発明者による量化取引の紹介 - 基礎から実戦まで

型としては,最大引き下げ (Max Drawdown) は,波動率よりも重要なリスク指標です. 引き下げで見られる最大引き下げは,ある意味,あなたが投資した後に起こりうる最悪の状況を表しています.

数学的に見ると,資金損失の20%は,余剰資金利益の25%が必要で,元の資金規模を取り戻すことができる.

損失の規模が大きいほど,元の資金規模に戻る可能性は小さくなり,困難も大きい.資金の上方への利益の余地は無限であり,下方への損失の余地は限られており,底部への脱出の可能性も大きい.

定義がどうであれ,少なくともこの2つは現在の主流の認識である. 1,最大回帰が小さいほど良い. 2, 撤回とリスクの比率,撤回が大きいほどリスクが大きい,撤回が小さいほどリスクが小さい.

調整後の収益リスク比 (RAROC)

この概念は多くの人に馴染みませんが,実際は,調整後の収益リスクはプロとアマチュア間の分岐点です. これは銀行,大型ファンド,プロトレーダーにとって非常に良い評価ツールであり,世界的な金融界で一般的な評価基準です.

投資では,利益だけでなく,利益を得るためにどのようなリスクがかかるかも考慮する. 一般的に,資産のリスクと利益は相対的である. これは,モデルが利回りに高揚し,高揚しているときに,その風景がまだ爆発していないリスクを隠している可能性があることを意味します.

例えば,モデルにおける平衡条件または平衡条件は,上昇するときにより高い利益を持ち,下落するときに損失を倍増させ,大きな損失をもたらす.しかし,上昇と下落は相当な不対称性を有する.

多くの経験豊富な量化トレーダーは,リスクを減らすために利益の一部を犠牲にすることを好んでおり,この場合,リスク調整後の利益はより参考価値があります.したがって,リターン評価では,リスクが高い,波動性の高いモデルは,利益が高いとしても必ずしも良いモデルではありません.

投資は安全だが,年収は2%しか得られない. 市場は数日で50%増やし,数日で50%減らせる. 取引は長年,私自身には非常に重要な理念があります. リスクと向き合うこと,リスクと利益は決して孤立して存在しません. 取引は海に出かけ釣りをするようなものです. あなたは釣りしたいのですが,海のリスクを背負うことはできません. 保守すぎたり,過激すぎたり,実際には二つの極端に走っています. デザイン戦略モデルも同じです.

取引数

このモデルを証明するには,何ヶ月かの復習結果を持っていてもよい. 復習データがあまりにも少ない場合,復習結果は,パラメータ偶然,行事偶然など,偶然性がある可能性があります. さらに,長い歴史データにより,部分的な生存者偏差をフィルタリングすることができます.

一般的に,国内株や商品については5年以上前のデータ,新規上場品種については少なくとも3年以上のデータをリサーチすべきである.上場品種や国際市場における金,ドル指数などの商品については,少なくとも1回の牛熊周期をリサーチすべきであり,一般的に10年以上の期間を15年以上にわたってリサーチすべきである.リサーチ期間が十分に長く,リサーチ結果は十分に信頼性がある.この要件を満たさない品種については,上場時に適切なR値を加重処理し,積極的にリスク露出を減らすべきである.

平均利益

平均利益という指標は,普通に見えるが,実際は非常に重要なデータである. その計算方法も非常にシンプルである:純利益/取引回数. 誇張することなく,それは業績を評価する外見が鮮明である妖精鏡を区別している. 下の図のように,この戦略がお金を稼ぐ場合,それは正常ではありません:図5-18図5-19

この戦略が実績を測った場合,このほぼ完璧な戦略は,必要ないのかと疑問に思われるかもしれません.そして,ゆっくりです. 2番目のグラフの平均利益を注意深く見てください.

フューチャーマーケットのほとんどのジャンプは10元ですが,実盤取引をした人は理解できます.実盤では10ジャンプ,8ジャンプも可能です.

勝利率

勝率は決して個別に存在しませんし,勝率を個別に問題にするのは非現実的です. 適切な市場で適切なモデルを使えば,勝率が80%に達することは驚くことではありませんが,それは意味がありません.

価格が上がったり下がったりしないか,あるいは動かないか. 十分な時間があれば,価格が上がったり下がったりする確率は50%であることに気づくだろう. どんな戦略モデルを使おうとも,リトートで勝率が50%を超えると,あなたは気をつけなければならない. 数学や物理的な観点から言えば,それは不可能だ.

詳細なエクイティカーブ

グラフ上の"つの曲線は,最初の入力の時間点からグラフの最後のバーの終了までの時間点である. これは取引のリアルタイム・キャピタル・カーブであり,各バーの浮動利益・損失を考慮するのでリアルタイムである.図5-20

詳細な利息曲線は,口座の純額の変化を反映しており,最も直感的な評価ツールであり,戦略の損失利益状況と損失利益の変動/平滑程度を一目で概要的に把握することができます.しかし,戦略業績報告のこのグラフは,万言以上のものではなく,さらに多くの信者を混乱させます.また,決して平衡利息曲線を見ることはありません.

年収

年間収益は比較的に議論の的指標であり,外来者の目で見たものとして見なされ,参考にはならないと考えられている. まず,収益を得ることはモデルが選択された前提である,またはモデル収益自体は期待値に準拠しなければならない.図5-21

100%の収益は数え切れないほどあるが,最大限100%の収益しか持たない.年収利回りと実際の利回り (保有利回り) のギャップは大きく,時には想像以上に大きいかもしれない.

概要

最後に,十分完璧なテスト回帰性能は存在しないことを指摘すべき点があります. テストデータ自体の問題に加えて,モデルのユーザは,パラメータ最適化から交付設計まで,実際に動作する状況と異なる可能性のあるより多くの罠に直面する可能性もあります.

さらに重要なことは,実行レベルでの感情問題は,モデルの生産投入のX因子であり,リアルタイムの取引は,感情的な真空の環境で動作することは不可能であり,デブティテイル現象は,すべてのプログラミングトレーダーが常に警戒しなければならないことである.

授業後の宿題

1 評価の中で最も重要な指標を挙げてください 2 シャープ比率を計算してみましょう

5.4 抽出試験の必要性

概要

前回のセクションでは,いくつかの重要なパフォーマンス指標を中心に,戦略リテストのパフォーマンスレポートをどのように読むかを教えます. 実際,収益性の高い戦略を書き出すことは最も難しいことではありません. さらに難しいのは,その戦略が実用化された領域で継続的に有効かどうかを評価する方法です.

リアルディスクとは違う.

多くの量化初心者は,見かけの良い業績報告や資金曲線をリトートして,自分の取引戦略を容易に確信し,市場での大きな役割を果たす準備ができています. 確かに,リトートの結果は,彼らが観察した特定の市場の状態に完璧に合致できますが,この取引戦略が長期間の実戦に投入されると,その戦略が実際には機能していないことを発見します.

復習時に50%以上の成功率を持つ多くの取引戦略を見たことがある. このような高い勝利率を前提に,さらに1:1以上の損益比率もある. しかし,これらの戦略が実盤に適用されると,基本的に損失を伴う. 損失を引き起こす理由はたくさんあります.

しかし,取引は複雑なものであり,後見では非常に明確ですが,もしも最初に戻ると,まだ理解できない.これは量化された根源の問題や歴史的データの限界に触れます.

抽出テストとは何か

データが限られている場合,限られたデータを最大限に活用して取引戦略の科学的な復習をどのように行うか?答えは,抽選外テスト法である.復習時,歴史的なデータを時間先の2つの段落に分割し,最初の段落は戦略最適化のために使用され,トレーニングセットと呼ばれ,最後の段落は抽選外テストのために使用され,テストセットと呼ばれます.

もしあなたの戦略が常に有効であるならば,トレーニングセットデータの中でいくつかのベストセットのパラメータを最適化し,それらのパラメータをテストセットデータに適用して再測量します.理想的には,再測の結果は,トレーニングセットとほぼ同じ,または合理的な範囲で異なるものでなければなりません.

しかし,もしあるポリシーがテストセットでうまく機能するが,テストセットで悪くなったり,または変化が大きくなったり,他のパラメータも選択された場合,そのポリシーにはデータ移行偏差がある可能性がある.

例として,商品先物螺紋鋼をリセットすると,現在螺紋鋼には10年ほどのデータがある (※2009~2019年) と仮定すると,2009~2015年のデータをトレーニングセットとして,2015~2019年のデータをテストセットとして使うことができます.例えば,双均線戦略では,トレーニングセットでベストなパラメータセットは,15周期均線と90周期均線,5周期均線と50周期均線,10周期均線と100周期均線...と仮定すると,これらのパラメータセットをそれぞれテストセットリセットに放ち,トレーニングセットとテストセットの返信テスト結果と資金曲線を比較して,それらの差異が合理的な範囲内にあるかどうかを判断します.

2009~2019年のデータで直接反測する戦略を,サンプル外テストを使用しない場合,結果は,歴史的なデータに適合し,良い反測業績報告と資金曲線を得ることが可能である.しかし,そのような反測結果は,特にパラメータが多い戦略では,実盤にほとんど意味を持ちません.

試料外のテストの進行

歴史データを2つに分割してサンプル内とサンプル外を復習する以外に,さらに優れた選択肢は,推移復習と交差復習方法である.特に,過去データが少ない場合,例えば近年の新上場した原油先物やアップル先物など,この2つの方法が有限なデータを使用してモデルを全面的に検証することができます.

推移式検査の基本原理は,前回の長い歴史データを使ってモデルを訓練し,その後の比較的短いデータを使ってモデルを検査し,その後,データを取得するウィンドウを常に後方に移動し,訓練と検査のステップを繰り返す. 訓練データ:2000〜2001年,テストデータ:2002年 訓練データ:2001年から2002年 テストデータ:2003年 訓練データ:2002年から2003年 テストデータ:2004年 訓練データ:2003年から2004年 テストデータ:2005年 訓練データ:2004年から2005年 テストデータ:2006年 メディアの報道によると, 最後に,2002年,2003年,2004年,2005年,2006年...) のテスト結果を統計的に分析し,戦略のパフォーマンスを総合的に評価します.

推移式検査の原理は,次の図で直感的に説明できます.図5-22

上図は,推移式検査の2つの方法を示しています.

"つ目は,テストデータが短く,テスト回数が多くなる. 2つ目は,テストデータが長くなって,テスト回数が少なくなる.

実用的な応用では,テストデータの長さを変更することで,モデルが非平面データに対する安定性を判断するために,複数のテストを行うことができる.クロステストの基本原理は,すべてのデータ等をNつの部分に分割し,それらのN-1つの部分で訓練し,残りの部分でテストする.

2000年から2003年の間を各年ごとに4つの部分に分けます.そのクロスチェックの操作は以下の通りです. 1,訓練データ:2001-2003,テストデータ:2000; 訓練データ:2000-2002,テストデータ:2003; 3, 訓練データ:2000,2001,2003,テストデータ:2002; 訓練データ:2000,2002,2003,テストデータ:2001.図5-23

上記の図のように,クロステストの最大の利点は,限られたデータを充分活用することであり,各トレーニングデータはテストデータでもある.しかし,クロステストを戦略モデルへのテストに適用する際には,明らかな欠点もあります:

価格データが不安定している場合,モデルのテスト結果はしばしば信頼できない.例えば,2008年のデータでトレーニングし,2005年のデータでテストする.2008年の市場環境は,2005年と比較して大きく変化した可能性が高いため,モデルのテスト結果は信頼できない. 2、第1項と同様に,クロスチェックでは,最新のデータでトレーニングモデルを試す場合,古いデータでテストモデルを試す場合,それ自体が論理的ではない. さらに,量化戦略モデルをテストする際に,推移検査と交差検査の両方でデータ重複の問題が発生する.

取引戦略モデルの開発において,ほとんどの技術指標は,一定の長さの歴史的データに基づいている.例えば,傾向指標を使用して過去50日間の歴史的データを計算し,次の取引日に,その指標がその取引前の50日間のデータで計算された場合,計算した2つの指標のデータは49日間の同じであり,これは,2つの隣接する日にこの指標の変化をほとんど目立たなくさせる.図5-24

データの重複は,以下の影響をもたらす: 1,モデル予測の結果の遅い変化が持株の遅い変化につながります.これは,私たちがよく言う指標の遅延です. 2, モデル結果の検査には,いくつかの統計値が利用できない,重複データによる配列関係が原因で,いくつかの統計検査の結果が信頼できない.

優れた取引戦略は,将来的に利益をもたらすことができるはずです. 客観的に取引戦略を検知するだけでなく,量化トレーダーの時間を効率的に節約するサンプル外テストは,ほとんどの場合,サンプル全体の最適なパラメータを直接採用し,実戦への投入は非常に危険です.

パラメータ最適化が行われる時間前のすべての歴史的データを区分し,インサンプルのデータとアウトサンプルのデータに分割し,インサンプルのデータを使用してパラメータ最適化し,アウトサンプルのデータを使用してアウトサンプルのテストを行う場合,このエラーを排序し,同時に最適化された戦略が将来の市場に適用されるかどうかを検証することができます.

概要

取引のように,私たちは決して時間を渡って,自分自身のために,少しも間違いのない正しい決断を下すことはできません. もし神の手,あるいは将来から戻る能力があるなら,テストを受けずに,直接オンラインのリアルディスクに取引し,また,ポケットが満タンです.そして,私,凡人は,歴史のデータで私たちの戦略を検証する必要があります.

しかし,膨大なデータを持つ歴史でさえ,無限で予測不可能な未来に直面すると,歴史は極めて乏しく見える.したがって,歴史に基づいた,下から上へと推し進める取引システムは,最終的に時間の流れに沈み込む.歴史は,未来を尽きることがない.したがって,完全な正の期待取引システムは,その内在の原理,論理によって支えられなければなりません.

"信頼する,しかし確認する"

授業後の宿題

1 リアルタイムにおける生存者偏差の現象とは? 2. 発明者の定量化ツールを使用して,サンプル内外を再測定し,違いを比較する.

5.5 取引戦略の最適化と最適化

概要

取引戦略は,本質的に市場法則の概要と概要である.あなたが市場を理解し,コードで考えを表現する能力がより深くなるほど,あなたの戦略は市場に近いでしょう.このセクションは,あなたのリアルタイムの取引のための最終準備のために取引戦略を最適化する方法について説明します.

進出を最適化する

ほとんどのトレンドフォロー戦略は,突破や技術指標などの方法を使用して市場を捕捉する.通常,これらの信号の入出方法は,時間効率が低い.戦略が閉じる価格モデルを使用した場合,入場点は,下の根Kラインの開口価格に位置する.したがって,このKラインを突破する最適な入場時間を逃す.

したがって,効果的な方法は,戦略の実現において,より有利な即時価格を使用し,信号が出たときに即時請求を行うことである.そうすれば,信号が発信されたときに即時入場し,利益を失わない.しかし,すべての即時価格が閉じる価格よりも優れているわけではない.これは取引戦略によって決定される.いくつかの取引論理の単純な戦略では,即時価格と閉じる価格の効果は小さい.しかし,閉じる価格モデルはより細かい取引論理を処理できないので,即時価格を採用する必要があります.

パラメータ最適化

パラメータ最適化は,量化取引戦略を歴史的なデータに近いものにし,再測定パフォーマンスをより良い結果に導くことができる.例:我々は螺紋鋼合約で,二重均線戦略を使用しているが,どちらの均線が最も良いのか.

下の図は,双均線策略の例として,それ自体が多次元的な例であり,各パラメータの回帰結果を1つの点に描く場合 (注:下図を参照),各パラメータはこの策略の1つの次元であり,最終的にすべてのパラメータ組合せがこの複雑な多次元曲線形状を構成する (注:山頂のような).図5-25

上図のように,これは2パラメータ戦略のパフォーマンスグラフであり,パラメータの違いにより最終収益率も大きく変化し,曲線が強く歪み,高低の異なる波峰と波谷を形成する.通常,最適化結果の収益率が最初の位置であり,すべての曲線の最高点である.しかし,パラメータの敏感性,客観性などの観点から,時にはこの結果は常に変化しているため,最適ではないかもしれない.

したがって,パラメータ最適化の重要な原則は,パラメータ高原ではなくパラメータ孤立を選択することである.パラメータ高原とは,パラメータ範囲がより広く存在し,このパラメータ範囲内で策略がより良いパフォーマンスを得ることを意味する.一般的に,高原の中心部に類似した正規分布を形成する.パラメータ孤立とは,パラメータ値が非常に小さな範囲内にのみあるとき,策略がよりうまく動作し,パラメータ値から逸脱すると,策略のパフォーマンスが著しく異なることを意味する.図5-26

パラメータ高原

上記の図では,良い戦略パラメータ分布はパラメータ高原で,パラメータ設定が偏った場合でも戦略の利益能力は保証される.このようなパラメータは安定性があるため,将来の実戦で様々な状況に直面する際に戦略がより強力な汎用性を持つことができる.図5-27

パラメータ 島

上記の図では,回測結果がパラメータ孤立を示している場合,パラメータがわずかな偏差が発生すると,戦略の収益性は大きく低下する.そのようなパラメータは普遍性が悪いため,実際の取引で変化する多端市場に対応するのがしばしば困難である.

したがって,近辺参数の性能が最適参数の性能と大きく差している場合,この最適参数は過剰な和の結果であり,数学的に探求する極大値ではなく奇点解と考えられる可能性がある.数学的に見ると,奇点は不安定であり,将来の不確実な状況では,市場の特徴が変化すると,最適参数が最悪の参数になる可能性があります.

網を増やす

多くのトレンド戦略は,市場がトレンドになる時に,トレンドをうまく把握し,豊富な利益を得ることができますが,長期的に実行すると,結局は,小利益や損失ではなく,問題があります.

その理由は,戦略は波動市場における継続的な反復取引であり,波動取引の多くは損失または小利益で,市場は約70%の時間を波動市場にあり,長期間の連続した小損失が,以前の利益をすべて吐き出す結果である.図5-28

解決策は,利益損益網,リスク価値網,動向型網,技術指標網など,市場にある多くの種類の網を増やすことです.例えば,大きな周期均線網を増やすことで,波動の期間に取引数を減らすことができ,誤った取引の半分をフィルタリングすることができます.

金融曲線を滑らかにする

量化追求は,安定した持続可能な利益を得る方法であり,これはほとんどのトレーダーが望んでいることであり,誰も今年に50%の利益,来年に30%の損失,次年に40%の利益を望んでおらず,年間20%の利回りを受け入れることを好みますが,それは10年以上も続きます.これは量化投資が可能です.なぜなら量化投資は継続的な業績を持つ取引モデルだからです.

スムーズな資本曲線を実現するためには,多戦略,多種,多周期,多パラメータの投資ポートフォリオを構築する必要がある.しかし,必ずしも,より多く,より良く,ここには限界減少効果があり,最初により多くのポートフォリオを追加すれば,分散性はより良くなります.しかし,戦略が数値レベルに達すると分散作用が減少し始めます.ポートフォリオの利点は分散性であり,全体的な収益率は最高ではありませんが,最も安定しています.

杯の探求を諦めた

量化取引で聖杯を見つけることができるのか? これは多くのトレーダーが考える問題である. また,あるトレーダーは単純な反テストの後,いわゆる完璧な戦略を持って市場に突入する.

しかし,本当に聖杯は存在するのでしょうか? 答えは非常に簡単です. 解明するのは難しいことではありません. この市場が本当に規則的であれば, IQが高く,学歴が高く,努力が強く,数学分析,情報独占,または他の分析方法によって,最終的に彼らが市場の大部分のお金を稼ぐようになるでしょう. 長い間,彼らは市場を独占し,市場が正常に機能しないまで取引市場を独占します.

概要

取引期間が長ければ,誰でも取引過程で様々な市場動向に直面し,完全に過去を繰り返すことも不可能である.量化トレーダーとして,自分の取引戦略を正しく検討し,最適化することに加えて,市場の状況を継続的に監視し,市場の変化に対応して戦略を常に改良する必要があります.

また,利益と損失が同じ源泉であり,損失は全体的な取引戦略の一部であり,最良の取引戦略でさえ,一連の逆転期を経験することがあることを認識し,取引が損失を伴うたびに,あなたの取引規則と戦略は疑問に思われてはならない.少なくとも,あなたの戦略の論理的枠組みを簡単に変更しないでください.

授業後の宿題

1. 独自の戦略の特徴に合わせてポートフォリオを構築し,発明者による定量化ツールで再評価する 2. このセクションの内容に基づいて,自分の量的な取引戦略を最適化してみましょう.

5.6 確率思考を確立し,取引パターンを向上させる

概要

取引は科学であり芸術である.価値投資,技術分析,熱点事件,利息ヘッジなど,表面的には論理的に厳格に見えるが,理論的には合理的である.しかし,実際にはしばしば相互矛盾しており,時には科学の厳しさも芸術の天空を説明できない.

取引方法の始まりは異なるが,道路はローマに繋がっている. 価値投資の利点は,価値によって価格変動によって安全の境界を区切ることができることであり,技術分析の利点は,取引に一定の科学性を与える3つの仮説である.

しかし,それらはすべて共通する特徴があります. 将来の価格分析は,正確な予測ではなく,概説的な予測を行うだけです. 基本分析と技術分析を組み合わせても,の精度を向上させる問題は解決できません. そのため,取引は最初から最後まで確率ゲームです.

確率ゲーム

実際,取引は単なる確率ゲームではない.人生は,道路を過ぎるには小さすぎる (緑のライト,今道路を過ぎるのが安全ですか?),どんな友達を持つべきか (この友人は信頼できるのか?),どんな職業に就くべきか (職業取引は本当に良い職業ですか?),誰と結婚すべきか (一緒に幸せになれるだろうか?) などが,リスクと報酬の確率を評価するゲームである.

取引で間違いを犯す多くの人の大きな原因は,確率思考の欠如であり,取引をする時,理性ではなく感情的である.感情は実際,私たちの原始的な本能であり,市場では,これらの原始的な本能が人間の多くの弱点を刺激し,倍増させることができる.これが,ほとんどの人が市場に来て最終的に失敗する理由でもある.

取引が失敗する理由

"つ目は人間性です

市場では,少しの利息が急増するとすぐに現金化し,利益が出る.損失があったら,損失のポジションを固執して,利益を得ようと試みる.

価格が上り下りするのではなく,動かない.長期的には,手続費やスライドポイントなどを考慮しない場合,利益と損失の確率は約50%である場合,過半数の人たちの取引方法は,利益が限られ,リスクが無限である負の期待戦略に変わります.彼らの取引の決算は以下のようなものでなければなりません:小>>...>>小>>大損失.

現実生活では,それは貧しい人の考えと裕福な人の考えに似ています. 貧しい人はリスクを嫌い,損失を恐れます. 干ばつを貯める仕事を好み,安定性を追求します.

富裕層は,リスクと報酬が常に相応しいことを知っていて,リスクを合理的に評価し,リスクがコントロール可能な状態で,勇気を持って賭ける.

2つ目の理由は,すぐにお金を稼ぐのが好きだ

海外の家計機関は,長期的に見ると,ほとんどの業界の純資産年収回帰率は15%を超えることは難しいという統計を出した.逆に,多くの小売業者は,市場での15%の回帰は挨拶が嫌であると考えています.人々は,迅速にお金を稼ぐのが好きで,動作は重仓取引とショート取引です.

貯蔵庫 重仓,高レバレッジ,配当は,非常に魅力的で,非常に危険です. 失敗は失敗です. あなたが50%の勝利率の取引戦略を持っていれば,満仓と配当操作,運が良ければ,あなたは10回以上連続で勝つ可能性があります. 富は量から質に変化することも可能です.

しかし,一度だけ間違えば,すべてゼロになります. たとえあなたが単に大手取引をして配分をしないとしても,次の取引で10回連続して損失を起こす保証がないため,口座がゼロになるリスクもあります.

ショートライン 天下武功,ただすぐ破れない. 取引圈では,人工の,日中のショートライン,定量高周波は常に神秘的な色彩を持っています. 私は,秒時計を見て取引する人々を疑うのではなく,別の角度から,あなたにショートライン取引を放棄するよう勧めます.

ある方法が有効かどうか判断するには,成功した人だけではなく,失敗した人だけを見なければなりません. つまり,一人が宝くじを買ったからといって,宝くじを買うことは正しい戦略だと思ってはいけません.

さらに,民間製品のランキングを見ると,3年以上,トップ100のうち何台か,ブーツやショートラインをやっているのか? ショートラインの成成成率が低いことは間違いない. 成功したとしても,この迅速な稼ぎの方法は長期的に維持するのが難しい.

理由3 偏見

もし可能なら,100分を費やして『12人の怒りのハンター』をご覧下さい. 映画が4か国によって改編された.1957年のアメリカ初版,1991年の日本版,1997年のロシア版,2014年の中国版. この映画は取引をする方法を教えてくれないが,物事をどう見るか,自分自身を知る方法を教えてくれるのは非常に重要です.

人間の経験は限られているので,人間の認識も限られている.誰もが,多少は,自分の経験や経験に基づいて偏見を持つ.多くの場合,偏見はほとんどの人々の習慣となり,多くのことを自分の感情で判断することが当然である.

市場に戻り,あなたが市場を基本的分析や技術的分析に基づいて判断するかどうかは,実際には重要ではありません. あなたの意見が市場の大部分の人々と異なる場合,価格は市場の大部分の人々より偏っているので,市場はあなたの意見で動かないでしょう.

だから,取引では,判断を念頭に置いておく必要があります. しかし,判断を頼りにせず,最終的には事実に基づいて,価格に基づいてください. 価格の下落する唯一の力は,将来に対するほとんどの人々の期待です. そして,あなたの判断は,市場の中でほとんどありません. 自分の判断を偏見に形作ってはいけません.

理由4 完璧を目指す

市場参加者は,物理,統計,数学,天文学など,様々な分野で,多くの者が,彼らの専門知識を使って,この市場を説明しようとしています.

しかし,市場参加者は人間であり,人間自身は認知に限界がある,つまり市場自体は間違っている,不完全である.それでは,これらの"完璧"の方法で市場を説明するにはどうすればよいですか?それは市場の本質に反しませんか?

上記は,市場に入ってくる人々の過半数が最終的に失敗する理由のリストです. 上記のいくつかの主要な理由に加えて,多くの要因があります. ここではそれらをすべてリストしません.

幸運を手にして市場でお金を稼ぐ人は,時間とともに市場に返済する.だから,フューチャー市場は負のゲーム市場である.自分の考え方を変え,自分の取引戦略を構築するだけで成功する可能性がある.

概率思考とは何か?

確率思考は,文法的な名前で,通称はギャンブル思考である.あなたは間違っていない,取引はギャンブルである.ギャンブルを聞くと,あなたはおそらく"誰が誰にギャンブルで売春をしたり,借金を払ったり,妻を離婚したりする"と関連付け,避けることができます.

社会には確かに赤眼のギャンブルが存在する. しかしギャンブルはギャンブルである. "ギャンブル"はおそらく最も誤解されている言葉の一つである.

"ギャンブル"という言葉は,ある種のリスクを負って,ある種の報酬を得るために行う活動として理解されれば,人生は本当に"ギャンブル"です.学校に行くことを選ぶこと,家を買うこと,プロジェクトに馬に乗ること,仕事をするか起業することなど.

銀行にお金を預けるのも賭けです. 将来インフレが起きるか,銀行が破産するかわからないからです (ギリシャの債務危機を参考に).

勝てばどうする?

ギャンブルという概念があるなら,さらに解決する必要がある. ギャンブルに勝つためにはどうすればいいのか? ギャンブルに勝つ戦略を研究する前に,まずギャンブルに勝つ戦略の原理について調べましょう. プリンタ以外に,ギャンブルに勝つためには何がありますか?

カジノの内側にあるのは,百人ゲーム,ルーレット,スロットマシン,21点などで,ゲームがどんなに変わっても,カジノは最終的に勝つ.

宝くじの仕組み

3つのデッキ,小賭け,4-10は小さい,11-17は大きい,賭けは対数で勝つ.しかし,デッキは3つのデッキのポイントが同じである,カジノの家屋が殺し,デッキが現れる確率は2.8%である.それでは,大きな可能性と小さな可能性はそれぞれ48.6%である.カジノは,この2.8%の確率に依存しており,各ハッカーが100ドルを賭け,100回を賭けた場合,カジノは280ドルを獲得する.

(0.486+0.028)100100-0.486100100=280

しかし,このカジノ戦略には漏れがある.もし大手プレイヤーが血流で数十億ドルを賭け,また勝った場合,カジノは突然破産する.したがって,カジノは賭け上限を設定し,この上限を超えると再賭けはできません.

大数の法則

カジノ経営者は,ハッカーより2%しか優位性を持っていない.単一の賭博では,経営者は損失を被るかもしれないし,連續的な損失を被るかもしれない.しかし,カジノ経営者は,自分の利益のために,それが"多数法則"で働くことを知っているので,損失に怯えることはありません.

だから,カジノはあなたがお金を稼ぐことを恐れないので,あなたが来ないことを恐れている. ここ数年,あなたは銀行が倒産したと聞いたことがあるでしょうが,あなたはいつカジノが倒産したと聞いたのですか?

宝くじの宝くじは,宝くじが発売されてから,多くの宝くじから来ています. 宝くじの宝くじの宝くじの宝くじは,宝くじの宝くじから来ています. 宝くじの宝くじは,宝くじの宝くじから来ています.

確率の変化

正面と正面の重さと同じ硬貨があると仮定し,文字 (背面) と花 (正面) が投げられる確率は50%であり,コインが投げられるたびに前回の結果とは無関係である.このコインを連続して1万回投げると,正面が出る確率は約50%である.

しかし,10回だけ投げると,正の確率が変わります.この確率は50%ではない必要があります. そのため,カジノ経営者は,期待する戦略が有効になるために,十分な数の誘発を保証する必要があります. これはまた,民間機関が定量化取引戦略を起動するときに,特別な条件がない限り,戦略を停止することはできません.

金融市場における"大多数の法則"を活用して,長期的に勝つ戦略を立てる方法について,私たちの次のシリーズでご紹介します.

概要

上記では,確率,取引失敗の原因,正しい取引思考,賭博の必然性などについて,科学的な方法で取引をどう見るかについて説明します.

授業後の宿題

1 なぜ取引は確率のゲームなのか? 2 取引が失敗する理由は?

関連性

もっと