品种小组2期—凯利公式在RFI策略中的运用
量化策略开发,高质量社群,交易思路分享等相关内容
大家好,今天我们来聊一聊松鼠2期V2版本的阶段内容——凯利公式在RFI择时框架上的运用。
松鼠品种小组2期第1版策略、讲解视频已完结,该期小组我们分享了全新“普适性、自适应”择时框架,该框架区别于超级趋势线,超级趋势线主要着力点在于管道变为支撑压力线。而RFI框架着力点在于RSI数值对于超买超卖规定阈值的占比变化。
今天我们撇开策略本身,我们专注来谈一谈凯利公式到底是如何复现代码,以及如何运用在策略当中。
凯利公式复现
在《资金管理方法》一书中我们可以看到该算法的构成:
Kally = 胜率 - (1-胜率) / 赔率
其中胜率就是回测绩效中的胜率,胜率 = 盈利交易次数 / 总交易次数。
赔率实际上就是平均盈亏比,或者盈亏比。赔率 = 总利润 / 总亏损(平均利润 / 平均亏损)
翻译完公式,下面我们就一步一步的写公式然后计算就可以了,届时就可以计算出Kally数值,然后根据Kally就可以实现书本上最优秀的资金管理模式了。
第一步:计算胜率
在TBQ中自带了相关的内置函数,我们直接调用即可。当然在这里有一个潜在的坑,那就是这里的次数函数计算,是包括了手数倍数的,虽然与实际的次数相比有一定误差,但是最后计算的胜率与实际按照次数计算的胜率相差很小,所以在这里我并没有深究。(总交易次数同理)。
第二步:计算赔率
在这里我采用了平均盈亏比用来表示赔率,当然总盈亏比也可以,相差也不是很大。同样在TBQ中有对应的函数调用。如果使用python那么其实也不难,只需将每一次的开平仓买卖价差(±)*手数再累加,即可求得总利润(亏损),同理交易次数也是累加即可。这里不再赘述。
因为平均亏损是个负数,所以在计算赔率的前面我加入了负号“-”。
第三步:计算Kally
最后一步我们只需要发挥小学数学技能——套公式,这里不再赘述。
到这里,我们就已经完全计算出Kally公式数值了。那么我们具体如何去用呢?
在该书案例中,的确可以找到一个风险比例与最大收益率边际效用最大的一个值,但实际情况并不如此。
凯利公式这个代码计算逻辑看似很科学合理,但是有不少问题,问题如下:
1、凯利公式是根据胜率和赔率(平均盈亏比)计算而来,当胜率或赔率过小的时候,会出现凯利公式为负数的情况,此时就无法使用该资金管理模式。
2、在初始阶段,需要开平仓交易数据计算胜率和赔率(平均盈亏比),所以在开始交易的时候,凯利公式无法使用。
最后,需要注意的是,虽然凯利公式在理论上是最优的投资策略,但在实际应用中,它可能会导致投资比例过大,风险过高。
因此,很多投资者会选择使用凯利公式的一部分,比如凯利公式的50%或25%,以减少风险。此外,凯利公式假设你的赔率和胜率是固定的,但在实际情况中,这两个参数往往会变化,这也是使用凯利公式需要注意的地方。
那么针对上述问题,我们将在品种小组2期直播中继续带大家落地解决这些问题,并为大家直面剖析Kally是否真的像大家想像的那样“完美”。
品种小组2期—凯利公式在RFI策略中的运用相关推荐
- 凯利公式 - Kelly formula
欢迎关注沉睡者IT,点上面关注我 ↑ ↑ 凯利公式的概述 凯利公式是一条可应用在投资资金和赌注的公式.应用于多次的随机赌博游戏,资金的期望增长率最高,且永远不会导致完全损失所有资金的后果.它假设赌博可 ...
- 关于止损和资金管理,变种凯利公式与我的投资新观点
止损在交易中很重要,也是风险控制的必要环节.如果让我就止损方面打个形象的比方,我会这么说: 1.在市场不止损,就像开一辆没有刹车的汽车,可以出发,但迟早会出问题. 2.有人闭着眼睛过马路,没有被撞死, ...
- matlab计算夏普比率,用凯利公式计算最优配置
我们选取三只特定行业的ETF,来看看在它们之间如何进行资本配置,从而获得投资组合的最大增长率.这三只ETF是:OIH (原油服务), RKH(区域银行)和RTH(零售).每日价格可从推虎财经下载,在e ...
- python 凯利公式_凯利公式的模拟验证
凯利公式的模拟验证 场景:一个赌局,你跟庄家.你出 1 元,庄家出 0.96元.赌金数目可随之翻倍. 根据每次抛色子的结果的单双决定胜负. 胜者得到双方所下的赌金,计 1.96 元. 问题:如何下注才 ...
- 凯利公式指导投资示例
引言 在上一次我们提到了凯利公式,很多人可能会想去套用凯利公式到我们的投资策略里面去,但是实际操作中,我们会发现,很多量化平台,回测数据并不够,譬如说,掘金量化平台,它提供了胜率,收益情况等,但是并没 ...
- 凯利公式-----应用
作者:贾元宏 链接:https://www.zhihu.com/question/23534782/answer/108093123 来源:知乎 著作权归作者所有.商业转载请联系作者获得授权,非商业转 ...
- 从凯利公式开始谈资金管理
凯利公式解决了一个确定的胜率和赔率的情况下,每次用多少资金去冒险的问题,假设一个简单的丢硬币的赌局,丢到正面你得到2元钱,丢到反面你输掉到1元钱,你一共有100元钱的总资产,你可以一次进行任意金额的押 ...
- 凯利公式在期货交易中杠杆比例控制上的应用举例及组合投资策略探讨
凯利公式下最佳仓位比例f=胜率/每次亏损的净亏损率-(1-胜率)/每次收益的净收益率,也明确从数学上证明了如果仓位管理不当,一个期望值为正的交易系统,是完全可能因为仓位不佳(主要是仓位过重)而实际交易 ...
- 蒙特卡罗方法验证凯利公式
说明 本文受知乎陈小米启发而写.有兴趣的朋友可以移步这里. 本文的代码完全是本人所撸. 问题描述 假想一个游戏.赢的概率是60%,输的概率40%.入场费随意交.如果赢了获得2倍的入场费金额(1赔1), ...
最新文章
- hashmap原理_HashMap和HashTable底层原理以及区别
- myeclipse设置
- 《精通移动app测试实战:技术、工具和案例》图书目录
- 4G 信令中的 PCO 字段
- python进行linux编程,Python之函数进阶
- 智能卡门禁管理系统_综合门禁管理信息系统相关技术及未来准备
- 【机器视觉】 dev_get_window算子
- LSP(分层服务提供者)
- 回溯算法 ------回溯算法的几个例子
- cocos2dx xcode5 创建项目
- python输出所有组合数_python – GridSearchCV是否存储了所有参数组合的所有分数?...
- 2025美妆行业科技应用前瞻报告
- oracle数据库标志物,Oracle表的分类以及相关参数的详解
- 雷军:小米有机会重返世界前三;苹果为 Siri 泄露隐私事件致歉;Apache Tomcat 9.0.24 发布 | 极客头条...
- 自定义类—C#基础回顾
- element ui 菜单封装_vue模块化(echart+element ui)
- SVM支撑向量机原理
- ecshop模板构建说明
- jQuery 插件——免费版
- 排序算法之直接插入法