凱利公式在自動化交易的擇時應用 - 數位貨幣

By Mary
at 2020-09-01T23:07
at 2020-09-01T23:07
Table of Contents
前文 https://www.ptt.cc/bbs/DigiCurrency/M.1598903180.A.B4C.html
說了許多凱利公式不利之處
那麼這個公式是否就真的只是個數學遊戲呢
其實也不是
他雖然在幫我們判斷投資部位上有些問題 但不代表在其他方面就毫無作用
其實這東西可以幫我們擇時 就是告訴我們合適的進場出場時機
我們可以從證券版的凱利公式結果開始
k = w/s(w + w') - w'/r(w + w')
其中
k 投資佔本金的比例
w 賺到r這麼多回報率的機率
r 正回報率
w' 賠掉s這麼多負回報的機率
s 負回報率
別忘了我們還有最終財富公式
F = (1 + kr)^wn * (1 - ks)^w'n * 1^(1 - w - w')n
這告訴我們在進行n次符合凱利公式的投資後 最後我們的報酬率
將證券凱利公式帶入財富公式的k
經過整理
F = ((w/(w+w'))(r+s)/s)^wn * ((w'/w+w'))(r+s)/r)^w'n --- (1)
在這情況下 我們可以發現k不見了
永遠再也不必拘泥要投資多少比例了
因為在這種況下 我們已經把問題從 要投多少比例的本金
轉為不管投多少錢下去比例都是對的 (符合凱利公式)
變動的是虛擬的本金而這不太重要
然後我們現在需要的是一個堅實可靠的策略系統透過回測
如同文章 https://www.ptt.cc/bbs/DigiCurrency/M.1598936143.A.9C0.html
介紹的那樣
幫我們定出可信可用的r s w w' 分布
當然這邊的假設是市場效率連弱式都不到 還有很多資訊的渣渣可以給我們啃食
不然其實分析過去資訊都是枉然
觀察(1)式乘號左側 我們發現這是表示 投資成功的事件 我們會希望他盡可能大
((w/(w+w'))(r+s)/s)^wn
於是乎我們會希望 w r 在回測的值跟機率上是大的
找到一個夠大的回報率 並且機率也要夠大 才能在合理時間內被我碰到
不過通常這種事情是拮抗的 也就是說 大回報事件的機率是不高的
同時在乘號右側
((w'/w+w'))(r+s)/r)^w'n
這邊是表示投資失敗虧錢出場的事件
我們會希望s w' 越小越好 就是說 受傷機率小 而且是輕傷
同樣這也是拮抗的 小損失事件機率應該也是高的
如此右側投資失敗失敗的值才會小
然後我們在回測的機率分布上找到合理的s w'
實作上 如果計算力允許 可以拿多個模型的值丟進去計算(蒙地卡羅或窮舉) 並找出
合理w w' r s 還有n(交易次數)下 各模型估計可獲得的最優回報率 F
模型決定完畢後 執行交易策略
當投報率碰觸到r 就是獲利了結時機 碰觸到s 如果沒進場 就是進場時機
同樣如果已經進場 卻碰到了s 就是停損的時機
當然熊市就是反過來做 一切只要能建立並定期更新可用的策略模型跟獲利分布就行
這樣子就等於在凱利公式的框架上plugin了另外的交易策略
並進行另一種角度的進出場判斷
理論上在n次交易後會有F的投報率
不過說起來簡單 做起來不容易 一個可用的策略要花很多精神跟測試才能得到
並且需要即時更新
即便有了好的策略 也是要用時間去等到符合設定值的時機去進出場
以上大概就是凱利公式在擇時上的應用 一般會比拿來挑投資比例要合理一點
--
說了許多凱利公式不利之處
那麼這個公式是否就真的只是個數學遊戲呢
其實也不是
他雖然在幫我們判斷投資部位上有些問題 但不代表在其他方面就毫無作用
其實這東西可以幫我們擇時 就是告訴我們合適的進場出場時機
我們可以從證券版的凱利公式結果開始
k = w/s(w + w') - w'/r(w + w')
其中
k 投資佔本金的比例
w 賺到r這麼多回報率的機率
r 正回報率
w' 賠掉s這麼多負回報的機率
s 負回報率
別忘了我們還有最終財富公式
F = (1 + kr)^wn * (1 - ks)^w'n * 1^(1 - w - w')n
這告訴我們在進行n次符合凱利公式的投資後 最後我們的報酬率
將證券凱利公式帶入財富公式的k
經過整理
F = ((w/(w+w'))(r+s)/s)^wn * ((w'/w+w'))(r+s)/r)^w'n --- (1)
在這情況下 我們可以發現k不見了
永遠再也不必拘泥要投資多少比例了
因為在這種況下 我們已經把問題從 要投多少比例的本金
轉為不管投多少錢下去比例都是對的 (符合凱利公式)
變動的是虛擬的本金而這不太重要
然後我們現在需要的是一個堅實可靠的策略系統透過回測
如同文章 https://www.ptt.cc/bbs/DigiCurrency/M.1598936143.A.9C0.html
介紹的那樣
幫我們定出可信可用的r s w w' 分布
當然這邊的假設是市場效率連弱式都不到 還有很多資訊的渣渣可以給我們啃食
不然其實分析過去資訊都是枉然
觀察(1)式乘號左側 我們發現這是表示 投資成功的事件 我們會希望他盡可能大
((w/(w+w'))(r+s)/s)^wn
於是乎我們會希望 w r 在回測的值跟機率上是大的
找到一個夠大的回報率 並且機率也要夠大 才能在合理時間內被我碰到
不過通常這種事情是拮抗的 也就是說 大回報事件的機率是不高的
同時在乘號右側
((w'/w+w'))(r+s)/r)^w'n
這邊是表示投資失敗虧錢出場的事件
我們會希望s w' 越小越好 就是說 受傷機率小 而且是輕傷
同樣這也是拮抗的 小損失事件機率應該也是高的
如此右側投資失敗失敗的值才會小
然後我們在回測的機率分布上找到合理的s w'
實作上 如果計算力允許 可以拿多個模型的值丟進去計算(蒙地卡羅或窮舉) 並找出
合理w w' r s 還有n(交易次數)下 各模型估計可獲得的最優回報率 F
模型決定完畢後 執行交易策略
當投報率碰觸到r 就是獲利了結時機 碰觸到s 如果沒進場 就是進場時機
同樣如果已經進場 卻碰到了s 就是停損的時機
當然熊市就是反過來做 一切只要能建立並定期更新可用的策略模型跟獲利分布就行
這樣子就等於在凱利公式的框架上plugin了另外的交易策略
並進行另一種角度的進出場判斷
理論上在n次交易後會有F的投報率
不過說起來簡單 做起來不容易 一個可用的策略要花很多精神跟測試才能得到
並且需要即時更新
即便有了好的策略 也是要用時間去等到符合設定值的時機去進出場
以上大概就是凱利公式在擇時上的應用 一般會比拿來挑投資比例要合理一點
--
Tags:
數位貨幣
All Comments

By Noah
at 2020-09-03T03:37
at 2020-09-03T03:37

By Kelly
at 2020-09-05T13:04
at 2020-09-05T13:04

By Rae
at 2020-09-05T19:03
at 2020-09-05T19:03

By Barb Cronin
at 2020-09-09T21:16
at 2020-09-09T21:16

By Skylar DavisLinda
at 2020-09-14T17:28
at 2020-09-14T17:28

By Kumar
at 2020-09-19T17:00
at 2020-09-19T17:00

By Zanna
at 2020-09-20T03:43
at 2020-09-20T03:43
市場呢?
Related Posts
冷錢包購買來源問題

By Cara
at 2020-09-01T23:05
at 2020-09-01T23:05
你還在HODL嗎

By Jacob
at 2020-09-01T18:28
at 2020-09-01T18:28
你還在HODL嗎

By Queena
at 2020-09-01T12:55
at 2020-09-01T12:55
去中心化 VPN - 區塊鏈化頻寬分享

By Mia
at 2020-09-01T12:04
at 2020-09-01T12:04
凱利公式(1)

By Yedda
at 2020-09-01T03:46
at 2020-09-01T03:46