統計及係統

統計在交易係統中很重要。我的係統是基於統計結果的，給定樣本滿足預期收益的統計概率及統計樣本數就是信號。隻需保證統計概率在時間分布上有一定的普遍性就滿足要求。

首先你需要定義的是什麽是一次成功的交易。感覺某些同學的勝率定義不是很明確。50%或70%的成功率，你的期待的贏利是多少？你預期的損失是多少?某一天漲0.1點也算漲，但你能贏多少？

不同的交易係統有不同的贏利期待。我主攻option,  我定義一次成功的交易是收益超過130%。成功率超過60%。那麽最壞情況是你投1000元，1000元60%的機會變成2.3倍。最壞情況下，忽略option時間值，40%的投入歸零，你的毛收益是2300*0.6 – 1000 = 138 元。

對應到相應股票上，你要統計其在一定時間內其價格變動超過某個值的概率。可以簡化一下，以spy為例， 比如說10日，其上漲超過2%的機會比較穩定在40%左右，你的勝率如果到到60%以上，基本保證一次成功的交易你可以超過130%的盈利，你的勝率超過60%。

我有一個統計是sp500指數以1%為反轉信號統計其變化幅度及時間。 用這個信號是出奇的簡單及高效，我以前一直忽略了它。請看不同時間段的統計數據。

第一行為利，77-100*18 77 代表10日內升2%的概率為77%， 共18個樣本，而普通情況下3073個樣本（2005~今）10日內上升到2%的概率為42%. 信號是下跌了10%沒有1%的反彈。 再看sy1 < -1 這一欄， 58%的機會基本上是可操作的了。

2016年以來波動小，10日2%的漲幅基本可以保證你150% 的收益率。

即使是在2008/01/01~2009/12/31， 波動較大，我們需要10日內上漲3%，你也可以保證不錯的勝率

2005/01/01 ~ 2017/03/31

sp     1 2  ---  77-100*18    ---  42- 60*3073  --- sy1<-10 *

sp     1 2  ---  79- 95*39    ---  42- 60*3073  --- sy1<-8  *

sp     1 2  ---  71- 94*71    ---  42- 60*3073  --- sy1<-6  *

sp     1 2  ---  70- 90*205   ---  42- 60*3073  --- sy1<-4  *

sp     1 2  ---  65- 87*354   ---  42- 60*3073  --- sy1<-3  *

sp     1 2  ---  63- 85*564   ---  42- 60*3073  --- sy1<-2  *

sp     1 2  ---  58- 80*990   ---  42- 60*3073  --- sy1<-1  *

 

2010/01/01~2017/03/31

sp     1 2  ---  60-100*5     ---  41- 59*1814  --- sy1<-10 *

sp     1 2  ---  85-100*14    ---  41- 59*1814  --- sy1<-8  *

sp     1 2  ---  71-100*32    ---  41- 59*1814  --- sy1<-6  *

sp     1 2  ---  69- 96*88    ---  41- 59*1814  --- sy1<-4  *

sp     1 2  ---  65- 91*178   ---  41- 59*1814  --- sy1<-3  *

sp     1 2  ---  63- 85*286   ---  41- 59*1814  --- sy1<-2  *

sp     1 2  ---  57- 78*527   ---  41- 59*1814  --- sy1<-1  *

 

2016/01/01 ~2017/03/31

sp     1 2  --- 100-100*1     ---  32- 47*304   --- sy1<-6  *

sp     1 2  ---  75-100*8     ---  32- 47*304   --- sy1<-4  *

sp     1 2  ---  71-100*14    ---  32- 47*304   --- sy1<-3  *

sp     1 2  ---  65- 94*29    ---  32- 47*304   --- sy1<-2  *

sp     1 2  ---  49- 71*73    ---  32- 47*304   --- sy1<-1  *

sp     1 2  ---  47- 71*88    ---  32- 47*304   --- sy1<0   *

 

2008/01/01~2009/12/31

sp     1 3  ---  84-100*13    ---  45- 67*495   --- sy1<-10 *

sp     1 3  ---  76- 90*25    ---  45- 67*495   --- sy1<-8  *

sp     1 3  ---  69- 88*36    ---  45- 67*495   --- sy1<-6  *

sp     1 3  ---  62- 84*81    ---  45- 67*495   --- sy1<-4  *

sp     1 3  ---  60- 84*118   ---  45- 67*495   --- sy1<-3  *

sp     1 3  ---  59- 82*164   ---  45- 67*495   --- sy1<-2  *

sp     1 3  ---  54- 79*224   ---  45- 67*495   --- sy1<-1  *

 

好了，秘密捅穿了，你自己可以統計這個變化幅度及周期。

我不可能在公共論壇上發布我的信號。開了一個群，加上一些時間值參數發布更加可靠的信號。在我有動力的時候免費發送。