這周是感恩節，老頭再奉獻一點東西，感謝大千朋友的支持。今天的話題是風控。說起風控，短炒的人可能不屑一顧，我就玩幾下，低買高賣，錯了就割肉，哪有那麽複雜？是的，道理真的就是那樣，可是，什麽叫低，什麽叫高？錯多少才割肉？這些，正是風控所需要解決的問題。

風控第一步就是控製參數的設定。你的時長是多少（一天，一周，還是一個月，一年甚至更長），你希望的控製百分位是多少（至於如何決定，要和你的係統，你的資金量，你的承受能力等相關，等有時間再開題說明）？這裏為了迎合大家的賭徒心理，隻介紹倉位持長就幾天的情況（包括日交），因為時間短，可以忽略很多外部因素，比如利息，匯率，資本需求等影響。

風控的第二步就是要根據選擇的交易目標，得出樣本價位的分布規律及其相關分布參數。例如我們選取SPY，根據1993年以來的價格，根據第一步的時長，統計出均值，方差，分布概率密度圖。這裏的要點是，你的參數的計算一定要和你交易的條件一樣。例如，如果是日交，你的變化值計算用的是是每天的開市價，那麽你的價格變化參考基準應該是當天的開市價。或者，如果你統計的是用前一天的閉市價，那麽你價格變化的基準點就要用前一天的閉市價。這裏說幾個有關SPY二十多年的統計的幾個有趣數據。一，如果你的當天開市買，閉市賣，平均下來的日均值是0.00268%，如果不考慮交易費用，那麽年收益大概在6.72%。二，一天之中，以開市價格為基準，最高可以達到10%的增長，增長的均值是0.693%。三，一天之中，也是以開市價為基準，最低可以降9.7%，方差是0.752%。看到這些數據，勤於思考的人一定能夠得出某些靈感，算是家庭作業吧。

風控的第三步是需要給出價格變化的概率超越曲線。主要的方法有兩種。一是直接依據第二部的分布圖，利用最近的理論分布曲線，例如正態，對數正態，或者是特殊函數等，這樣給出你控製百分位的具體變化值。二是利用第二步的數據，根據monte carlo或者是其他辦法模擬出價格的變化關係，再利用模擬結果得出百分位的具體數據。為什麽要走這一步，主要是考慮到第二步所用數據的時間刻度不夠長，沒有能夠涵蓋更加極端的情況。

風控的第四步就是在交易中嚴格執行紀律，到了自己的百分位，就一定要按照數據之行，不能被情感所左右。

最後，簡單地說明為什麽不能用毛估估的辦法，而要利用統計的方法。毛估估可能幫你維持一段，但是肯定不能幫你永遠不敗於股市，而統計的辦法雖然不能幫你立刻掙大錢，但是肯定能夠幫你在股市中在經過時間的幫助以後，出沒於股市而無恙。

順便說一句，風控是對你的係統模型的風控，所以還首先要建立一個係統模型，不過那是另外的話題了。