2017年3月29日 星期三

交易管理的源頭:圖表績效KPI


程式交易小學堂─期貨投機事業的王道
論述、講課了幾年後,最近,總算感受到台灣程式交易圈,交易是需要建立管理系統這個觀念,漸成顯學之勢。在交易管理系統中,對策略圖表的績效評分就是所有管理行為的源頭,先有了策略績效的評分,才以策略績效的評分作為資金分配的對應動作。

我與認識的友人絕大多數都是做順勢的投機交易,很習慣的把商品走勢本身的波動就等於策略是否能賺錢的等量指標。事實上,我認為這是錯誤的連想。就算商品價格真的有一個波段走勢的出現,你有沒有看過原本設計為順勢波段的策略卻是虧損的?當行情看似箱型、旗型整理、甚或大小喇叭走勢,自認為順勢波段的策略卻獲利了?如果你也有過這樣的經驗,就該回頭想想,商品價格本身的走勢類型,真的是能直接連動你的策略績效嗎?很明顯的,不是。過去,我們習慣以商品價格本身的波動來衡量風險的大小或利潤的預期,現在我認為,這樣的想法問題很大!



同一個專案,在工程師眼中、在 PM 眼中、部門主管眼中、客戶眼中,對於專案的評價是好或不好都是不同的,所以必須有個協同大家盡量往同一個目標前進的管理工具,讓不同的角色做好不同工作,並且每個角色都有各自的指導標準。換言之,每個人員都背負不同的工作績效指標,也就是所謂的 KPI。

在未來一段日子,大家應該很有可能持續鑽研 圖表績效KPI 與 以KPI做資金分配 的效果研究。從個人過去的經驗告訴我,不應該以現有策略績效去做管理機制的回測,因為那存在著明顯的生存者偏誤。

不要誤以為有什麼 KPI 用了會一直爽的,我們期望的是長期性的優勢。你總是會看到短時間內,原始策略圖表的表現比管理介入後的表現更好,這時候你可能會很懊惱,如果沒有強烈的信心,放棄,或許就成為你的反應與決定。

有鑑於交易管理系統的發展,主要是為了應付永遠的 Outside sample:未來。我認為以隨機產生的權益曲線會是更佳的模擬對照。簡單的理由:天曉得我的策略掛上商品,往後會走出怎樣的權益曲線?未來的一切都是不可預料的啊。而透過隨機產生的績效曲線,可以產生很大量的績效曲線供我們做管理前後的比較,更可以模擬出在某些設定偏向情境的績效組合下,大量樣本的統計差異,協助我們得到管理行為的效益預期。

順帶一提。直接採用商品波動(把商品價格當做 KPI 的 input)來決定進場口數大小的作法,改善回測績效是容易看見的,不然我也不會在書上寫了一篇『交易策略回春術』。但我並不認為這會是該項 KPI 強力的有效證明,那就是改善策略 "回測" 績效的一種選項而已。尤其是如果你以為這麼做就可以讓帳戶風險得到控制,千萬不要這麼想啊!當它是一個策略圖表時候,它就只是一個策略圖表績效曲線,過去要面臨問題一個也不少,回測永遠只是回測。我們依然要處理這個圖表的上下架問題、分配多少資金給它的問題、估算這個圖表的風險有多大的問題...


為什麼我認為在發展自己使用的 KPI 上,用 Random Equity 來做模擬測試很重要?舉個例來說,最近 Optimal F 被用來當做 KPI 作為測試,在我讀了 牧清華 大的介紹,感覺計算過程好麻煩 XD。偷個懶,先用 Optimal F 的源頭 Kelly fomula 做一下模擬,看看在各種不同的 Equity curve 下的管理前後有怎樣的差異。


TMS_1 這一項就是以 Kelly fomula 作為 KPI,在四個 random equity 的管理後統計表現,就我最重視報酬風險比來看,很明顯的,在管理後的表現是遠比原始的 Equity curve 優秀許多的,有效!但是從 平均MDD 來看,就看不到風險控制的效益。看到這樣的統計數據時,你該問問自己,這是你要的嗎?如果是(平均損益提高好多喔),就上了!如果不是,可以再思考看看有沒有哪些改進的可能?畢竟,我們很難對 random 做特別的 over fitting。或者換別種 KPI ?

大量隨機產生的 Equity curve 讓我們得到要引為管理系統核心的 KPI 與 資金分配方法,具有更佳的統計描述,更能夠對不可知的未來有較佳的情境預期,一次比較多種不同的評價方法更會讓自己有所比較與取捨,建立未來持續執行下去的信心。透過這個模擬的過程,讓你真切相信你要用的管理方法,這...至關重要!


猜想一下,random 產生的 equity curve 中,會不會出現一路走高(商品走勢的厚尾反應到績效上)的看起來不隨機現象?當然會有。我要再度強調一下:不要直接把商品價格走勢與策略圖表績效做對等想像。

熱門文章