이것은 역설이 될 일이 아니라 재투자가 있는 MM의 속성일 뿐입니다. 이 MM의 효율성은 무엇보다도 트랜잭션 수에 따라 다릅니다. 이 MM의 수익성은 거래 수의 기하학적 평균입니다. 적은 수의 거래로 단순 MM에 수익성 면에서 손해를 보지만, 많은 거래(장시간 플레이)에서 살아남을 수 있다면 수입이 더 높을 수 있습니다. 하지만 언제나처럼 쉬운 일은 없습니다. 레버리지의 비대칭성과 그 결과 - 일반적인 MM에 비해 장기간의 저소득으로 지불해야 합니다.
최근 결과에 비추어 볼 때 최적의 MM에 대해 이야기하고 싶습니다.
위 (주제 시작 부분에서) 거래를 특징 짓는 매개 변수를 연결하는 분석 표현식을 받았습니다. 선택한 상품의 현재 비율 - S , 사용한 거래 레버리지 - L , 예상 가격의 정확한 예측 확률 이동 -p , 포인트 단위의 특징적인 뇌물 크기 -H , 수수료 DC- Sp 및 초기 예치금 -Ko .
명백한 표현을 사용하여 뇌물 H 의 가치가 일정하다면 자금을 재투자할 때 보증금을 변경하기 위한 가능한 옵션을 수치적으로 시뮬레이션할 수 있음을 상기시켜 드리겠습니다.
, 여기서 시그마는 +1을 향한 약간의 여백과 함께 값 +/-1을 취하는 랜덤 변수입니다(양의 MO가 있는 TS가 있습니다).
실제로, 나는 H 와 L 의 최적 값에 대한 검색으로 작업을 설정했으며, 가격 변화의 정확하게 추측된 신호 수와 총 2배의 거래 수의 비율을 알고 있습니다 - p . 물론 이러한 매개변수의 가능한 모든 값을 반복 표현식으로 대체하고 최상의 옵션을 검색할 수 있습니다(이것은 Vince가 최적의 f 를 계산할 때 작업에서 수행하는 작업입니다). 반복형에 적합한 해석식을 얻는 것은 어렵지 않은 것으로 밝혀졌다. 이렇게 하려면 평등의 두 부분을 계산하고 잃는 거래와 수익성 있는 거래를 다른 각도로 나누어야 합니다.
분석 표현의 장점은 최적의 거래 매개변수를 찾기 위해 매개변수 문제를 해결할 필요가 없으며 바로 사용할 수 있는 공식을 사용하는 것으로 충분하다는 것입니다.
위에서 H 와 L 의 최적값에 대한 표현을 받았는데 거래 시 최적의 H 와 기존 p 를 합칠 수 없는 것으로 나타났습니다. 이러한 옵션은 독립적으로 존재합니다. 따라서 어떤 식으로든 최적의 거래 H 를 결정한 후에는 거래 내역 - p 를 찾고 그 후에야 최적의 거래 레버리지를 찾아야 합니다. 이 경우 L 이 다음과 같을 때 Nature에서 가능한 최대 수익률은 다음과 같습니다.
세계에서 가장 성공적인 거래를 위해 우리가 알아야 할 것은 현재 환율과 그에 따른 스프레드, 그리고 음수 MO가 있는 TS입니다!
그러나 먼저 우리가 받은 이윤율에 대한 분석적 표현이 실제로 현실을 반영하는지 확인합시다. 이를 위해 실제 값에 가까운 분포를 가진 인공 견적에 대해 1000번의 수치 실험(더 많은 통계를 위해)을 수행하고(예: EURUSD와 시장은 p = 0.2인 후퇴 또는 역추세 특성을 가짐) 우리 계정의 로그는 500번의 거래 후에 작동합니다:
빨간색 사각형은 500번의 트랜잭션 후 1000개 이상의 변형에 대해 평균화된 점수의 로그를 보여주고, 수염은 1/e 수준에서 이 값의 특징적인 스프레드를 보여주고, 빨간색 실선은 분석 솔루션입니다. 통계적 분포 내에서 놀라운 일치를 볼 수 있습니다.
Vince's Fopt는 실제로 그가 가진 이름일 뿐이며 실제로 자본 성장률 측면에서 최적의 가치는 아닙니다. 자본 지분을 결정하기 위한 올바른 공식은 소위 켈리 기준(Fopt=pq 또는 Fopt=2p-1)입니다. 여기서 p는 승리 확률이고 q는 패배 확률입니다. 이 공식은 동일한 금액의 승패에 대해 유효합니다. 예를 들어 p=0.51이면 Fopt=0.02입니다. 저것들. 0.02 예치금을 사용해야 합니다. 당연히 손익은 정확히 이 값이어야 합니다. 즉, 자본 성장률 측면에서 최적의 몫을 결정하려면 확률만 알면 됩니다. 그런 다음 로트 크기, 랏 수, 보증금 크기, 수수료 등을 알고 있습니다. 어깨도 계산할 수 있습니다. 또는 그 반대로 레버리지를 알면 랏 수를 계산할 수 있습니다. 그건 그렇고, 왜 당신은 공식에 많은 개념을 가지고 있지 않습니까?
Thorpe에서 나온 Kelly 기준의 파생물을 보세요. 매우 간결하고 핵심입니다. 그런데 승패가 같지 않은 경우에는 약간 다른 공식을 일반화합니다. 또한 이것이 Vince가 Fopt 계산을 도입한 이유였습니다. 재투자가 있는 MM은 큰 손실을 허용합니다. 이것은 다시 비대칭 레버리지의 효과입니다. 모든 사람이 그러한 하락을 견딜 준비가 된 것은 아니므로 Vince's Fopt는 인위적으로 낮습니다. Thorp는 이에 대한 공식과 결론을 가지고 있습니다. 이 MM에 대한 기사 를 작성했는데 현재 한 달 동안 megaquotes에서 검토 중입니다.
그건 그렇고, 내가 모든 것을 올바르게 생각하지 않았을 수도 있습니다. 저를 수정하십시오. 다음은 공식 1과 3을 사용하여 얻은 초기 데이터와 결과입니다.
내가 추론한 것은 50년대에 Kelly가 얻은 결과의 반복입니다. 이 공식에 내가 도입한 유일한 것은 DC 수수료이며 자본 지분 f 대신에 거래 레버리지 L 의 개념으로 작동합니다. 많은 대신 거래 레버리지로 운영하면 공식이 더 아름답게 보입니다. 필요한 경우 로트 크기로 전환하는 것이 어렵지 않습니다.
Lot= MathFloor ( L *AccountFreeMargin()/MarketInfo(Symbol(),MODE_MARGINREQUIRED)/AccountLeverage()/LotStep)*LotStep; if(Lot<MarketInfo(Symbol(),MODE_MINLOT))Lot=MarketInfo(Symbol(),MODE_MINLOT); if(Lot>MarketInfo(Symbol(),MODE_MAXLOT))Lot=MarketInfo(Symbol(),MODE_MAXLOT);
내가 말할 수 있는 한, 최적의 거래 레버리지 금액을 사용하는 것보다 더 효율적으로 예금을 늘리는 방법(MM)은 없습니다.
글 말미에 어떤 데이터를 주셨는지 이해가 안 가네요... 제 공식으로 계산한 예인가요, 아니면 수치 모델링에서 사용하는 데이터를 복원하려는 시도인가요? 나는 S = 10000 점, H = 10 점, Lopt 는 210 또는 그 이상, p = 0.2, Sp = 2 점으로 나타났습니다. 시장이 반등하고 있습니다.
지난 게시물로 돌아가서 제가 받은 분석 표현은 승패가 같은 뇌물에 대해서만 사실임을 말하고 싶습니다. 불행히도 실제 거래에서는 그렇지 않을 가능성이 큽니다. 예를 들어, 거래에서 "손실 제한 및 이익 증가" 전략을 따른다면(선택한 거래 기간의 추세 시장에 해당), 예금 증분에 대한 확률 밀도 함수는 지수적이고 베르누이와는 거리가 멉니다. 이 경우를 수치 실험으로 모의하면 의존성이 다른 성격을 띠고 일반적인 경우의 최대값이 베르누이 뇌물 분배의 최대값과 일치하지 않음이 분명합니다. 이것은 매우 나쁘고 Vince가 일반적인 경우의 극한값을 찾기 위해 수치적 방법을 사용한 이유를 설명합니다. 이 문제를 지수분포에 대한 일반형으로 해석적으로 풀려고 하다가 도저히 극복할 수 없는 심각한 수학적 난제에 봉착하게 되었습니다.
HideYourRichess , Tharp의 논문이 Kelly에 대한 일반적인 사례를 제공한다는 말씀입니까? 친절하게도 그의 책에 대한 링크를 제공하십시오. 고마울거야.
재미있게. 과거 데이터에서 최적의 TS는 H=2Sp 인 지그재그로 가격 계열을 분석한 것임을 알 수 있습니다. 미래를 내다보지 않고 작업할 때(BP의 오른쪽 가장자리에서), 트레이더로서 우리가 직면하는 것은 트렌디한 Market이 있는 BP H + 와 역추세를 가진 H- 의 최적 Kagi 분석입니다(Dissertation Pastekhova). 본질적으로 장기적으로 이보다 더 큰 수익성을 제공할 전략은 없습니다(모든 종류의 Phoebe-Mibs는 계산에 포함되지 않음). 이 두 가지 전략은 시장이 후퇴할 경우 "손실을 제한하고 이익이 흐르도록 허용"하고 "이익을 제한하고 손실을 허용"하는 것으로 알려진 것의 본질입니다. 이것은 차례로 스톱로스 또는 스톱로스 후행 이익으로 귀결됩니다! 이와 같이.
그러나 재투자를 시작하면 모든 것이 바뀝니다. 이 경우 베르누이 거래 방식이 최적이 됩니다. 마지막 그래프를 보세요. 다른 조건이 동일하고 동일한 트릭과 이익을 취하는 전략이 통계적으로 최적의 단순(파란색)을 능가합니다. TS 자금의 재투자 없이.
이것은 결정적인 순간입니다! 다시 말해서, 자연에서 자본을 재투자할 때 일부 추상적인 TS보다 더 수익성 있는 TS는 없지만 동일한 뇌물이 있습니다. TR=SL .
죄송합니다. 실수가 있었습니다. Tharp가 아니라 Thorp입니다. "블랙잭, 스포츠 베팅 및 주식 시장의 켈리 기준." 에드워드 O. 소프, p.5.
이제 요점으로. 나는 당신의 공식을 가지고 거기에 내 데이터를 대체하고 다음 결과를 얻었습니다. 결과는 나에게 다소 의외입니다. 따라서 이러한 공식에 문제가 있다고 생각합니다. 나는 이것을 논하는 것이 아니라, 예를 들어 레버리지가 왜 마이너스로 판명되었는지 알아 내려고 노력하는 것뿐입니다. 그런 다음 계산에 제비를 사용하지 않으면 자본이 계산되는 방식이 명확하지 않습니다. 그리고 이것이 켈리 기준 도출의 초석입니다. 또는 내가 뭔가를 이해하지 못하고 있습니다. 가능합니다.
사실 재투자가 있는 MM의 분석 형태는 모든 요소를 고려하여 매우 간단하지 않습니다. 나는 그것을 가지고 있지 않으므로이 문제를 숫자로 풉니 다.
재투자 전략에 관해서는 이것이 항상 좋은지 여부가 매우 모호한 지점입니다. 내 데이터에 따르면 거래 조건의 다른 조합이 완전히 반대 결과로 이어진다고 말할 수 있습니다. 저것들. 가장 적절한 MM을 결정해야 할 때마다 이러한 특정 조건을 고려해야 합니다. 몇 가지 규칙이 있습니다. 아마도 아주 일반적이고 모든 MM의 특성을 제외하고.
"다시 말해서, 자연에서 자본을 재투자할 때 일부 추상적인 TS보다 더 수익성이 좋은 TS는 없지만 동일한 뇌물을 사용합니다(예: TP = SL )." 나는 몇 년 동안 이 깨달음을 얻었습니다. 내가 논문을 읽을 때까지.
죄송합니다. 실수가 있었습니다. Tharp가 아니라 Thorp입니다. "블랙잭, 스포츠 베팅 및 주식 시장의 켈리 기준." 에드워드 O. 소프, p.5.
이제 요점으로. 나는 당신의 공식을 가지고 거기에 내 데이터를 대체하고 다음 결과를 얻었습니다. 결과는 나에게 다소 의외입니다. 따라서 이러한 공식에 문제가 있다고 생각합니다. 나는 이것을 논하는 것이 아니라, 예를 들어 레버리지가 왜 마이너스로 판명되었는지 알아 내려고 노력하는 것뿐입니다. 그런 다음 계산에 제비를 사용하지 않으면 자본이 계산되는 방식이 명확하지 않습니다. 그리고 이것이 켈리 기준 도출의 초석입니다. 또는 내가 뭔가를 이해하지 못하고 있습니다. 가능합니다.
사실 재투자가 있는 MM의 분석 형태는 모든 요소를 고려하여 매우 간단하지 않습니다. 나는 그것을 가지고 있지 않으므로이 문제를 숫자로 풉니 다.
재투자 전략에 관해서는 이것이 항상 좋은지 여부가 매우 모호한 지점입니다. 내 데이터에 따르면 거래 조건의 다른 조합이 완전히 반대 결과로 이어진다고 말할 수 있습니다. 저것들. 가장 적절한 MM을 결정해야 할 때마다 이러한 특정 조건을 고려해야 합니다. 몇 가지 규칙이 있습니다. 아마도 매우 일반적이고 모든 MM의 특성을 제외하고.
내 공식에 따르면 거래 레버리지의 최적 크기에 대해 실제로 음수 값을 얻을 수 있습니다. 여기에는 역설이 없고, 이는 자본 성장률을 극대화한다는 관점에서 원화 자금을 투자하지 않고 최대한 빨리 게임에서 인출해야 하는 경우에 해당한다. :-) 글쎄, 무엇? 우리가 뚫고 날려 버릴 때의 상황을 상상해보십시오 ... 물론 농담입니다! 긍정적인 경우 수신된 Lopt 값을 비교하려면 if 블록만 넣으면 되고, 음수이면 시장에 진입하지 마십시오. 일반적으로 그러한 상황은 오해의 소지가 있어서는 안 됩니다. 종종 물리적 문제를 해결할 때 비 물리적 결과를 얻을 수 있으며 정답을 선택하기만 하면 됩니다. Narpimer, 던진 돌의 운동에 대한 방정식을 분석 형식으로 얻으면 두 가지 솔루션을 얻을 수 있으며 그 중 하나는 허수 단위를 제공합니다. 아무것도 아닙니다. 우리는 이 결정을 버립니다.
위의 수치 시뮬레이션에 사용된 양의 값을 주었습니다.
PS p - 저에게 그것은 0에서 1/2까지의 값을 취하며 모든 거래 수의 2배에 대한 스프레드를 고려하지 않고 승리한 거래 수의 비율로 발견됩니다.
PS 아름답게 밝혀졌습니다. 나는 그림에 대해 이야기하고 있다. 미학적 즐거움을 얻는다!
예 아름답군요! 대화를 하는 동안 많은 것이 분명해졌습니다.
그건 그렇고, 나는 입력 신호의 확률 밀도 분포를 조정할 수있는 간단한 칠면조를 만들었습니다.
다음은 조정 전의 RSI 확률 밀도 분포의 그림입니다.
여기서 보라색 선은 계수가 1인 RSI의 하이퍼탄젠트(즉, 있는 그대로)이고 녹색 선은 확률 밀도 분포 함수이고 왼쪽 가장자리는 -1이고 오른쪽 가장자리는 +1입니다.
그리고 다음 그림에서 th( RSI (i) * kf ), 여기서 kf는 "번짐" 인자 -:)
잘. 이제 나는 당신의 아름다운 그림을 코드로 구현하기 위해 자리에 앉았습니다.
이것은 역설이 될 일이 아니라 재투자가 있는 MM의 속성일 뿐입니다. 이 MM의 효율성은 무엇보다도 트랜잭션 수에 따라 다릅니다. 이 MM의 수익성은 거래 수의 기하학적 평균입니다. 적은 수의 거래로 단순 MM에 수익성 면에서 손해를 보지만, 많은 거래(장시간 플레이)에서 살아남을 수 있다면 수입이 더 높을 수 있습니다. 하지만 언제나처럼 쉬운 일은 없습니다. 레버리지의 비대칭성과 그 결과 - 일반적인 MM에 비해 장기간의 저소득으로 지불해야 합니다.
최근 결과에 비추어 볼 때 최적의 MM에 대해 이야기하고 싶습니다.
위 (주제 시작 부분에서) 거래를 특징 짓는 매개 변수를 연결하는 분석 표현식을 받았습니다. 선택한 상품의 현재 비율 - S , 사용한 거래 레버리지 - L , 예상 가격의 정확한 예측 확률 이동 -p , 포인트 단위의 특징적인 뇌물 크기 -H , 수수료 DC- Sp 및 초기 예치금 -Ko .
명백한 표현을 사용하여 뇌물 H 의 가치가 일정하다면 자금을 재투자할 때 보증금을 변경하기 위한 가능한 옵션을 수치적으로 시뮬레이션할 수 있음을 상기시켜 드리겠습니다.
실제로, 나는 H 와 L 의 최적 값에 대한 검색으로 작업을 설정했으며, 가격 변화의 정확하게 추측된 신호 수와 총 2배의 거래 수의 비율을 알고 있습니다 - p . 물론 이러한 매개변수의 가능한 모든 값을 반복 표현식으로 대체하고 최상의 옵션을 검색할 수 있습니다(이것은 Vince가 최적의 f 를 계산할 때 작업에서 수행하는 작업입니다). 반복형에 적합한 해석식을 얻는 것은 어렵지 않은 것으로 밝혀졌다. 이렇게 하려면 평등의 두 부분을 계산하고 잃는 거래와 수익성 있는 거래를 다른 각도로 나누어야 합니다.
분석 표현의 장점은 최적의 거래 매개변수를 찾기 위해 매개변수 문제를 해결할 필요가 없으며 바로 사용할 수 있는 공식을 사용하는 것으로 충분하다는 것입니다.
위에서 H 와 L 의 최적값에 대한 표현을 받았는데 거래 시 최적의 H 와 기존 p 를 합칠 수 없는 것으로 나타났습니다. 이러한 옵션은 독립적으로 존재합니다. 따라서 어떤 식으로든 최적의 거래 H 를 결정한 후에는 거래 내역 - p 를 찾고 그 후에야 최적의 거래 레버리지를 찾아야 합니다. 이 경우 L 이 다음과 같을 때 Nature에서 가능한 최대 수익률은 다음과 같습니다.
세계에서 가장 성공적인 거래를 위해 우리가 알아야 할 것은 현재 환율과 그에 따른 스프레드, 그리고 음수 MO가 있는 TS입니다!
그러나 먼저 우리가 받은 이윤율에 대한 분석적 표현이 실제로 현실을 반영하는지 확인합시다. 이를 위해 실제 값에 가까운 분포를 가진 인공 견적에 대해 1000번의 수치 실험(더 많은 통계를 위해)을 수행하고(예: EURUSD와 시장은 p = 0.2인 후퇴 또는 역추세 특성을 가짐) 우리 계정의 로그는 500번의 거래 후에 작동합니다:
빨간색 사각형은 500번의 트랜잭션 후 1000개 이상의 변형에 대해 평균화된 점수의 로그를 보여주고, 수염은 1/e 수준에서 이 값의 특징적인 스프레드를 보여주고, 빨간색 실선은 분석 솔루션입니다. 통계적 분포 내에서 놀라운 일치를 볼 수 있습니다.
쓰기 지겹다... 맥주나 마실래!
파란색, 이것은 베르누이가 아닙니다.
Vince's Fopt는 실제로 그가 가진 이름일 뿐이며 실제로 자본 성장률 측면에서 최적의 가치는 아닙니다. 자본 지분을 결정하기 위한 올바른 공식은 소위 켈리 기준(Fopt=pq 또는 Fopt=2p-1)입니다. 여기서 p는 승리 확률이고 q는 패배 확률입니다. 이 공식은 동일한 금액의 승패에 대해 유효합니다. 예를 들어 p=0.51이면 Fopt=0.02입니다. 저것들. 0.02 예치금을 사용해야 합니다. 당연히 손익은 정확히 이 값이어야 합니다. 즉, 자본 성장률 측면에서 최적의 몫을 결정하려면 확률만 알면 됩니다. 그런 다음 로트 크기, 랏 수, 보증금 크기, 수수료 등을 알고 있습니다. 어깨도 계산할 수 있습니다. 또는 그 반대로 레버리지를 알면 랏 수를 계산할 수 있습니다. 그건 그렇고, 왜 당신은 공식에 많은 개념을 가지고 있지 않습니까?
Thorpe에서 나온 Kelly 기준의 파생물을 보세요. 매우 간결하고 핵심입니다. 그런데 승패가 같지 않은 경우에는 약간 다른 공식을 일반화합니다. 또한 이것이 Vince가 Fopt 계산을 도입한 이유였습니다. 재투자가 있는 MM은 큰 손실을 허용합니다. 이것은 다시 비대칭 레버리지의 효과입니다. 모든 사람이 그러한 하락을 견딜 준비가 된 것은 아니므로 Vince's Fopt는 인위적으로 낮습니다. Thorp는 이에 대한 공식과 결론을 가지고 있습니다. 이 MM에 대한 기사 를 작성했는데 현재 한 달 동안 megaquotes에서 검토 중입니다.
그건 그렇고, 내가 모든 것을 올바르게 생각하지 않았을 수도 있습니다. 저를 수정하십시오. 다음은 공식 1과 3을 사용하여 얻은 초기 데이터와 결과입니다.
수식에서 숫자를 대체할 때 어딘가에서 뭔가를 엉망으로 만든 것 같은 느낌이 듭니다. 결과는 다음과 같습니다.
내가 추론한 것은 50년대에 Kelly가 얻은 결과의 반복입니다. 이 공식에 내가 도입한 유일한 것은 DC 수수료이며 자본 지분 f 대신에 거래 레버리지 L 의 개념으로 작동합니다. 많은 대신 거래 레버리지로 운영하면 공식이 더 아름답게 보입니다. 필요한 경우 로트 크기로 전환하는 것이 어렵지 않습니다.
Lot= MathFloor ( L *AccountFreeMargin()/MarketInfo(Symbol(),MODE_MARGINREQUIRED)/AccountLeverage()/LotStep)*LotStep;
if(Lot<MarketInfo(Symbol(),MODE_MINLOT))Lot=MarketInfo(Symbol(),MODE_MINLOT);
if(Lot>MarketInfo(Symbol(),MODE_MAXLOT))Lot=MarketInfo(Symbol(),MODE_MAXLOT);
내가 말할 수 있는 한, 최적의 거래 레버리지 금액을 사용하는 것보다 더 효율적으로 예금을 늘리는 방법(MM)은 없습니다.
글 말미에 어떤 데이터를 주셨는지 이해가 안 가네요... 제 공식으로 계산한 예인가요, 아니면 수치 모델링에서 사용하는 데이터를 복원하려는 시도인가요? 나는 S = 10000 점, H = 10 점, Lopt 는 210 또는 그 이상, p = 0.2, Sp = 2 점으로 나타났습니다. 시장이 반등하고 있습니다.
지난 게시물로 돌아가서 제가 받은 분석 표현은 승패가 같은 뇌물에 대해서만 사실임을 말하고 싶습니다. 불행히도 실제 거래에서는 그렇지 않을 가능성이 큽니다. 예를 들어, 거래에서 "손실 제한 및 이익 증가" 전략을 따른다면(선택한 거래 기간의 추세 시장에 해당), 예금 증분에 대한 확률 밀도 함수는 지수적이고 베르누이와는 거리가 멉니다. 이 경우를 수치 실험으로 모의하면 의존성이 다른 성격을 띠고 일반적인 경우의 최대값이 베르누이 뇌물 분배의 최대값과 일치하지 않음이 분명합니다. 이것은 매우 나쁘고 Vince가 일반적인 경우의 극한값을 찾기 위해 수치적 방법을 사용한 이유를 설명합니다. 이 문제를 지수분포에 대한 일반형으로 해석적으로 풀려고 하다가 도저히 극복할 수 없는 심각한 수학적 난제에 봉착하게 되었습니다.
HideYourRichess , Tharp의 논문이 Kelly에 대한 일반적인 사례를 제공한다는 말씀입니까? 친절하게도 그의 책에 대한 링크를 제공하십시오. 고마울거야.
재미있게. 과거 데이터에서 최적의 TS는 H=2Sp 인 지그재그로 가격 계열을 분석한 것임을 알 수 있습니다. 미래를 내다보지 않고 작업할 때(BP의 오른쪽 가장자리에서), 트레이더로서 우리가 직면하는 것은 트렌디한 Market이 있는 BP H + 와 역추세를 가진 H- 의 최적 Kagi 분석입니다(Dissertation Pastekhova). 본질적으로 장기적으로 이보다 더 큰 수익성을 제공할 전략은 없습니다(모든 종류의 Phoebe-Mibs는 계산에 포함되지 않음). 이 두 가지 전략은 시장이 후퇴할 경우 "손실을 제한하고 이익이 흐르도록 허용"하고 "이익을 제한하고 손실을 허용"하는 것으로 알려진 것의 본질입니다. 이것은 차례로 스톱로스 또는 스톱로스 후행 이익으로 귀결됩니다! 이와 같이.
그러나 재투자를 시작하면 모든 것이 바뀝니다. 이 경우 베르누이 거래 방식이 최적이 됩니다. 마지막 그래프를 보세요. 다른 조건이 동일하고 동일한 트릭과 이익을 취하는 전략이 통계적으로 최적의 단순(파란색)을 능가합니다. TS 자금의 재투자 없이.
이것은 결정적인 순간입니다! 다시 말해서, 자연에서 자본을 재투자할 때 일부 추상적인 TS보다 더 수익성 있는 TS는 없지만 동일한 뇌물이 있습니다. TR=SL .
감독자.
죄송합니다. 실수가 있었습니다. Tharp가 아니라 Thorp입니다. "블랙잭, 스포츠 베팅 및 주식 시장의 켈리 기준." 에드워드 O. 소프, p.5.
이제 요점으로. 나는 당신의 공식을 가지고 거기에 내 데이터를 대체하고 다음 결과를 얻었습니다. 결과는 나에게 다소 의외입니다. 따라서 이러한 공식에 문제가 있다고 생각합니다. 나는 이것을 논하는 것이 아니라, 예를 들어 레버리지가 왜 마이너스로 판명되었는지 알아 내려고 노력하는 것뿐입니다. 그런 다음 계산에 제비를 사용하지 않으면 자본이 계산되는 방식이 명확하지 않습니다. 그리고 이것이 켈리 기준 도출의 초석입니다. 또는 내가 뭔가를 이해하지 못하고 있습니다. 가능합니다.
사실 재투자가 있는 MM의 분석 형태는 모든 요소를 고려하여 매우 간단하지 않습니다. 나는 그것을 가지고 있지 않으므로이 문제를 숫자로 풉니 다.
재투자 전략에 관해서는 이것이 항상 좋은지 여부가 매우 모호한 지점입니다. 내 데이터에 따르면 거래 조건의 다른 조합이 완전히 반대 결과로 이어진다고 말할 수 있습니다. 저것들. 가장 적절한 MM을 결정해야 할 때마다 이러한 특정 조건을 고려해야 합니다. 몇 가지 규칙이 있습니다. 아마도 아주 일반적이고 모든 MM의 특성을 제외하고.
"다시 말해서, 자연에서 자본을 재투자할 때 일부 추상적인 TS보다 더 수익성이 좋은 TS는 없지만 동일한 뇌물을 사용합니다(예: TP = SL )." 나는 몇 년 동안 이 깨달음을 얻었습니다. 내가 논문을 읽을 때까지.
흔들렸다. 고맙습니다!
대각선으로 본. 어쩌면 그는 뭔가를 간과했을 수도 있지만 Thorp는 고정된 뇌물 불평등의 경우를 고려합니다.
동의합니다. 이 경우는 우리가 거래할 때 일반적으로 다루는 뇌물 비율 또는 기타 이산(예: 가우시안)의 지수 분포를 설명하는 데 적합하지 않습니다. 우리는 이 비율을 고정(상수와 동일)하지 않았습니다.
흔들렸다. 고맙습니다!
대각선으로 본. 어쩌면 그는 뭔가를 간과했을 수도 있지만 Thorp는 고정된 뇌물 불평등의 경우를 고려합니다.
동의합니다. 이 경우는 우리가 거래할 때 일반적으로 다루는 뇌물 비율 또는 기타 이산(예: 가우시안)의 지수 분포를 설명하는 데 적합하지 않습니다. 우리는 이 관계를 고정(상수와 동일)하지 않았습니다.
나는 그것을 고쳤다. 또한, 귀하의 승/패가 규범에 따라 분배되면 이것이 고정 금액에 해당한다는 의혹이 있습니다.
여기에 게임 이론도 접목했습니다. :)
죄송합니다. 실수가 있었습니다. Tharp가 아니라 Thorp입니다. "블랙잭, 스포츠 베팅 및 주식 시장의 켈리 기준." 에드워드 O. 소프, p.5.
이제 요점으로. 나는 당신의 공식을 가지고 거기에 내 데이터를 대체하고 다음 결과를 얻었습니다. 결과는 나에게 다소 의외입니다. 따라서 이러한 공식에 문제가 있다고 생각합니다. 나는 이것을 논하는 것이 아니라, 예를 들어 레버리지가 왜 마이너스로 판명되었는지 알아 내려고 노력하는 것뿐입니다. 그런 다음 계산에 제비를 사용하지 않으면 자본이 계산되는 방식이 명확하지 않습니다. 그리고 이것이 켈리 기준 도출의 초석입니다. 또는 내가 뭔가를 이해하지 못하고 있습니다. 가능합니다.
사실 재투자가 있는 MM의 분석 형태는 모든 요소를 고려하여 매우 간단하지 않습니다. 나는 그것을 가지고 있지 않으므로이 문제를 숫자로 풉니 다.
재투자 전략에 관해서는 이것이 항상 좋은지 여부가 매우 모호한 지점입니다. 내 데이터에 따르면 거래 조건의 다른 조합이 완전히 반대 결과로 이어진다고 말할 수 있습니다. 저것들. 가장 적절한 MM을 결정해야 할 때마다 이러한 특정 조건을 고려해야 합니다. 몇 가지 규칙이 있습니다. 아마도 매우 일반적이고 모든 MM의 특성을 제외하고.
내 공식에 따르면 거래 레버리지의 최적 크기에 대해 실제로 음수 값을 얻을 수 있습니다. 여기에는 역설이 없고, 이는 자본 성장률을 극대화한다는 관점에서 원화 자금을 투자하지 않고 최대한 빨리 게임에서 인출해야 하는 경우에 해당한다. :-) 글쎄, 무엇? 우리가 뚫고 날려 버릴 때의 상황을 상상해보십시오 ... 물론 농담입니다! 긍정적인 경우 수신된 Lopt 값을 비교하려면 if 블록만 넣으면 되고, 음수이면 시장에 진입하지 마십시오. 일반적으로 그러한 상황은 오해의 소지가 있어서는 안 됩니다. 종종 물리적 문제를 해결할 때 비 물리적 결과를 얻을 수 있으며 정답을 선택하기만 하면 됩니다. Narpimer, 던진 돌의 운동에 대한 방정식을 분석 형식으로 얻으면 두 가지 솔루션을 얻을 수 있으며 그 중 하나는 허수 단위를 제공합니다. 아무것도 아닙니다. 우리는 이 결정을 버립니다.
위의 수치 시뮬레이션에 사용된 양의 값을 주었습니다.
PS p - 저에게 그것은 0에서 1/2까지의 값을 취하며 모든 거래 수의 2배에 대한 스프레드를 고려하지 않고 승리한 거래 수의 비율로 발견됩니다.