UP主自行翻译，严禁复制用于任何商业用途

这个系列是全球顶级CTA对冲基金AHL的基金经理Robert Carver的Systematic Trading书籍（中文译）

笔者在AHL工作的十几年里管理了数十亿的全球宏观对冲基金，运用这一套系统规则超过7年。其本人有Pyton写的开源回测框架及交易系统.https://qoppac.blogspot.com/

我抽空余时间把书籍按照自己的理解翻译出来。因为内容真的很多，所以见谅，更新的会比较慢。翻译会有出入点或者不到位的地方，有异议建议看原著确定含义。

本书作为入门书籍，仍旧有难度，因为有相当多的东西和实盘实战挂钩。框架建立于理论，但其它包括回测等等的很多细节问题都仍旧需要单独解决。

无论是主观交易、半自动交易、程序化交易，都推荐阅读的，从入门到放弃的书籍。

细节的备注和超级链接会在后续添加。

经常白嫖的人会 1产生幻觉 2记忆力差 4不识数 6神志不清 这九点大家记牢

已翻译章节回顾：

人的主观认知缺陷；

金融行为学；

引出系统化交易的必要性；

市场历史数据表现的分布状态；

好的系统必备特征；

系统失效的特征（盈利的来源）；

交易风格在历史统计上的表现区别；

可实现的夏普率表现；

提高夏普率的方式；

拟合分类；

过拟合的危险；

当拟合开始走坏；

一些有效拟合的规则；

如何选择拟合规则；

优化变坏；

节省优化；

手动设定权重；

结合夏普率； 

举一个不好的例子：一个存在致命缺陷的交易系统；

为什么要做框架模块化：框架模块化对系统化交易策略的重大意义；

框架包含的元素：框架中各种模块的简要说明；

什么样的预测是好预测

带止损的主观交易

大类资产配置交易者的“无规则”的规则

系统化规则的两个例子（趋势跟踪，套利）

创建、调整规则

选择交易规则和规则变量

交易规则和预测的总结

风险目标的重要性

设定波动率目标

累积利润和亏损

每笔交易资金比例是多少

第三大块——框架

第十一章：投资组合

    对个人投资者的研究发现，许多人持有的股票不到5只，而交易员往往只喜欢处理一两个他们认为最擅长的市场。到目前为止，我还没有帮助解决这个问题，因为在上一章中，我向您展示了如何将一个只持有单一标的资产头寸的交易子系统组合在一起。

    但分散投资确实是投资中唯一免费的午餐。正如我们在第二章(第52页)看到的那样，在不同的资产类别之间进行配置，可以很容易地使预期的夏普比率翻倍。最好同时运行由尽可能多的交易子系统和标的资产组成的投资组合，并在它们之间分配你的交易资本。为了在这个投资组合中进行分配，您将使用标的资产权重。即使半自动交易员没有固定的资产组合，他们也应该尝试同时持有几种投资标的资产的头寸。

投资组合和标的资产权重

    本节适用于所有读者在前面的章节中，我用了一个三种资产组合的例子来说明组合优化的魔法。这三种资产分别是标准普尔500指数、纳斯达克指数和20年期美国国债。假设你是资产配置投资者，试图在这些标的资产之间分配资本，或者拥有预测规则来预测收益率的坚定系统交易员。或者，假设你是一个半自动交易员，碰巧在这三种资产上都下了头寸。

    使用上一章的方法，可以计算出三个子系统的头寸，每个子系统对应一个标的资产。每个头寸将取决于你的预测和每个标的资产的风险。你还会假装把所有的交易资本都投入到这些系统中。实际上，你将创建三个交易子系统，每个子系统名义上都使用你的全部资金来交易对应的一个标的资产。

    实际上，你要在子系统的投资组合中分配你的本金；就像我在第四章用同样的三种基础资产创建投资组合一样。每个标的资产的交易子系统都将得到一个正的标的资产权重，权重之和为100%。您的投资组合权重头寸将是标的资产的子系统头寸，乘以相关的标的资产权重，以反映其投资组合份额。一旦你有了这个，你就可以计算出每种标的资产需要怎样交易。

    正如我将在本章稍后向你展示的那样，你还需要考虑投资组合多样化的影响。但首先我们需要考虑如何计算标的资产的权重。

    标的资产权重——大类资产配置者、坚定系统化交易员

    资产配置投资者运行一个由交易子系统组成的固定投资组合，每个标的资产一个，每个子系统由一个交易规则组成——“无规则”规则产生恒定的相同预测。坚定的系统交易者有一组交易规则，这些规则的预测被结合在一起，然后形成一个头寸。在这两种情况下，你都是在与一组固定标的资产相关的子系统之间分配您的交易资本。这与传统的投资组合配置不同，传统的投资组合配置是直接将资本配置到每种投资标的资产的头寸上。

    因为你们在前几章的努力所有的子系统都将是波动率标准化的并且有相同的预期标准差收益。正如你在第四章看到的，这使得投资组合优化的工作更简单。可以使用第四章介绍的手工制作方法轻松地确定各子系统的重量。也可以使用穷举bootstrap作为替代。

    要手工制作权重，你需要对资产进行分组，为此你需要相关性。有两种方法可以用来找到这些。首先你可以使用回测数据估计他们。或者，如果你没有回测得到的相关性，那么表50 - 55(从附录C的305页)给出了标志性标的资产返回值之间的相关性。

    但你需要的是交易子系统收益之间的相关性，而不是基础标的资产的收益。对于动态交易系统，子系统之间的相关性往往低于基础标的资产。一个很好的近似值是子系统收益之间的相关性将是标的资产收益相关性的0.70。如果在附录C中的两种资产的标的资产收益的相关系数为0.5，那么它们的子系统之间的相关系数为0.7 x 0.5 = 0.35。

    由于资产配置投资者使用静态策略，你的子系统之间的相关性可能更接近于你在基础标的资产中持有的固定多头头寸。因此，与其将附录C中的相关系数乘以0.7，我建议你使用它们时不要进行调整。

    在第四章中，我向你展示了如何改变投资组合权重，如果你有证据证明资产的夏普比率不同。但我不建议根据夏普比率调整标的资产，因为很少有足够的证据表明不同标的资产的子系统之间的性能不同，即使我们考虑了不同的成本水平。我在“速度和大小”一章中再次提到这一点。让我们来看一个例子。下面是我将如何手工制作三种标的资产(标普500，纳斯达克，20年期债券)的简单例子的标的资产权重。行号参考表8中的相关行(第89页)

    这与第四章给出的实际资产权重相同，如表28所示。当然，通常情况下不是这样的;这只是因为这是一个普通的示例，每个组中不超过两个资产，并且与之前的组相同。

表28:在这个简单的例子中，交易子系统的手工权重与资产本身的权重相同

 

    在第四大块的每个示例章节中，我都给出了更复杂的手工制作标的资产权重的例子。

    标的资产权重——半自动交易员

    半自动交易员没有固定的标的资产组合，总是对每一种标的资产进行预测并持有头寸。相反，你可能在任何时候都有相对少量的机会主义头寸(赌注)在你的账户上，从一个更大的潜在交易想法一篮子中提取。每次你为不同的投资标的资产下新注时，你都需要做一个预测，然后根据你的账户规模和投资标的资产的风险来调整你的头寸。这带来了一个问题，因为你的投资组合的构成，以及回报率的相关性，会随着不同投资标的资产的进出而改变。最简单的做法是在潜在的机会之间平均分配交易资本。为了确保您的风险得到适当的控制，你还必须限制任何时候可以下注的最大数量。

    所以你应该同时下注的赌注之间平均分配你的风险，每个赌注代表一个潜在的交易子系统。例如，如果假定的最大数字是10个赌注，这意味着每个标的资产的权重将是100%除以10，这等于每个标的资产分配10%。原因将在本章后面说明，我建议这个最大值不应该超过你预期持有的平均下注数的2.5倍。

    标的资产多样化乘数

    一旦你把你的交易资本分配到每个交易子系统，你就会面临一个你可能在第七章看到过的问题，那就是分散投资降低风险的问题。如果你跳过了那一章，请回头阅读138页的概念说明。波动性标准化的多样化投资组合，比如交易子系统，几乎总是比它们交易的单个资产的预期标准差更低。平均相关性越低，风险低于预期的情况就会越严重。

    你已经知道，在这个简单的例子中，两个股票指数和债券之间的相关性是非常低的(附录C中表50的经验值是0.1，而我在第四章计算的估计值是负的)。子系统收益之间的相关性可能更低。所以你不太可能从这三个标的资产子系统的投资组合中得到相同期望的平均风险水平，就像你单独运行它们一样。

    正如第七章所述，你需要应用一个因子来解释你投资组合的多样化：标的资产多样化乘数。你将投资组合加权头寸和这个乘数相乘，以确保整个投资组合有正确的预期风险水平。

    坚定的系统化交易员

    资产配置投资者和坚定系统交易者应该利用每个标的资产交易子系统的收益之间的相关性来计算投资组合的预期分散化程度。

    你可以选择使用回测得到的估计的相关性，或者使用经验法则相关性，再次提醒，表50 - 55(从附录C的305页)给出了标的资产回报之间的指示性相关性。坚定的系统交易者可以将这些乘以0.7来给出交易子系统回报之间的相关性。资产配置投资者应使用标的资产返回相关性，不用不调整。

    一旦你有了相关性，无论从哪个来源，你有两种计算方法:使用311页附录D中的公式，或使用表18(140页)中的近似值。表18中的资产数量将是您正在运行的子系统的数量。

    让我们回到简单的三资产示例。从表50中，债券和股票之间的相关性是0.1，从表54中，标准普尔500和纳斯达克之间的相关性是大约0.75。为了说明这个例子，我假设我有一个动态的交易系统，所以我不是一个静态的资产分配者。这意味着我应该将相关性乘以0.7，给出表29中的相关矩阵。平均相关系数约为0.25，从表18可以看出，三种资产的分散化乘数为1.41。

    如果你有足够的资产，并且它们是相对不相关的，那么多样化乘数就有可能得到很高的值。然而，在2008年崩盘这样的危机中，相关性往往跳得更高，使我们面临严重损失——这是不可预测风险的一个例子。为了避免这种严重的危险，我强烈建议将乘数的绝对值限制为2.5。

    表29:三个资产例子的，交易子系统的相关性矩阵

    半自动交易员

    对于半自动交易者，我建议使用以下简单的计算方法。标的资产多样化乘数应该是你的最大投注次数除以平均投注次数因此，如果你在任何给定的时间平均押注四次，最多押注五次，那么你的乘数就是5 ÷ 4 = 1.25。

    我建议将乘数限制在2.5以内，因为如果你的交易频率经常高于你的平均水平，那么你的预期风险就会太高。正如我前面所说的，这意味着最大投注数不超过预期平均值的2.5倍是明智的。

仓位和交易的投资组合

    这一段的内容和所有交易者都有关

    现在您可以看到一个简单的三种资产的完整交易系统是如何工作的。我假设我用期货交易这些资产，我的年化现金波动率目标是10万美元。正如我所写的，价格波动和汇率是正确的，但我使用了一些武断的预测，使这个例子有趣，但不太具体。在第四部分中，您将看到一些更具体的示例。

    首先，表30和31是用来提醒您前面章节中关于三个交易子系统的计算。

    表30:计算示例组合中三种资产的标的资产价值波动率

    表31:计算示例组合中三个交易子系统的子系统头寸

    K列中的子系统头寸假设一个标的资产用整个交易资本进行交易。在表32中，我引入了我在本章前面计算的标的资产权重和标的资产多样化乘数。为了得到最终的投资组合标的资产头寸，我只需要将每个子系统的头寸乘以相关标的资产的权重，以及补偿投资组合多样化的乘数。

    表32:计算示例投资组合的投资组合标的资产头寸

    最后的表格33显示了我是如何生成实际交易的。首先，我取整标的资产头寸，以获得一个取整的目标头寸。这是我第一次在计算中四舍五入。然后我把这个和我现在的头寸进行比较。如果我刚刚开始交易，这将是0，但是P列显示了一些任意的当前头寸来演示逻辑。

    最后，我可以计算任何需要的交易规模。我建议，如果当前仓位与取整目标仓位的距离在10%以内，那么你就不应该交易。我称之为头寸惯性。举个例子，如果我的目标头寸是50个原油合约，而我现在的头寸在45 - 55个合约之间，那么我就不会交易了。相反，如果当前仓位是42个合约，而目标仓位是50个，我会买入8个合约以达到目标仓位。在表格中，头寸相对较小，所以不使用头寸惯性。

    表33:计算所需的交易给定取整后的目标头寸和一些任意的当前头寸

 

概念：持仓惯性

    持仓惯性是一种避免小的频繁交易的方式，这种交易增加了成本，但没有获得额外的回报。例如，假设你想要的非四舍五入的头寸是133.48意大利政府债券期货，也就是133个四舍五入的合约。如果你想要的头寸是133.52,134四舍五入，你会买一个合同。如果跌回133.48，你会再次卖出。但期望头寸的变化仅为0.04。为了这么小的调整，付出两大笔佣金和市场差价的买卖是否值得?可能不会。解决方案是避免交易，直到目标仓位与当前仓位的距离超过10%。对于意大利债券期货来说，理想头寸向133.52的第一次移动不会导致交易，因为你目前的头寸133与理想的四舍五入头寸134的距离仅为0.75%。事实上，在你交易之前，目标仓位必须达到147个区块。持仓惯性显著降低了交易成本，正如你将在下一章看到的，这将严重影响你的回报。我的研究表明，头寸惯性对预成本性能的影响通常可以忽略不计，所以使用它没有负面影响。

 

创建投资组合和交易子系统的总结