HAI:交易亏损是运气不佳?如何在“走背运”时逆风翻盘?_ALYATTES

如果没有良好的管理风险,即使是运气最好的交易者也会亏损。

好的风险管理可以极大地改善交易结果,即使对运气欠佳的交易者也是如此

使用计算机模拟来优化各种不同运气条件下的风险/回报比设置

交易不完全是运气

通常情况下,在交易中会有运气的成分。即使你的分析是正确的,但把握时机是非常困难的。一个著名的真实例子是MichaelBurry,这位著名美国基金经理在MichaelLewis的畅销书《大空头》中正确预测了2008年的房地产泡沫。但前期他不得不面对他的投资者的抗议,这些反对的声音差点让他无法进行后来那些载入史册的交易。为保持基金运作,投资者需要在市场犹豫不决的情况下不断支付昂贵的费用,这让他们感到不满。

有一种方法可以让交易者弥补运气不佳的损失——风险管理。在交易策略中,如果忽视这一重要组成部分,即使是一个运气绝佳、常常能做出正确交易的交易者,在总体上可能仍然要面临亏损。反之,有效的风险管理则可以在胜率糟糕的情况下仍然整体盈利。

报告:随着黑客转向更大的目标,勒索软件攻击相关赎金规模越来越大:2月11日消息,Chainalysis数据显示,去年勒索软件的平均支付规模达到11.8万美元,高于2020年的8.8万美元,2019年仅为2.5万美元。Chainalysis研究负责人Kim Grauer将这一增长归因于勒索软件团队的日益成熟。

在过去的两年里,勒索软件攻击激增。Chainalysis已确定,在2020年与勒索软件团伙有关联的钱包地址收到价值6.92亿美元的款项,2021年则收到6.02亿美元。然而,Grauer强调,随着Chainalysis继续识别与勒索软件相关的钱包,实际数字可能会高得多,2021年勒索软件支付规模创下新纪录。

随着勒索软件团伙不断获利并获得经验,他们正在学习如何适应以避免被发现并追逐更大的目标。Grauer表示,数据显示许多勒索软件团伙正在将更大比例的被盗资金重新投入到其运营中。2021年,从与勒索软件运营者相关的钱包发送的所有资金中,有16%用于工具和服务,例如渗透测试或更安全的网络托管,以使其攻击更有效。(CoinDesk)[2022/2/11 9:43:52]

一名幸运的交易者怎么会在总体上亏损呢?假设一个交易者在10次交易中的8次交易中获利,每次交易盈利10美元。然而,在剩下的两笔交易中,每次都亏损50美元。总体上,该交易者将亏损20美元。本文将展示一个不走运的交易者如何仍能获利,以及如何优化风险管理。

分析 | 随着ICO投资者需求枯竭,以太坊推文数量减少66%:据TheTIE分析,以太坊和ICO推特发文数量关联性非常大。以太坊和比特币推文数量之间的相关性系数为0.64、初始代币发行和比特币推文数量之间的相关性系数为0.24、但以太坊和初始代币发行推文数量之间的相关性系数高达0.80。从2018年中开始,围绕以太坊的话题也大幅减少,这与初始代币发行需求下降趋势相吻合。随着初始代币发行投资者的需求逐渐枯竭,以太坊推文数量也减少了66%。[2019/3/12]

第一个随机漫步——理解序列

我们创建一个随机漫步,模拟某人连续交易100次。每个随机漫步都有几个参数:起始账户余额、一个人愿意为每笔交易承担的最大风险占账户余额的百分比、风险回报比率,最后是交易者的运气。

动态 | 巴拉圭的经济债务危机可能会随着比特币的开采而结束:巴拉圭有几个水电城镇,其中许多与贩集团、军火以及走私有关。但现在它已经成为了市场上加密矿工的新家,变成加密货币挖矿聚集地。从经济学家的观点来看,充分利用巴拉圭的水力发电,可以更好地帮助该国人民摆脱贫困,繁荣当地经济。[2018/11/14]

第一个随机漫步如下图所示。它模拟了一个交易者从2千美元的账户开始,每笔交易的风险为1%,风险/回报比率为1:1,并且有50%的运气。运气好的交易大约占一半使最终结果可预测。一百次交易后,期末余额与开始时几乎相同。

研究的局限性

应指出的是,这是一项用程序模拟的研究,没有误差率或人类情感因素。这意味着无论如何,它都假设交易者总是完美地坚持交易计划。它还假设交易可以在指定的设置下,以绝对精确的价格关闭交易——无论盈利或亏损。在现实交易中,止损可能并不总是在指定的价格执行,会出现滑点。这些模拟还假设交易者进行了100次交易,但这不符合每个交易者的活动水平。考虑到这一点,上述模拟更多的是展示风险管理的重要性,而不是一个放之四海而皆准的交易系统。

第二个随机漫步——减少运气成份

如果我们采用相同的序列,但让我们假设交易者不走运,其他一切条件不变,会发生什么?当走运的次数只有25%,问题就来了。一个风险/回报比仅为1:1的交易者,在100次交易后,他的账户余额几乎减少一半。然而,提高风险/回报比率可以弥补更糟糕的运气,我们将在后文中加以说明。

模拟成百上千次交易寻找最佳风险/回报比率

为了找到给定运气条件下理想的风险/回报比率,我们多次运行随机漫步以找到有统计意义的解释。在这项研究中,一个周期由100次交易构成,运行100个周期。这意味着每个周期共有10,000次交易!每个周期风险/回报率都自动上升0.05,从1开始。程序持续这样运行直到100%的交易在起始账户余额或以上完成。

那么,对于一个大约有一半交易都很幸运的交易者来说,会出现什么情况呢?在下图中,可以看到最佳风险回报率平均为1.6。后两者将与不断变化的账户余额一起调整,以保持1.6的风险回报率,确保每次交易的风险保持在1%。

上述程序设定下,最终风险/回报比率增加6次。包括起点在内,这个周期运行了7次。换句话说,为了找到最佳的RR比率,进行了7万次交易。为了进一步优化这项研究,又使用了10轮随机序列。这意味着为了找到运气值50%时的最佳风险/回报率,大约进行了77万次交易!但并非不多不少恰好进行了77万次交易,因为有时RR比率高于/低于1.6。

当假设交易者有一半的时间是幸运的,使用1.6的风险回报率,我们可以预期在100次交易后,平均期末余额为2734美元。在图片的下半部分展示正态分布结果。存在几个异常值,有一个账户最高达到4500美元。其他几个则在3500美元以上。

最佳风险/回报率曲线

其他运气值下的情况如何?在这项研究中,我使用了以下几种运气值:50%,40%,33%,25%,20%和10%。在给定的运气值下,最佳风险回报率如下图所示。正如所料,较低的运气值需要较高的风险/回报率来补偿。当你有40%的运气时,100次交易的理想风险/回报率是2.45。

以2.45的风险/回报率对一个给定的随机序列总共模拟了30个周期。就像前一个例子一样,又运行了10轮以帮助优化这项研究。结合所有这些序列,大约进行了330万次交易,以找到40%运气值下的最佳风险/回报率。

即使在运气值只有10%的情况下,仍然可以实现盈利。然而,这将要求风险/回报率保持21.47,因此实现起来较为艰巨。

成功的交易是基于运气吗?

现在,让我们再来看看之前的情况,即一个运气值只有25%交易员,如果使用1:1的风险回报比,几乎亏损一半的账户余额。如果使用我们分析中得出的最佳风险回报比5.3,期末余额将变成2844美元,回报率为42.2%。交易者必须要运气好才能盈利吗?绝对不是。成功的交易归结于风险管理。

希望这篇文章对大家有一定的帮助。

对本文感兴趣的可以私我哦~欢迎志同道合的币圈人一起探讨~

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

大币网

[0:0ms0-3:257ms