关于定投策略的记录(三十八)
再次更新算法,确定每次的投入比例。
首先讨论一下凯利公式,贝尔实验室的产物,这个公式能得到最大收益期望的下注比例(又是期望这种虚无的东西w ,同时假设钱可以无限再分,这样钱就永远用不完了(喂 w这个公式在赌场很出名,经过简化后的公式如下:
\(f^*=p-\frac{q}{b}\)
f*是下注比例,p是胜率,q是败率(简单处理可认为是1-p),b是赔率(b=胜利的收益/失败的损失)。从这个公式可以看出以下几点:
1、因为败率和赔率都是正数,所以下注比例永远不会超过胜率。
2、下注的比例随赔率变大而升高。
3、公式变形后,投注比例大于0的情况下,有:
\(p-\frac{q}{b}>0\)
进一步得出
\(b>\frac{q}{p}\)
即赔率大于(1/p-1)的时候,才有投注的必要。反映到图像上(y=1/x-1的曲线,0<x<1 ,在胜率线性减小的时候,赔率需要指数增长才配得上它w
接下来把这个公式和投资结合一下。
投资中有一个比较长青的概念,均值回归,即所有事物都不可能永远涨或跌,一定会有回归的时候。反映到数据上,即历史胜率越高,则回归的可能性越大,所以单纯将过去的统计胜率套入凯利公式是不行的,会导致高买较多,低买较少,这显然不符合投资的逻辑。赔率也同理,在低点的赔率和在高点的赔率显然是不同的,不能以统计赔率来考虑现时的赔率。所以需要选择能够反映市场规律的胜率和赔率,然后再使用凯利公式进行计算。
因为技术周期的浮动比较客观,每个周期的起点位置明确,便于比较,所以以技术周期的统计概率和涨跌情况确定初始的胜率和赔率。另外长期和短期位置需要有所区别,所以短期以J周期为参考,长期以涨跌周期为参考。考虑有新高和新低的情况,胜率范围取5%(pB)-95%(pT)。
1、短期胜率(Ps)和赔率(Bs)的选择
以J周期涨跌次数的占比为短期的初始胜率,越向底部的位置胜率越高,越向顶部则越低。以盈利J周期涨跌幅度比例为初始赔率,向下赔率增加,向上则减小。有初始胜率和赔率:
\(originPs=\frac{ups}{ups+downs}\)
\(originBs=\frac{avgJU}{avgJD}\)
其他位置根据初始胜率和赔率进行调整,设目前在所有J周期中的位置为C,最大调整幅度为dB,最大上涨幅度为uT,目前上涨幅度cU,目前下跌幅度cD,有上升J周期:
\(Ps=pB + (originPs-pB)*C_u\)
\(Bs=\frac{avgJU - avgJU*(cU/uT)}{Javgdown + (dB-avgJD)*(cU/uT)}\)
下降J周期:
\(Ps =originPs + (pT - originPs)*C_d\)
\(Bs=\frac{avgJU + (uT - avgJU)*(cD/dB)}{avgJD - avgJD*(cD/dB)}\)
考虑盈利J周期的统计概率,对调整幅度超过历史90%和最大调整幅度的位置进行胜率加成,在下降周期有90%位置:
\(Ps` = Ps + (pT - Ps)*0.5\)
最大调整位置:
\(Ps` = Ps + (pT - Ps)*0.8\)
2、长期胜率(Pl)和赔率(Bl)的选择
以涨跌周期涨跌次数占比为初始胜率,以涨跌周期平均涨跌幅比例为赔率,有初始胜率和赔率:
\(originPl=\frac{ups}{ups+downs}\)
\(originBl=\frac{avgU}{avgD}\)
设目前在所有周期中的位置为c,最大上涨幅度T,最大下跌幅度B,上涨周期中,设当前上涨幅度为cU:
\(Pl = pB + (originPl - pB)*c\)
\(Bl=\frac{avgU - avgU*cU/T}{avgD + (B - avgD)*c}\)
下跌周期中,设当前下跌幅度为cD:
\(Pl =originPl + (pT - originPl)*c\)
\(Bl=\frac{avgU + (T - avgU)*cD/B}{avgD - avgD*cD/B}\)
可见投资和赌博有一个不太一样的地方,赌博一般是胜率越低,赔率越高,而因为均值回归的关系,投资在胜率越高的位置,一般赔率也越高,投资机会(和坑 就出现在这里。当然统计概率不是全部,也不预示未来,如果公司或者行业本身不行了,下降将是非常确定的未来,但如果是经济周期中的波动或者遭遇黑天鹅事件,大家都向下的时候,凯利公式真正发挥作用的时候就到来了,这种时候情绪的波动将被充分计价,同样在情绪非常不理智的牛市末期,如果有些心慌的话,凯利公式将帮助你规避风险。
目前收益率4.46%
以上。
评论