Х = 2 * (Общее число выигрышей) * (Общее число проигрышей).
B) Общее число серий в последовательности, т.е. R.
2. Предположим, что произошли следующие сделки:
-3, +2, +7, -4, +1, -1, +1, +6, -1, 0, -2, +1.
Чистая прибыль составляет +7. Общее число сделок 12, поэтому N = 12. Теперь нас интересует не то, насколько велики выигрыши и проигрыши, а то, сколько было выигрышей и проигрышей, а также серий. Поэтому мы можем переделать наш ряд сделок в простую последовательность плюсов и минусов. Отметьте, что сделка с нулевой прибылью считается проигрышем. Таким образом:
- + + - +-++---+
Как видно, последовательность состоит из 6 прибылей и 6 убытков, поэтому X =2 * 6 * 6 = 72. В последовательности есть 8 серий, поэтому R = 8. Мы называем серией каждое изменение символа, которое встречается при чтении последовательности слева направо (т.е. хронологически).
1. Последовательность будет выглядеть следующим образом:- + + - +-++---+ т.е. 1 2 3 4 5 6 7 8
2. Вычислите значение выражения:
N*(R-0,5)-X Для нашего примера:
12* (8 -0, 5) -72
12*7,5-72
90 - 72
18
3. Вычислите значение выражения:
(X*(X-N))/(N-1) Для нашего примера:
(72* (72-12))/(12-1)
(72* 60)/11
4320/11
392,727272
4. Возьмите квадратный корень числа, полученного в пункте 3. В нашем примере:
392,727272 ^(1/2) = 19,81734777
5. Разделите ответ из пункта 2 на ответ из пункта 4. Это и есть счет Z. В нашем примере:
18/19,81734777 = 0,9082951063
6. Теперь преобразуйте ваш счет Z в доверительную границу. Распределение периодов является биномиальным распределением. Однако когда рассматриваются 30 или больше сделок, мы можем использовать нормальное распределение, как близкое к биномиальному. Таким образом, если вы используете 30 или более сделок, вы просто можете преобразовать ваш счет Z в доверительную границу, основываясь на уравнении (3.22) для нормального распределения.
Серийный тест подскажет вам, содержит ли ваша последовательность выигрышей и проигрышей больше или меньше полос (серий выигрышей или проигрышей), чем можно было бы ожидать от действительно случайной последовательности, в которой нет зависимости между испытаниями. Так как в нашем случае мы находимся на уровне относительно низкой доверительной границы, то можно допустить, что между сделками в этой последовательности нет зависимости.
Если счет Z имеет отрицательное значение, то при расчете доверительной границы просто возьмите его абсолютное значение. Отрицательный счет Z говорит о положительной зависимости, то есть полос меньше, чем при нормальном распределении вероятности, и следовательно, выигрыши порождают выигрыши, а проигрыши порождают проигрыши. Положительный счет Z говорит об отрицательной зависимости, то есть полос больше, чем при нормальном распределении вероятности, и следовательно, выигрыши порождают проигрыши, а проигрыши порождают выигрыши.
Какой уровень доверительной границы считать приемлемым? Статистики, как правило, рекомендуют доверительную границу не менее 90%. Некоторые рекомендуют доверительную границу свыше 99%, чтобы быть уверенными, что зависимость существует, другие рекомендуют менее строгий минимум 95,45% (2 стандартных отклонения).
Очень редко система демонстрирует доверительную границу свыше 95,45%, чаще всего она менее 90%. Даже если вы найдете систему с доверительной границей от 90 до 95,45, это не будет золотым самородком. Чтобы убедиться в зависимости, на которой можно хорошо заработать, вам нужно как минимум 95,45%. Пока зависимость находится на приемлемой доверительной границе, вы можете изменить систему, чтобы улучшить торговые решения, даже если вы не понимаете основной причины зависимости. Если вы узнаете причину, то сможете оценить, когда зависимость действовала, а когда нет, а также когда можно ожидать изменение степени зависимости. До настоящего момента мы смотрели на зависимость только с точки зрения того, была ли последняя сделка выигрышем или проигрышем. Теперь мы попытаемся определить, есть ли в последовательности выигрышей и проигрышей зависимость или нет. Серийный тест на наличие зависимости автоматически принимает в расчет процент выигрышей и проигрышей. Однако серийный тест по периодам выигрышей и проигрышей учитывает последовательность выигрышей и проигрышей, но не их размер. Для того чтобы получить истинную независимость, не только сама последовательность выигрышей и проигрышей должна быть независимой, но и размеры выигрышей и проигрышей в последовательности также должны быть независимыми. Выигрыши и проигрыши могут быть независимыми, однако их размеры могут зависеть от результатов предыдущей сделки (или наоборот). Возможным решением является проведение серийного теста только с выигрышными сделками. При этом полосы выигрышей следует разделить на длинные (по сравнению со средним значением распределения вероятности) и менее длинные. Только затем надо искать зависимость между размером выигрышных сделок, после этого необходимо провести ту же процедуру с проигрышными сделками.
Корреляция
Есть другой, и, может быть, лучший способ определения зависимости между размерами выигрышей и проигрышей. Этот метод позволяет рассмотреть размеры выигрышей и проигрышей с совершенно другой стороны, и когда он используется вместе с серийным f тестом, то взаимосвязь сделок измеряется с большей глубиной. Для количественной оценки зависимости или независимости данный метод использует коэффициент линейной корреляции г, который иногда называют пирсоновским r. Посмотрите на рисунок 1-2. На нем изображены две абсолютно коррелированные последовательности. Мы называем это положительной корреляцией.
Рисунок 1-2 Положительная корреляция (r =1,00)
Рисунок 1-3 Отрицательная корреляция (r = -1,00)
Теперь посмотрите на рисунок 1-3. Он показывает две последовательности, которые находятся точно в противофазе. Когда одна линия идет вверх, другая следует вниз (и наоборот). Мы называем это отрицательной корреляцией.
Формула для коэффициента линейной корреляции г двух последовательностей Х и Y такова (черта над переменной обозначает среднее арифметическое значение):
Расчет следует производить следующим образом:
1. Вычислите среднее Х и Y (т.е. X и Y )•
2. Для каждого периода найдите разность между Х и средним X, а также Y и средним Y.
3. Теперь рассчитайте числитель. Для этого для каждого периода перемножьте ответы из шага 2, другими словами, для каждого периода умножьте разность между Х и средним X, на разность между Y и средним Y.
4. Сложите результаты, полученные в шаге 3, за все периоды. Это и есть числитель.
5. Теперь найдите знаменатель. Для этого возьмите результаты шага 2 для каждого периода, как для разностей X, так и для разностей Y, и возведите их в квадрат (теперь они будут положительными значениями).
6. Сложите возведенные в квадрат разности Х за все периоды. Проделайте ту же операцию с возведенными в квадрат разностями Y.
7. Извлеките квадратный корень из суммы возведенных в квадрат разностей X, которые найдены в шаге 6. Теперь проделайте то же с Y, взяв квадратный корень суммы возведенных в квадрат разностей Y.
8. Умножьте два результата, которые вы нашли в шаге 7, то есть умножьте квадратный корень суммы возведенных в квадрат разностей Х на квадратный корень суммы возведенных в квадрат разностей Y. Это и есть знаменатель.
9. Разделите числитель, который вы нашли в шаге 4, на знаменатель, который вы нашли в шаге 8. Это и будет коэффициент линейной корреляции г.
Значение г всегда будет между +1,00 и -1,00. Значение 0 указывает, что корреляции нет.
Теперь посмотрите на рисунок 1-4. Он представляет следующую последовательность из 21 сделки:
Чтобы понять, есть ли какая-либо зависимость между предыдущей и текущей сделкой, мы можем использовать коэффициент линейной корреляции. Для значений Х в формуле для г возьмем P&L по каждой сделке. Для значений Y в формуле для г возьмем ту же самую последовательность P&L, только смещенную на одну сделку. Другими словами, значение Y — это предыдущее значение X. (См. рисунок 1-5.).
Рисунок 1-4 Отдельные результаты 21 сделки
Рисунок 1-5 Отдельные результаты 21 сделки, сдвинутые на 1 сделку
Средние значения различаются, потому что вы усредняете только те Х и Y, которые частично перекрывают друг друга, поэтому последнее значение Y (3) не вносит вклад в среднее Y, а первое значение Х (1) не вносит вклад в среднее X. Числитель является суммой всех значений из столбца Е (0,8). Чтобы найти знаменатель, мы извлечем квадратный корень из итогового значения столбца F, то есть 8,555699, затем извлечем квадратный корень из итогового значения столбца G, то есть 8,258329, и перемножим их, что даст в результате 70,65578. Теперь разделим числитель 0,8 на знаменатель 70,65578 и получим 0,011322. Это наш коэффициент линейной корреляции г. В данном случае коэффициент линейной корреляции 0,011322 едва ли о чем-то говорит, но для многих торговых систем он может достигать больших значений. Высокая положительная корреляция (по крайней мере, 0,25) говорит о том, что большие выигрыши редко сменяются большими проигрышами, и наоборот. Отрицательные значения коэффициента корреляции (между -0,25 и -0,30) подразумевают, что после больших проигрышей следуют большие выигрыши, и наоборот. Для заданного количества сделок с помощью метода, известного как «Трансформация Z Фишера», коэффициент корреляции можно преобразовать в доверительный уровень. Эта тема рассматривается в приложении С. Отрицательную корреляцию так же, как и положительную, можно использовать в своих интересах. Например, если обнаружена отрицательная корреляция и система показала большой проигрыш, то в следующей сделке можно ожидать большой выигрыш и таким образом открыть больше контрактов, чем обычно. Если и эта сделка принесет убыток, то он не должен быть очень большим (из-за отрицательной корреляции).
Наконец, при определении зависимости вы должны провести тесты по разным сегментам данных. Для этого разбейте ваши данные на две или более частей. Если вы увидите зависимость в первой части, тогда посмотрите, существует ли эта зависимость во второй части, и так далее. Это поможет исключить случаи, где появляется кажущаяся зависимость, но фактически ее нет. Использование этих двух инструментов (серийный тест и коэффициент линейной корреляции) поможет ответить на многие вопросы, однако только в том случае, если у вас есть достаточно высокая доверительная граница и/или достаточно высокий коэффициент корреляции. Большую часть времени эти инструменты вряд ли будут вам полезны, так как слишком часто во фьючерсных торговых системах зависимость отсутствует. Если вы получите данные, указывающие на зависимость, то следует обязательно воспользоваться этим обстоятельством в торговле, вернуться и включить новое правило в торговую логику, чтобы использовать зависимость. Другими словами, вы должны вернуться и изменить логику торговой системы, чтобы она учитывала эту зависимость (минуя определенные сделки или разбивая систему на две различные системы, например, одна для сделок после выигрышей и одна для сделок после проигрышей). Таким образом, можно утверждать, что, если в сделках появляется зависимость, вы не максимизировали систему. Зависимость, если она найдена, надо использовать (для этого измените правила системы), пока она не исчезнет. Первой ступенью в управлении деньгами является использование и, следовательно, удаление любой зависимости в сделках. Чтобы узнать о зависимости больше, прочитайте приложение С: «Подробнее о зависимости: разворотные точки и тест длины фазы». Мы рассмотрели зависимость в отношении торговых прибылей и убытков. Можно также поискать зависимость между индикатором и последующей сделкой или между любыми двумя переменными. Чтобы узнать больше об этих концепциях, посмотрите приложение В, а именно: раздел «Биномиальное распределение», посвященный статистической оценке торговой системы.
Обычные ошибки в отношении зависимости
Будучи трейдерами, мы должны исходить из того, что в большинстве рыночных систем зависимости не существует. То есть, при торговле в данной рыночной системе, мы находимся в среде, где результат следующей сделки не предсказуем на основе результата (результатов) предыдущих сделок. Это не значит, что в рыночных системах никогда не бывает зависимости между сделками. Речь идет о том, что нам следует действовать так, как будто зависимости не существует, пока не будет убедительных доказательств обратного. Это произойдет в случае, если счет Z и коэффициент линейной корреляции указывают на зависимость на рынке даже с оптимизированными параметрами системы. Если мы посчитаем, что зависимость есть, когда нет убедительных доказательств, то обманем сами себя и не получим хороших торговых результатов. Даже если система показала зависимость при доверительной границе 95% для всех значений параметра, это не достаточно высокая доверительная граница, чтобы с уверенностью говорить, что на определенном рынке или в определенной системе зависимость между сделками существует.
Первая ошибка заключается в том, что мы можем отвергнуть гипотезу, которую следует принять. Если, однако, мы принимаем гипотезу, когда ее следует отвергнуть, то совершаем другую ошибку. Не зная заранее, верна или нет гипотеза, мы должны решить, какую цену мы готовы заплатить за первую ошибку, а какую за вторую. Иногда одна ошибка серьезнее, чем другая, и в таких случаях мы должны решить, принимать или отвергать неподтвержденную гипотезу, выбирая меньшее из двух зол.
Допустим, вы хотите использовать определенную торговую систему, но не уверены, будет ли она работать при торговле в режиме реального времени. Здесь гипотеза состоит в том, что торговая система будет хорошо работать в режиме реального времени. Вы решаете принять гипотезу и торговать с помощью этой системы. Если гипотеза не подтвердится, то вы совершите вторую ошибку и заплатите за нее проигрышами. С другой стороны, если вы решите не торговать по системе, которая на самом деле окажется прибыльной, то совершите первую из рассмотренных нами ошибок. В этом случае цена, которую вы заплатите, — это упущенные прибыли. Что лучше? Ясно, что упущенная прибыль. Хотя из этого примера можно сделать вывод, что если вы собираетесь торговать по системе в режиме реального времени, то ей, конечно, надо быть прибыльной на прошлых данных, но есть и другой мотив для использования этого примера. Если мы допустим, что зависимость есть, когда фактически ее нет, то совершим вторую ошибку. Цена, которую мы заплатим, — реальный убыток. Однако если мы допустим, что зависимости нет, а она на самом деле есть, то совершим первую ошибку и упустим прибыль. Согласитесь, что лучше упустить прибыль, чем понести реальные убытки. Поэтому, пока не будет убедительного доказательства зависимости, вам лучше исходить из того, что прибыли и убытки в торговле (неважно, по механической системе или нет) не зависят от предыдущих результатов. Здесь, как может показаться, существует некий парадокс. Во-первых, если существует зависимость в сделках, то система подоптимальна. Однако о зависимости никогда нельзя говорить с полной уверенностью. Если мы будем действовать, как будто зависимость есть (когда фактически ее нет), мы совершим более дорогостоящую ошибку, чем если бы действовали, как будто зависимости нет (когда фактически она есть). Допустим, что в системе с историей из 60 сделок на основе серийного теста обнаружена зависимость с доверительным уровнем 95%. Мы хотим, чтобы наша система была оптимальной, поэтому соответствующим образом изменяем ее правила, чтобы использовать замеченную зависимость. Предположим, после этого у нас остается 40 сделок, и зависимости больше нет, в результате, мы приходим к выводу, что правила системы оптимальны. Теперь при 40 сделках мы получаем более высокое оптимальное f, чем при 60 (более подробно об оптимальном f — далее в этой главе). Если вы будете торговать по этой системе с новыми правилами, использующими зависимость, применяя более высокое сопутствующее оптимальное f, а зависимости на самом деле нет, то результат будет ближе к 60 сделкам, чем к 40 сделкам, в которых были показаны лучшие результаты. Таким образом, f, которое вы выбрали, будет сдвинуто вправо, что выразится в потерях, которые вы понесете из-за того, что предположили зависимость. Если зависимость присутствует, тогда вы будете ближе к пику кривой f, допускающей, что зависимость существует. Если бы вы решили, что зависимости нет, когда фактически она есть, то вы были бы слева от пика кривой f, и ваша система была бы подоптимальной (но вы потеряете меньше, чем если бы были справа от пика).
Короче говоря, ищите зависимость. Если она обнаружится с достаточно высокой вероятностью, тогда измените правила системы, чтобы использовать эту зависимость. В противном случае, при отсутствии убедительного статистического доказательства зависимости, считайте, что ее не существует (и вы понесете меньшие потери, если фактически зависимость все же существует).
Математическое ожидание
Таким же образом, вам лучше не торговать, пока не будет убедительных доказательств того, что рыночная система, по которой вы собираетесь торговать, прибыльна, то есть пока вы не будете уверены, что рыночная система имеет положительное математическое ожидание. Математическое ожидание является суммой, которую вы можете заработать или проиграть, в среднем, по каждой ставке. На языке азартных игроков это иногда называется «преимуществом игрока» (если оно положительно для игрока) или «преимуществом казино» (если оно отрицательно для игрока):
где Р = вероятность выигрыша или проигрыша;
А = выигранная или проигранная сумма;
N = количество возможных результатов.
Математическое ожидание — это сумма произведений каждого возможного выигрыша или проигрыша и вероятности такого выигрыша или проигрыша.
Давайте рассмотрим математическое ожидание игры, где у вас есть 50% шансов выиграть 2 доллара и 50% шансов проиграть 1 доллар:
Математическое ожидание = (0,5 * 2) + (0,5 * (-1)) =1+(-0.5) =0,5
В таком случае ваше математическое ожидание — выигрыш 50 центов, в среднем, забросок.
Рассмотрим ставку на один номер в рулетке. В этом случае ваше математическое ожидание составит:
МО =((1/38)* 35)+((37/38) *(-1)) = (0,02631578947 * 35) + (0,9736842105 * (-1)) = (0,9210526315) + (-0,9736842105) = -0,05263157903
Если вы поставите 1 доллар на номер в рулетке (американский двойной ноль), то можете ожидать проигрыш, в среднем, 5,26 центов на один круг. Если вы поставите 5 долларов, то можете ожидать проигрыш, в среднем, 26,3
цента на один круг. Отметьте, что различные ставки имеют различное математическое ожидание в денежном выражении, но в процентном отношении от ставки оно всегда одинаково. Ожидание серии ставок является суммой значений ожиданий отдельных ставок. Поэтому если при игре в рулетку вы ставите 1 доллар на число, затем 10 долларов на число, затем 5 долларов на число, то вашим общим ожиданием будет: