数的方法. 代替, 我们将离开固定,以严格的理解随机机会很多. 胜利总是赚 $1,000. 损失总是输 $1,000. 抛硬币的几率 50% 与胜 50% 损耗和 1:1 回报风险比.
平均交易就出来 $99,868.36, 几乎一模一样 $100,000. 这是我们所期望的 50-50 游戏用 1:1 回报风险比. 我觉得有趣的是标准差 $14,377 以及它如何改变. 我不想掩盖可怕的数学题目. 外行的解释是,标准偏差是 “正常” 范围,你可能期望的平均. 该 $100,000 平衡, 在大多数情况下, 要么输 $14,000 或使 $14,000.
超出标准偏差界限一切代表的可能性就越小野生情景. 最小的结果出来,达到58 O00, 一个巨大的 42% 损失. 这有一个 0.54% 发生几率. 最大的结果显示为 $158,000, 怪物 58% 回报. 这有发生的甚至更小的机会, 只 0.1% (1 在每 1,000 试验).
更改账户的风险显着影响的标准偏差. 1% 罢工大多数贸易商理智和合理的. 但, 有一个小的机会失去了一半的帐户,以缩编严格,因为可怕的运气. 降低由第四对总体风险 0.25% 通过正好一个第四滴的标准偏差. 在最坏的情况下缩小到一个高度可容忍 $11,500 提款 (11.5%). 大多数交易者会发现许多的 10%-20% 合理. 的风险降低的后果是,最好的情况下降低相应下降到一个 14.5% 收益.
伸展的风险出来 2%, 一个正常的行业惯例, 真可谓是冒着会计自杀与掷硬币游戏. 在最坏的情况下丢弃的最终帐户余额降至 $8,000, 惊人的 92% 损失.
我们的目标是帮助你从直觉此事界定风险纳入更多的东西有形和计算. 太多的投资者进入市场,白日梦是利润. 风险进入图片, 但太少贸易商真正了解风险和回报之间的关系. 希望, 最佳的图象, 最差,平均情况也开始变得更加清晰为你.