风控问题: 由于前面半年策略运行比较良好,最近出现回撤但是比起历史最大回撤还要低一半之多。但是这种回撤导致我在恐惧和贪婪之间徘徊时进行深度的思考,是否我以前过度的自信应用了高杠杆还是无知的我犯了错误。我希望通过我的理解风控问题能给予同行敲响警钟。
先回顾投资第一定律公式(类似牛顿第二定律)可以分解为两个变量(一个和时间无关,杠杆;一个和时间有关夏普比率),这和牛顿第二定律在宏观尺度上可以分解为质量(时间无关,速度和时间有关)。接下去我将从空间和时间两个维度来说风控问题。
夏普比率问题(时间维度)其实是验证策略有效性(可以看Kahneman 论文,2011, 心理学家,获得诺贝尔经济奖)。在Kahneman 论文中明确提出,对于风险厌恶者,最大承受的风险价格为2。因此在策略研究过程中,夏普比率1是底线。也就一定要测试策略夏普比率值是否超过这个阈值,不然在将来要面对非常大的亏损可能(其实目前我的所研究的策略夏普比率超过3,但回撤也给我巨大的压力和恐惧)。因此要使得成功率更好,策略必须具有高的夏普比率。若某个策略夏普比率低但不能低于1,可以通过组合方法来提高。基于最近量化分析结果,个人感觉当低于2时,若没有组合,不能作为独立产品进行投资,不然回撤会让你恐惧。
高杠杆问题(空间维度):杠杆不仅带来高额收益也带来高额风险。因此我们必须注意控制杠杆问题,控制杠杆问题就是kelly公式,但是前提假设是高斯分布,不要错误理解因为高斯分布而放弃使用它。虽然高斯模型预测尾部事件的比较差(通过Scalling方法可以改善,模拟发现确实可行),但是我们必须承认即使使用其它分布函数,仍然也存在模型的缺陷问题。因此根据阿卡姆剃刀原理,选择高斯分布检验是可行的。其实应用kelly公式通过数理分析发现,复盘近来投资策略可获得最优复合增长率(Thorp论文,1997 ),甚至还可以赚钱,也不会导致最近资金的亏损压力。要理解应用kelly给出杠杆有时候不符合常理(这种异常现象是市场流动性问题),同时也要意识到在最大杠杆约束条件下可能达不到最大复合增长率,但是可以控制风险。并且也要细心研究策略历史交易数据和模拟数据给出杠杆问题。
建议最好使用 CPPI 模型在结合最优杠杆进行建仓。顺带说一下,止损(止盈)交易是事后分析,而不是事前分析,杠杆问题是事前分析。止损可能会导致过度损失,除非一些结构化数据发生变化,不然止损会因为流动性问题导致损失扩大。同时也要注意,若没有完全理解kelly公式背后数理逻辑以及经济学意义,建议用固定杠杆比率结合CPPI模型建仓,实盘交易告诉我们最好应用模拟和历史数据最小最好。(其实这个方法可以控制账户到底要留多少现金问题,是否满仓问题)。
个人建议,因为高斯假设,永远不要超过kelly 公式给出最优杠杆上限(也就是说账户的资金至少要有现金存在)。引入最大杠杆限制即使损失一些利益,但是在金融市场活下来比什么都重要。由于股票投资是百分之百保证金,因此杠杆问题其实就是控制账户现金问题。
例如,当我们投资某个股票组合预算10000 元时, 若Kelly给出最优杠杠一直下跌,你就没有必要追加资本金,而是应该提出更多现金。