<< Предыдущая

стр. 14
(из 20 стр.)

ОГЛАВЛЕНИЕ

Следующая >>

отклонение дает представление о вероятности больших выигрышей или больших проседаний
относительно средней ежемесячной прибыли программы. Второй критерий управления
капиталом, касающийся максимального месячного проседания, демонстрирует величину
потенциальных убытков и дает представление о средствах управления риском и о том,
торгуется ли программа на оптимальных уровнях. Приводим величину проседаний, которую
можно ожидать: самое большое проседание составило 81 процент, а самое маленькое —
отсутствие проседания вообще. Среднемесячное проседание для всех изученных программ
составило 16 процентов. Хотя рассмотрение любого отдельно взятого месячного проседания
важно, но еще важнее количество времени, необходимое программе, чтобы выйти из убытка.
Например, предположим, начальный капитал программы составляет 1 000 000 долл., и в
следующем месяце программа переживает проседание на 25 процентов, сокращая капитал до
750 000 долл. Каково максимальное число месяцев, которое потребуется программе, чтобы
вернуть капитал на уровень 1 000 000 долл.? Это то, что измеряет третий критерий
переменной управления капиталом. Для худшей в этой категории программы потребовалось
137 месяцев, чтобы оправиться от ее худшего проседания. Не удивительно, что, так и не сумев
за более чем 11 лет оправиться от своего худшего проседания, эта программа вышла из бизне-
са. Для средней программы требуется в среднем 20 месяцев, чтобы оправиться от своего
худшего проседания. Этот критерий важен, потому что с его помощью можно теоретически
показать, что программа с хорошим управлением капиталом может оправляться от проседания
намного быстрее, чем программа с плохим управлением капиталом. Что это означает? Это
означает: если высмотрите на двух трейдеров, имеющих одно и то же преимущество
(систему), тот, у кого управление капиталом лучше, оправится от проседания быстрее. А что,
если один трейдер имеет большее преимущество, чем другой? Если оба трейдера используют
хорошее управление капиталом, тот, у кого преимущество больше, вероятно, оправится от
проседания быстрее. Однако достаточно академических объяснений. Что же, наиболее
вероятно, может произойти?
Я изучил работу наиболее успешных трейдеров, следующих за трендом, и нашел, что
распределение их месячной прибыли удивительно близко; они имеют сопоставимое
преимущество. Главное различие между ними в их убытках. Трейдеры с самыми высокими
средними прибылями имеют последовательно меньшие убытки. Это пример того, как
управление капиталом повышает ваше имеющееся преимущество.


125
Четвертая переменная управления капиталом измеряет последовательность, с которой
программы оправляются от проседания. Большая величина этого критерия означает, что
программы не могут последовательно с течением временем оправляться от убытков. Это,
вероятно, связано в равной степени и с преимуществом программы, и с ее управлением
капиталом. Последняя переменная управления капиталом показывает самый большой
промежуток времени, потраченный программой на восстановление после проседания,
выраженный как доля периода существования программы. Например, если программа
просуществовала в течение 24 месяцев и потратила 12 месяцев на восстановление после
своего наихудшего проседания, значение этой переменной будет 0,5. Эта переменная
пытается уловить значимость худшего проседания программы относительно времени се
существования.
Результаты исследования показывают, что и преимущество, и управление капиталом сильно
влияют на вероятность успеха СТА. Этот общий результат только подтверждает то, что
говорится в книге «Чародеи рынка». Но мой интерес был гораздо специфичнее. Я хотел знать,
были ли важные различия между успешными (оставшимися в живых) и неудачными
(вышедшими из бизнеса) СТА, или программами. Сначала я рассмотрел их преимущество.
Результаты вы можете видеть в Примере 25.1.
Изучение результатов в Примере 25.1 привлекает внимание к двум моментам. Успешные
программы могли приносить ежемесячную совокупную норму прибыли на 48 процентов
выше, чем неудачные программы.

ПРИМЕР 25.1. Средние значения переменных «преимущества» у успешных и неудачных
программ.

Переменная «преимущества» Успешные программы Неудачные программы

Ежемесячная совокупная 1,35% 0,91%
прибыль, %
Максимальная месячная 30,80 34,70
прибыль, %
Отношение Шарпа 15,91 9,89


Более важно, они не только могли приносить большие прибыли своим клиентам, но и делали
это с риском меньшим, чем неудачные программы. Среднее отношение Шарпа у успешных
программ было на 61 процент большее, чем у неудачных программ. Способность приносить
большую прибыль с меньшим риском приводит нас ко второму компоненту успешной сделки:
управлению капиталом. Результаты такого сравнения показаны в Примере 25.2.

ПРИМЕР 25.2, Средние значения переменных управления капиталом у успешных и
неудачных программ.


Переменная управления
капиталом Успешные программы Неудачные программы
Стандартное отклонение 8,09% 9,Ш
прибыли
Максимальное месячное 15,30% 17,80%
проседание

Число месяцев, необходимых ]9 22
для восстановления после
Изменчивость в восстанов- 7
6
проседания
лении после проседания, в
месяцах


126
Время восстановления после 0,32 0,41
наихудшего проседания, вы-
раженное как процент от срока
существования программы




Результаты в Примере 25.2 весьма наглядны. Прибыли успешных программ на И процентов
менее переменны, чем прибыли их неудачных аналогов. Более того, успешные трейдеры
переживают меньшие максимальные проседания. Они оправляются от проседаний быстрее и
делают это последовательнее. Наконец, обратите внимание: неудачные программы тратят
большую часть срока своего существования, оправляясь от своего худшего проседания!
Урок, который можно извлечь из этих результатов, очевиден: успешные трейдеры имеют
большее преимущество и намного лучшее управление капиталом, чем неудачные трейдеры.
Помните, что это средние различия между успешными и неудачными программами. Эти
результаты не говорят вам, однако, который из этих двух компонентов может быть важнее для
объяснения успеха. Это именно тот вопрос, на который я хотел ответить. Вопрос, который я
задал, звучал так: если бы мне нужно было объяснить успех только одной или двумя
переменными, какие именно дали бы мне наилучшее обоснование различий между
успешными и неудачными трейдерами? Как вы увидите, результаты оказались весьма
поразительными.
Если бы мне нужно было объяснить успех с помощью только одной переменной, то тем, что
наиболее точно предсказывало успех или неудачу, оказалось бы количество времени,
потраченное программой на восстановление после ее худшего проседания, выраженное как
процент от срока ее существования.
Очень маленькие значения этой переменной ассоциировались с успехом, а очень большие
значения предсказывали неудачу. Из этого открытия можно извлечь важный урок, особенно
подходящий для трейдеров, занимающихся этим бизнесом в течение очень короткого
времени: избегайте больших проседаний и восстанавливайтесь после них быстро, если
хотите остаться в бизнесе (но не увеличивайте при этом риск!). Более интересно, когда вы
включаете максимальное число месяцев, необходимых трейдеру, чтобы оправиться от своего
худшего проседания в анализе, одни лишь две эти переменные объясняют 88 процентов
прогнозирующей силы модели со всеми переменными преимущества и управления
капиталом, вместе взятыми! Это отчетливо демонстрирует: хотя неудачные трейдеры имеют
меньшее преимущество по сравнению с успешными, их меньшее преимущество не является
причиной их неудач; дело в их управлении капиталом! Собственно говоря, их меньшее
преимущество вполне может быть результатом плохого управления капиталом. Это весьма
наглядно. Это говорит нам, что большинство СТА, или программ, вышедших из бизнеса,
имели достаточно преимущества, чтобы оставаться в деле! Причина их неудач — в плохом
управлении капиталом.
Преимущество системы и разумное управление капиталом — наиболее важные компоненты
успешной сделки. Данное исследование подтверждает этот тезис. Успешные трейдеры имеют
большее преимущество и лучшее управление капиталом, чем неудачные трейдеры. Однако в
отличие от распространенного мнения, данное исследование показывает, что меньшее
преимущество неудачных трейдеров не является причиной их неудач. Неудачи трейдеров
можно почти исключительно объяснить их плохими методами управления капиталом.
Технические приемы, преподаваемые в настоящей книге, дадут вам необходимое торговое
преимущество. Но нельзя преувеличить важность управления капиталом, если вы хотите
увеличить это преимущество.




127
ПРИЛОЖЕНИЕ
РАСЧЕТЫ ИСТОРИЧЕСКОЙ ВОЛАТИЛЬНОСТИ

Историческая волатильность определяется как стандартное отклонение логарифмического
изменения цены, измеренное через равные промежутки времени. Так как наиболее
надежными обычно считаются расчетные цены, самый распространенный метод расчета
волатильности включает использование изменения разницы между расчетными ценами.
Мы определили каждое изменение цены х,- как:




Приложение
192




128
MOORE RESEARCH CENTER - СТАТИСТИЧЕСКИЕ ИССЛЕДОВАНИЯ

Пожалуйста, прочитайте этот абзац прежде, чем станете изучать следующие таблицы! Мы хотим,
чтобы было совершенно ясно, что мы не тестируем механические системы. Скорее, мы
исследуем переменные, чтобы увидеть, нет ли тенденции, которая могла бы быть полезна как
часть методологии входа или выхода. На первых порах ваше внимание может быть привлечено
к чтению колонки «среднее значение». Оно не выражает какой-то там уровень доходности. Нас
больше интересуют эти проценты как показатель повышения или понижения рынка в ответ на
первоначальное условие. Мы также проверяем, одинаково ли поведение индикатора на всех
рынках.
Следующий текст поможет вам лучше понять, как читать таблицы.
Введение
Исследовательский центр Moore Research Center (г. Юджин, шт. Орегон) провел
статистические тесты, дополняющие наши собственные исследовательские усилия. Эти
исследования освещают некоторые рыночные тенденции и служат способом определения
количественных характеристик поведения рынка. Эти тесты также дают информацию,
касающуюся частоты возникновения модели, склонности к направлению и дневных барных
характеристик. Мы используем это статистическое тестирование только как инструмент
сравнения. Оно не представляет никакую механическую систему. Поэтому в нем не
учитываются такие статистические данные, как комиссионные или проскальзывание, равно
как данные относительно общей доходности или максимального проседания.
Мы представим краткое описание каждого теста и прокомментируем его результаты. Однако
сначала важно коснуться методологии тестирования. Тесты прогоняются на реальных
контрактных данных, которые извлекаются из ведущего контракта до следующего месяца или
по состоянию за один день перед первым днем уведомления о поставке, или за пять дней до
истечения (что раньше). Мы прогоняем тесты покупки и продажи по отдельности, чтобы
исследовать потенциал склонности к направлению.
Так как мы ищем тенденции или вероятности, важен размер выборки. Тесты прогоняются на
данных за 10 лет на 25 рынках. Число исследованных дней указывается в колонке «всего
дней». Общее число протестированных случаев можно рассчитать делением числа выигрышей


129
на процент выигрышей. Например, 48(60%) означает, что было 48 положительных
результатов с отношением «выигрыш/убыток» 60%. 48/0,6 = 80 общих случаев.

Мы также стремимся увидеть, работает ли модель или отношение на многих рынках. Это
укрепляет нашу уверенность, что модель представляет истинный принцип поведения рынка.
Большинство исследований прогоняется только на одной-двух переменных. Мы считаем, что
эти результаты разумны; в будущем эти отношения должны сохраняться. Мы также надеемся,
что вы сможете использовать эти тесты как отправную точку развития вашей собственной
системы или исследования поведения рынка.

Статистические профили дневных баров
Этот первый ряд исследований характеризует поведение цены рынка после дня, который
закрылся на экстремуме своего диапазона. Тесты показывают тенденцию к внутридневному
развороту после этого состояния. Эта модель формирует основание для стратегии 80—20,
обсужденной в Главе 6.
Мы опишем каждую колонку этих примеров так, чтобы вы смогли заниматься изучением
результатов самостоятельно. Первой идет колонка — общее число протестированных дней. За
ней следует листинг, озаглавленный «дней схем». Здесь показана частота возникновения.
Следующая колонка показывает процентную долю случаев, когда рынок открывался вверх
или вниз. Далее мы можем видеть число случаев, когда рынок пробивал максимум или
минимум предыдущего дня и среднюю величину пробития. Наконец, в таблице показывается
процентная доля случаев, когда рынок закрывался вверх или вниз.
Давайте рассмотрим первый анализ, озаглавленный «Исторические данные по закрытию в
верхних 90%». Эта таблица характеризует поведение рынка после дня, когда рынок
закрывался в верхних 10 процентах своего диапазона. Если мы взглянем на S&P, то увидим,
что эта схема имела место в 17 процентах случаев на протяжении 2436 дней. На следующее
утро рынок открывался вверх в 48 процентах случаев. Затем он пробивал максимум
предыдущего дня в 85 процентах случаев, в среднем на 2.00 пунктов. Наконец, он закрывался
вверх только в 50 процентах случаев.
Если мы рассмотрим следующее исследование, оно характеризует поведение рынка после
дней, закрывавшихся в верхних 20 процентах диапазона. Как вы можете видеть, результаты
примерно те же самые. Эта же самая тенденция к развороту в середине дня справедлива и для
рынков, закрывающихся на нижних экстремумах своих диапазонов — фактически даже в
большей степени. Когда S&P закрывался в нижних 20 процентах диапазона, была только 42-
процентная вероятность, что на следующий день он закроется ниже.
Интересно также отметить, что, несмотря на склонность S&P и облигаций к подъему за
последние 10 лет, пробитие экстремумов предыдущих дней имело тенденцию быть
значительно глубже на продающейся стороне.
Последний ряд примеров этого раздела характеризует день, следующий после WR7, который
представляет собой самый широкий диапазон за последние семь дней. Мы исследовали как
WR7 с закрытием на максимуме, так и WR7 с закрытием на минимуме. Вероятности для
большинства рынков расположились в пользу закрытия на следующий день в
противоположном направлении. Самый яркий пример — сахар. Он закрывался в
противоположном направлении в 60 процентах случаев. Эти тесты указывают, что
определенно хорошей идеей является взятие прибыли на баре расширения диапазона (иными
словами, на баре с очень широким диапазоном). Они также предполагают, что день WR7 мог
бы быть полезен в сочетании с барами 80—20.

ПРИМЕР А. 1. Историческая статистика для верхних 90%.




Ожрытис Пробитие Среднее Закрытие
Рынок Контракты Всего дней Дней схем вверх максимума пробитие вверх


130
SP 86Н-95М 2436 194(48%)
408(17%) 348(85%) 2.00 196(48%)

YX 86Н-95М 2436 458(19%) 196(43%) 377(82%) 1.14 215(47%)

USAM 86Н-95М 2431 418(17%) 218(52%) 336(80%) 0.58 207(50%)

ED 86Н-95М 2439 192(8%) 86(45%) 145(76%) 0.05 83(43%)

SF 86Н-95М 2439 263(11%) 111(42%) 175(67%) 0.52 125(48%)

<< Предыдущая

стр. 14
(из 20 стр.)

ОГЛАВЛЕНИЕ

Следующая >>