To the issue of Draw-Down & 20k Bankroll. I think even Zzuegg realizes that his system requires a much bigger investment capital than typical. The relative draw-down will get lower and lower when ever the stating capital is Increased. I just wanted to point out the importance of comparing apples to apples.
很抱歉要纠正你，ubzen，但数学是简单的真实。正是对数学的误用才会造成问题。如果你真的想不同意数学定理的真理，你几乎肯定是在用脑袋撞砖墙，如果你不同意，我估计你需要把你的知识提高到博士后水平。例如，凯利准则是一个数学真理，是关于在一连串具有某些统计特性的机会上使用一定量的杠杆所取得的收益的概率分布。在你对必要的统计属性有良好估计的情况下，它可以有实际用途。但理论（和我的经验研究）告诉我的最重要的事情是，如果你使用任何接近该标准所建议的最大杠杆，你可以预期回报率会有可怕的差异。 理论能够误导理解它的人的唯一方法是，如果他们对交易的统计属性的估计太不准确的话。垃圾进，垃圾出是一个古老的真理。如果你把不正确的数据放入一个正确的程序中，就不要指望有正确的结果。
至于高斯分布，一些马虎的人在某些应用中对资产之间的相关性做出了不正确的数学模型假设，而这个错误导致了大的金融问题，这在现在看来已经是老生常谈了，对我来说，似乎和千年虫问题一样令人兴奋（大约在1990年，千年虫问题已经让我睡着了，尤其是我一直避免在程序中使用2位数的年份）。
我希望不要像你那样胡乱宣称（例如 "数十亿的独立事件"），而是真正地计算出我拥有的信息有多大意义。例如，如果zzuegg的系统所实现的股权曲线真的像它看起来那样好得惊人，这就是其有效性的非常有力的证据，除非它已经在该数据上进行了优化。我从来没有产生过像这样好的股权曲线，除非它是无稽之谈或使用数据进行优化。每当你看到最终利润是权益最大缩水的非常大的倍数时，它就高度表明了质量。当它是一个小的倍数时，它是一个侥幸的机会就会高很多。这是一个简单的经验法则，但它并不坏。它可以通过更详细地观察统计数字来加以改进。
顺便说一句，如果乔治-索罗斯今年破产了，我会说 "他的资金管理太糟糕了"。虽然乔治-索罗斯永远不会犯拿自己的全部财富去冒险的错误，但有一个很好的例子，就是著名的杰西-利弗莫尔。他在资金管理方面足够糟糕，以至于在极度富有之后变得贫穷。不需要任何数学知识就能意识到他这样做是愚蠢的，可能是由于心理上的缺陷加上缺乏对财富的系统管理。利弗莫尔显然是一个非常好的交易员，但在他的资金管理方面还有改进的余地，你说是吗？
恕我直言，你能不能在实质上帮助我们。解释我们为什么不同意的20段话对这个主题没有帮助。我希望你能直接回答我的问题，我甚至可以接受 "我不知道 "或 "我会研究的"。
1）请向我们展示证明或反证反网格方法的数学知识。
2）请提供一个统计学上有效的交易数量的估计。
3）请提供支持你的意见的公式或参考资料，我不同意这些意见。
正如你所说，正是对数学的误用才会导致问题。IMO。把传统静力学用在交易上就像用在法律上一样，是对数学的误用。我真的恳求你这次能提供公式。
在回应中。
利弗莫尔显然是一个非常好的交易员，但他的资金管理 还有待改进，你说呢？我想说的是，目的是证明手段是正确的。如果他没有破产，我们会一直认为他知道自己的资金管理。
来自维基百科。1992年9月16日，黑色星期三，索罗斯的基金卖空了价值超过100亿美元的英镑，[27]从英国政府不愿意将其利率提高到与其他欧洲汇率机制国家相当的水平或浮动其货币中获利。
你认为他们从哪里得到的统计数据，这支持了交易上的边缘，这支持了100亿英镑的资金管理。如果索罗的那个赌注输了，我们会说他也不懂资金管理，因为凯利和银行资金并不支持这个赌注。
如果数学上说你有0.01%（1/10000）的毁灭风险，而你却输掉了所有的钱。这是否意味着你不懂资金管理？还是意味着你的运气不好，10000人中有1人运气不好？
@ubzen，有趣的观点。我认为我们之间的分歧并不像你所认为的那样大。而讨论可以增进理解，希望对我们所有人都有好处。
1）我没有提出这些（四种？）主张，也不会这样做。我不会想或试图去证明或反驳一般的网格或反网格系统。根本不可行。即使是一个特定的系统，所能做的也只是对其性能进行统计陈述。
2）这个问题提出了一个对解释证据具有根本重要性的问题。基本的想法是估计结果有多大可能是偶然取得的，以避免被欺骗。作为一个简单的比喻，假设你有一个预测硬币翻转的方法，并且你成功地达到了14/20，你可以很容易地计算出如果你真的得到了50%的分数，这样的结果有多大可能。14/20可以被认为是1.75的利润系数，所以不需要太多的样本就能变得有意义。(事实上，如果你没有优势，大约有1/17的机会在20个中至少得到14个）。
事实证明，较低的利润系数（例如1.1）需要更大的样本才能变得有意义。要遵循的精确过程是建立一个无效假设，例如 "交易的方差与实际结果相同，但平均利润为零"，然后计算出你偶然得到实际结果的概率。这是一个非常有用的一般程序，我希望你会同意。就zzuegg的结果而言，我的分析不足以推翻无效假设（即使我对方差做了乐观的假设），但令人惊讶的良好权益曲线使我清楚地认识到，使用我没有的数据做分析会表明结果绝对不能归因于偶然。
当你测试几个系统时，有一个有趣的问题（比如在某种优化中）。如果你对你的最佳运行进行分析，你可能会误导自己，因为已经发生了选择。你需要加强这个标准，以考虑到你已经做了几次运行。例如，如果你做了100次独立的运行，其中一次得出的结果是你可能预期的200次中偶然出现的，这几乎没有任何证据表明该方法是有利可图的。希望你能明白原因。
3）好的，最后谈谈你下面引用的三个不同意见。
ubzen:
我不同意。从一系列具有类似统计特征的交易机会中获得最佳长期业绩（包括你的风险偏好的合理定义）的方法是对每一个交易机会使用类似的杠杆，这是一个数学事实。
我不同意：诚然，可能有相当多的人愿意接受（或忽略）小概率的非常大的损失，以获得高概率的健康利润，但这最好归类为纯赌博。
我不同意：从理论上讲，没有理由让第一笔交易发生的事情影响第二笔交易的头寸大小，（除了它可能与账户中的权益成比例变化）。
第一个问题与你熟悉的凯利标准有关。如果你有一系列具有相同统计特征的交易机会（比如说，每次都有两个概率相同的可能结果），你知道你用凯利分数实现了最大的对数平均增长--即每次你得到其中一个机会时都有相同的特定固定杠杆，但这给结果带来了极高的变数。你可能也知道，如果你使用较低的固定杠杆，你会获得较低的平均增长，但方差也会低得多。如果对于一连串类似的机会，你对其中的子集使用2个或更多不同水平的杠杆，结果将是你分别使用不同水平的杠杆所得到的几何平均值（如果这一点不明显，我可以详细说明）。 你用混合杠杆得到的方差比用单一的杠杆选择得到的方差更差，原因是方差与收益的关系图是凹形的（每个点都对应于单一的杠杆选择）。如果你想到这条方差与收益的曲线，曲线上两个或更多的点的平均数将高于曲线（仅仅是因为它是凹的）。这意味着最好的办法是使用单一水平的杠杆。显然有一个巨大的问题，那就是我们不知道交易中的概率，但如果我们知道，凯利会给我们指出改变风险敞口的方法，以便在收益和方差之间提供一个最佳的折衷。
将此应用于你有可变规模的净头寸的情况并非易事，这在网格和反网格系统中都是如此。这与你在一个有偏向的硬币上有一系列赌注的情况非常不同。仔细想想，在这种情况下，我们可以人为地将交易定义为头寸保持不变的时间。对价差视而不见，你可以假装你只是在头寸大小改变的时候打开和关闭这样的头寸。你所拥有的风险以及你拥有风险的时间显然是最重要和最有趣的事情。
在这种观点下，理论上认为仓位大小的变化应该与统计性能的变化有关（当你有轻微的优势时，你希望有相当低的暴露（就有效杠杆而言），当你有巨大的优势时，你希望有高的暴露）。
我想第二个分歧可以被看作是个人偏好。但胜负的概率和大小也很重要。我想的那种情况是，某人有90%的机会获得10%的收益，10%的机会出现90%的亏损或更糟。这就是你从没有边缘的马丁格尔赌注中得到的那种情况。
第三个分歧来自于对最终权益的影响的思考。我们是否可以同意，原则上，在选择特定时间的风险敞口时，唯一应该考虑的是该风险敞口如何影响你最终权益的概率分布？在我看来，唯一相关的事情是事情发生的概率（价格后来达到不同的水平）和机会发生时的权益。先前交易的结果影响的唯一方式是它对资产的影响。当然，如果已经有一个仓位，这将影响如何实现适当的风险水平。也许这就是你的意思。
@ubzen，关于其他观点。
当然，你不可能认为一个拥有巨额财富的人失去这一切和更多的财富是好的资金管理？为了量化这一点，人们通常有一个凸的效用函数，特别是在低端，他们财富的第一部分的价值远远高于额外的财富。例如，0美元和100万美元之间的效用差异要比900万美元和1000万美元之间的差异大得多。这个事实可以用来说明，如果一个人的财富冒了太大的风险，就会失去效用。原因是边际利润的效用比边际损失低得多。但这肯定是常识：如果你有1亿美元（以今天的货币计算），你应该至少保留一部分，以确保你拥有你想要的大部分东西。通过最大限度地增加风险来榨取最后一分钱的潜在利润，其效用远没有高到足以证明要冒全部风险。
我认为你对索罗斯的赌注的风险性猜错了。如果头寸是100亿美元，由于ERM的上限，风险低于这个数字的4.5%（4.5亿美元），但可能比这个数字小得多，因为进入和退出价格不会在可能的最差点上。他已经确定了一个具有良好风险/回报率的交易，因为如果被高估的英镑离开ERM，其上升空间非常大。由于索罗斯的基金在交易时可能有超过100亿美元的资金（例如，我们知道罗斯柴尔德家族在1969年投资了大约60亿美元），根据凯利标准，假设任何合理的边缘，用于交易的杠杆可以被认为是保守的。[顺便说一下，英镑下跌了约25%，索罗斯的赌注一定是抓住了这一波动的相当大的一部分，这令人印象深刻。我想知道退出的策略是什么？）]
不错，解释得很好。现在我明白了你的来意。我同意所有提供的解释。请允许我对 这个系统做一下魔鬼辩护。从表面上看，这个系统似乎是随机的。没有预测，没有边缘，没有算法。大多数有数学背景的人看到这样的系统都会说这个系统的期望值=0。由于我在列表中同意的数学定律，这个系统注定要失败。到底为什么这个系统要使用可变大小的赌注。如果它真的有利可图，根据数学原理和我的理解，使用平注也应该有利可图。另外，为什么它使用2万而不是标准的1万起始账户？戈登提供了一些很好的数学和评论来解除这种系统的武装。
现在我试图支持 这个系统。我认为Zzuegg很好地阐述了他的理由。指标滞后而价格不滞后。该系统所做的是使用OrderProfit作为指标。一旦我看到他的曲线，我就知道他是在对冲同一种货币。我见过Zzuegg使用对冲 的曲线，在缩减方面创造了奇迹。他显然知道一些我不知道的东西。对冲是7位，也就是我听到的第一个关于反网格的人不会考虑的事情。然而，他确实考虑将网格和反网格结合起来使用，因为一个是线性增长（网格），另一个是二次增长（反网格）。总的来说，7位已经提供了一些不错的数学知识来支持这个系统。
关于可变批量与类似的问题。没有太大的区别，Zzuegg可以在整个测试中使用0.1手，仍然取得相同的结果。只是这次他有10倍的交易。我以前见过他这样做。数学家喜欢固定手数的原因是，它使计算凯利和其他统计数字变得容易。但这并不是此类系统的重要之处，更重要的是订单的依赖性/独立事件。是的，我知道在独立事件中计算凯利和Sd曲线并不是不可能的，只是比较困难，我感谢你试图解释一些的评论。
关于平局和20K银行的问题。我想即使是Zzuegg也意识到他的系统需要比典型的投资资本大得多。当陈述的资本增加时，相对的抽水会越来越低。我只是想指出将苹果与苹果进行比较的重要性。
关于统计学上有效的交易数量问题。孩子，我希望你有答案:（。总之，所有的希望并没有破灭。他还有其他货币对，这些货币对可能显示出不同的特征，他可以进行测试。我更相信这样一个系统在不同的图表上会比教科书上的趋势跟踪或侧向系统更有效。现在可以肯定的是，它又可能死在那些区间对中的一个。
对于随机交易0预期的问题。我认为，市场在很大程度上是随机的。它的非随机性的影响主要是在一个较大的尺度/时间框架上实现的。然而，在较小的时间范围内，我们的大部分银行资金必须经受住风暴的考验。另外，交易不是像纸牌游戏或国际象棋那样的静态过程，算法可以利用它们（在统计学上接近确定的程度），因为所有已知变量都是可见的。技术分析 和价格图表只显示市场的一个层面。基本面和情绪面并不明显。人们可以计算所有的变量，甚至情绪（如果你认为这也反映在价格上），直到你下单。但在那之后，交易就受制于新的价格变动了。我认为这样的系统可以让你在一个随机变化的市场中调整前后的关系。
总结来说。Zzuegg是否破解了使用对冲的7位数反网格系统的密码？好吧，我们将拭目以待。
干杯。-Zen-
你是对的，这个系统在恒定手数的情况下也能工作，但它在不等阶段后恢复得很慢，所以利润会下降。即使它看起来更省钱，我也不认为它是。区间阶段后快速恢复，最好是在突破发生后立即恢复，这是在不锁定利润的情况下不陷入下一个区间阶段的好方法。
To the issue of Draw-Down & 20k Bankroll. I think even Zzuegg realizes that his system requires a much bigger investment capital than typical. The relative draw-down will get lower and lower when ever the stating capital is Increased. I just wanted to point out the importance of comparing apples to apples.
在20K的测试中，我使用了我的真实账户。意思是最小手数是0.1，如果你找到一个允许你交易0.01的经纪人（有很多，甚至ECN），那么银行存款将只有2千。对于这样小的手数来说仍然很高，但可以承受。
粘性反网格需要 在X点移动后在两个方向上开仓。反网格和网格的主要区别在于，前者是设置止损，后者是设置止盈。 套期保值有利有弊，正如我所说，同样的系统也可以用非套期保值的方式实现，但编码要容易得多。7Bits antigrid运行良好，（但如果我没有记错的话，他也是同时卖出和买入的，很久以前）但你需要定义退出标准，如果你错过了退出，整个antigrid就会对你不利。这就需要有一个指标。由于我不希望有任何指标，我需要找到另一种方法来实现自动化。严格意义上的反垄断的主要补充是，如果市场对净头寸不利，系统甚至会锁定部分利润。(不多，但至少是一些点)。巨大的 "跌幅 "仍然是一个问题，在波动阶段只避免一些交易，不仅可以减少跌幅，还可以增加利润，因为恢复会更快。不幸的是，我目前还不知道如何在不依赖指标的情况下做到这一点。
另外，MT5多币种回测似乎比想象的更棘手。
BTW，我反转了系统，看看我是否利用了任何投注策略或真正的趋势市场的性质，反转的系统一直失败，开始时间并不重要。这导致了这样的结论：即使包括一些小的渐进系统，我也在利用市场趋势这一事实。
@ubzen，实际上，"对冲 "完全没有提供任何的优势或盈利能力！。它只是一种保持止损和获利订单开放的便捷方式。在同一个经纪商那里，同时开着两个方向相反的头寸，并没有其他好处（因为账户权益 的变化与你拥有净头寸的情况完全一样）。在某些情况下，对冲会增加点差成本（任何时候你基本上在同一时间打开和关闭相反的头寸）。当然，再麻烦一点，你可以产生与任何对冲系统相同的结果，只要确保你在任何时候都有相同的净头寸和相同的止损和限价订单（作为单独管理的订单，而不是附属于头寸的OCOs）。
我想我关于统计学上有效的交易数量的回答就是你所需要的。从一个稍微不同的角度来看，只要你有一个交易样本，你就有基本表现的不确定性（相对于样本表现而言），这种不确定性随着样本大小而下降。你可以使用我所描述的技术找到诸如95%的业绩置信区间的东西。当利润系数低时，你需要更多的交易，唯一的原因是你需要使区间变小，以确信你是盈利的。当然，不确定性会随着交易数量的平方根下降。
关于什么使一个策略有利可图的想法，请记住这个微不足道的事情。有些时候你有一个长仓，有些时候你有一个短仓。为了实现盈利，市场必须与你的交易方向一致，而不是向错误的方向发展（如果头寸大小不一，可以加权）。因此，你确实需要预测市场的方向以获利（即在市场将要上涨时做多，在市场将要下跌时做空），无论你的系统多么复杂。）
@zzuegg，你在2011.08.08 21:19发布的图表上的红绿蓝数据是什么？
我仍然非常惊讶，如果股票线几乎没有任何下跌，但它在整个期间仍然上升了这么多。你能大致指出是系统中的什么原因造成的吗？我看过的7bit公司的antigrid似乎非常不同（而且远没有那么好），至少在我输入随机数字时是这样。[由于某些原因，它的回测 速度很慢，这没有帮助]另外，平衡线只向南走，直到测试期结束，这似乎有点奇怪!
@Zzuegg:
7Bits antigrid运行良好，（但如果我没记错的话，他也是同时卖出和买入，很久以前）。是的，也许是很久以前他在做实验的时候。根据他在这里 的声明："反对的立场当然会被立即关闭，我想这是不言而喻的？我究竟为什么要在同一时间做多和做空同一个工具？"。像mt5这样的雪球系统的最终版本就是不允许这样的。但我同意，用对冲的方式编码更容易，因为你可以访问存储在订单中的所有信息，而不需要使用global_variables或假订单。
另外，MT5多币种回测似乎比想象中的更棘手。是吗？"笑，我教我先把你喂给狼。不管怎么说，如果你仍然想在不使用MT5的情况下获得一些关于多货币表现的想法，我仍然推荐前面描述的工具。它可以合并多个报告文件，以显示股权效果。1）这种方法的问题是，如果你用股权的百分比来确定任何事情，如（风险/回报，例如），那么这种方法将是误导。2）这种解决方案不能查看例如欧元/美元的情况来确定欧元/英镑的结果。
巨大的 "缩水 "仍然是一个问题，只避免了在波动阶段的一些交易......。嗯，真实的系统，你可以尝试使用Order_OpenPrices来确定范围。然而，在我的测试中，对于很多时候它帮助了你，也伤害了你。这里有一个示例代码。
@zzuegg，你在2011.08.08 21:19发布的图表上的红绿蓝数据是什么？
我仍然非常惊讶，如果股票线几乎没有任何下跌，但它在整个期间仍然上升了这么多。你能大致指出是系统中的什么原因导致了这种情况吗？我看过的7bit公司的antigrid似乎非常不同（而且远没有那么好），至少在我输入随机数字时是这样。[由于某些原因，它的回测速度很慢，这没有帮助]另外，平衡线只向南走，直到测试期结束，这似乎有点奇怪!
股权下降，08.08发布的图表是记录的真实股权，显示了每天的峰值（蓝色）和当前的股权（高/低），红色是最大的缩减。那是28.5%。
我明天会写更多。