Systematic Trading Robert Carver-交易速度对比分析：快vs ...

第二章-什么是盈利的交易规则？
低频交易者（非常慢：平均持仓时间：几个月至很多年）

非常缓慢的系统看起来几乎像静态投资组合，其交易规则带来额外的头寸逐渐变化。收益通常为均值回归达到的长期均衡点，比如买入过去亏损股票，卖出最近盈利股票的相对价值资产投资组合。
根据主动管理法则，动态交易的回报率越低，那么交易频率就应该越低；在这种缓慢的速度下，回报率将非常低。这些较低的利润在统计学上无法与噪音区分开来，所以你应该避免在系统策略中使用这些规则。

概念：主动管理法则

理查德卡恩在1989年首次阐明的主动管理法则指出，交易策略的夏普比率将与每年独立投注数量的平方根成正比。这条定律使我们对利润如何随交易速度变化有了一些认识。假设您一次持有一项资产，每年进行一次“下注”（买入，在卖出前持有12个月，然后重复），您预计该活动的SR为0.15。
现在，如果你决定每年进行四次“押注”，持有资产三个月，那么因为2是4的平方根，你应该期望SR为2×0.15=0.30。如果你开始在每个工作日下注，那么一年中大约有256个工作日，SR将是0.15或2.4的16倍。这确实是一个非常不错的夏普比率。

然而，这个结果有其理论的合理性，但是实际操作是有缺陷的。首先，它假设交易者的“技能”在持仓期是不变的。不过，日内交易所需的技能与长期投资者所需的技能大不相同，我相信沃伦巴菲特（warren buffett）也会同意这一点。对于系统性交易规则来说尤其如此，这些规则往往有一个“最佳”持有期。例如，在数周和数月的波动规律和趋势，则和短周期和长周期不同。
更重要的是，交易规则自动忽略了交易成本。正如你将在本书后面看到的，这些可能会严重损害高频交易者的投资回报，除非是交易费用非常便宜的市场。
然而，在成本较低的较长时期内，这一结果似乎保持得相当好。大多数交易规则认为，一旦持有期超过几个月，夏普比率就会下降。如果由于高成本，你需要缓慢地进行交易，你可能最好不要像资产配置投资者那样预测资产价格。
这项法则的另一个重要含义是，资产多元化可以大幅提高回报。如果你能找到四种相关性为零的资产，那么你就可以将夏普比率提高一倍。但对于涵盖至少六个资产类别的交易策略来说，似乎不太现实。但如果这些类别的回报率相对不相关，其回报率可能是单一资产的2到3倍。
中频交易者（平均持仓时间：几小时或几天，到几个月）

根据主动管理的法则，当你把持仓缩短到几个月甚至更短的时候，你会得到更具吸引力的回报。从交易规则中获得的利润在统计上具有显著性，并且可以进行回测。
尽管此规则无法达到高频交易的夏普比率，但更多交易者更容易领悟这些规则。
手动系统并不能高速运转，但他能够处理日常数据，可以通过普通经纪人进行交易，已经足够好用了。因此，更多人的努力和调查研究投入到这一特定领域，因此很难发现新颖的高利润交易规则。
交易成本需要准确衡量，以决定一种策略在该区域的交易速度是快还是慢。大型机构交易员还需要确定一个市场是否有能力吸收他们的交易。我将在第十二章“交易速度和市场规模”中介绍这些主题。
高频交易（持仓时间：微秒至一天）

此部分关乎从中频交易到毫秒级高频交易和市场操作。由于交易频次很高，夏普比率可能非常高，但成本将吞噬一大块利润。需要执行特殊算法来将成本降低到正常水平以下。回测则需要操作演变的复杂模型。
与低中速相比，进入门槛更高；需要同一地点的服务器和全自动软件。此外，更快的策略可能会限制资本交易规模。资本要求很小，通常持仓不过夜，但由于面临市场波动或系统失控的风险，有可能产生极度亏损。人类不可能实时监控交易活动，因此需要非常严格的风险控制体系和监控系统。
所有这一切都意味着，从高频交易战略中实现非常高的理论夏普比率绝非易事。另外高频交易的专业内容大多不在本书的范围之内。
基于技术面的策略与基于基本面的策略

策略因使用的数据源而异，要么使用技术数据，要么使用基本面数据，要么同时使用这两种数据。纯技术规则只使用价格数据。基本面数据主要有两种：微观数据和宏观数据。微观数据是关于特定资产的数据，例如特定债券的收益率或公司的市盈率。宏观数据包括通货膨胀和GDP增长等涵盖了整个经济体的量化指标。
我在基础数据和技术数据方面做了大量的工作，使技术系统更容易建立和运行。但在讨论进入壁垒的另一个例子中，纳入基本数据所做的额外努力通常会获得更高的回报。但这本书中的例子都是技术性的，是因为它们更容易解释。
投资组合规模

有些成功的交易者只交易过一份期货合约。另一方面，大型股票指数基金可能持有数千只股票。请记住，主动管理法则表明，多样化是不可预期风险回报的最佳来源。交易者和投资者都应该持有更多的头寸，最好是跨多个资产类别持有，以获得最大可能的收益。对于较大的投资组合，跨资产投资可以对冲掉很多问题，比如单品种交易策略问题或者不良数据以及临时流动性问题。
然而，少品种投资组合对于半自动交易者或完全手动系统的交易者来说是有意义的。正如我将在第十二章“交易速度和市场规模”中讨论的那样，那些账户资金相对较少的人也必须保持高流动性。
为了易于处理资产配置的问题，本书中的例子有相对较少的资产工具数量。但我在自己的全自动系统中交易了40多个不同资产类别的期货合约，因为我坚信多元化是有益的。
趋势追踪系统和均值回归系统（买低卖高）对比

杠杆：高风险与负偏差

杠杆是指借钱投资或交易。借贷可以是显性的，比如在保证金交易股票时，也可以是隐性的，比如在期货等衍生品上。当资产的自然回报和风险低于预期时，你需要杠杆。如果你希望平均回报率为10%，而你的资产是一种预期夏普比率为0.5，但年化标准差仅为5%的债券，那么你需要4倍杠杆，才能达到预期收益。
杠杆风险很大吗？不总是这样。杠杆本身并不等价于风险，因为对不同的资产来说，不同的金额是有意义的。它的致命之处在于潜在的巨大意外损失。
假设2007年你在两种高度相关的债券之间进行相对价值交易，购买4年期同时出售5年期债券，这两种债券都是由希腊政府发行的。这将为你赢得一个相当稳定的回报，年回报率远低于1%，但波动率几乎为零。由于自然风险较低，你可能会利用杠杆来增加你获得合理回报的机会，比如每年5%或10%。
而在2010年初，由于欧洲救助希腊的时间和可能性存在巨大不确定性，这两种债券之间的密切关系破裂。你会看到你的四年期债券的亏损明显高于五年期债券的利润，而且整体亏损巨大。
更雪上加霜的是，即使你可以弥补最初的损失，但你的经纪人要求更多的保证金，你最后被迫以最糟的价格卖掉。因为你用杠杆来做交易，所以别无选择，只能平仓，即使债券最终到期时是有利可图的。
请注意，这种相对价值交易是一个典型的负偏差的例子，在交易出现严重错误之前，这种小的收益一直持续。这些稳定的收益诱使你认为该头寸的风险很低，并诱使你利用杠杆来提高回报。但一旦出现不可预测的风险，波动性或相关性将发生变化，而对于负偏差头寸，通常会意外地出现大幅亏损而不是盈利。
因此，即使你还没有看到任何明显的下跌迹象，也要小心用一种资产或一种可能产生负偏差的交易方式来应对明显的低风险。正如我们将在本书后面看到的那样，我坚决反对波动率非常低的交易工具，以及过度利用负偏差的交易规则。
趋势追踪系统和均值回归系统（买低卖高）对比

均值回归和相对价值交易者扮演着相反的角色。价值投资者试图找出价格偏离市场的点位，即在下跌后逢低买入，在价格上涨时卖出。其他类型的交易，特别是各种形式的趋势跟随，喜欢顺势交易。价值投资者在价格断崖式下跌时买入更多，以其在价格回归正常时得到不菲的利润。根据小亏大盈原则，市场跟随者倾向于看到，当趋势对他们不利时，他们会小幅亏损，但当大趋势来临时他们会获得巨额利润。相反，逆向投资者看到的是负偏差，每次错误定价得到纠正时，都会有许多微利，然后当价格偏离均衡时，偶尔会出现巨额亏损。
顺势交易有时候是致命的。当大多数市场参与者观点一致时，很容易发生踩踏，无论他们是价值投资者还是趋势交易者。正如故事所说，当擦鞋的男孩或出租车司机在市场上，离开的时候也该到了。当杠杆策略开始出错，必须平仓以满足保证金要求时，交易拥堵最具杀伤力。
另外，需要高杠杆的相对价值策略尤其容易受到人群的影响。在市场长期稳定上涨后，这些交易会被寻求高额回报的人淹没。这导致收益减少，风险上升，所需杠杆率进一步增加。然后上涨的情绪停止了，顺时交易的缺陷变的更为明显。
两个典型的例子是1998年中期固定收益相对价值对冲基金经理长期资本管理公司（Long Term Capital Management）的破产，以及2007年8月股票相对价值系统基金（equity relative value system funds）在短短两天内出现的大幅亏损。
可实现的夏普比率
本节与所有读者相关

重要的是要现实一些，明白什么水平的夏普比率（SR）是可以实现的。正如我在上一章中所说，过高的预期可能会导致过度投注（我们将在第九章“波动性目标”中详细讨论）和过度交易（见第十二章“交易速度和市场规模”），这两种情况都会严重损害您获利交易的机会。
让我们从一个最简单的风险投资开始，一家公司的长期股权头寸。尽管过去的回报率较高，但未来单一股票的超额回报率可能平均每年约为3%。过去回报率上升的主要原因是1970年代中期以来通货膨胀率的显著下降；不过这种情况不会再发生了。收益率年化标准偏差约为20%，这意味着3%÷20%=0.15的SR是现实的。
根据主动管理法则，股票投资组合收益率会更有保障。一组同一国家，不同行业的至少20只股票进行交易，其SR应在0.20左右。这也是我对持有股票指数的期望，比如标准普尔500指数。如果你在多个国家进行全球投资，夏普比率可能会达到0.25左右。
为了做得更好，你需要在多个资产类别之间进行配置：股票、债券、大宗商品等等。由于资产类别之间的相关性通常较低，因此涵盖其中几种类型资产的投资组合很可能会达到约0.40的夏普比率。请注意，这是你从股票指数投资中获得的两倍多一点。对于静态策略来说，这是一个现实的最大值，比如资产配置投资者所使用的策略。
很难说动态交易的回报率应该是多少，比如那些坚定的系统交易员所使用的规则。我个人的经验是，在一套多样化合理的规则下，单一资产组合（如大宗商品期货或外汇利差押注）的平均风险比（SR）在0.2左右，如果你进行跨多个资产类别进行交易，那么你可以可以实现SR两倍，也就是0.4。
但许多交易者对夏普比率2.0、3.0甚至更高的回溯测试抱有非常不切实际的期望；只对单一品种策略！这些值过于乐观，可能是由过度拟合引起的，我将在第二部分中详细讨论。事实上，即使是老练的机构投资者，也很少实现SR始终大于1.0的目标。对一组系统性对冲基金回报率的分析显示，没有一只基金能将夏普比率维持在1.0以上超过几年。
半自动交易者（计算机辅助交易，手工下单）SR预期该是多少？这是一个更难回答的问题。人们普遍认为只有少数交易者是有利可图的。最有可能成为输家的是日内交易者和那些在相对昂贵的市场（如零售外汇利差押注）的交易者。
但是我对这一点还是比较乐观的，假设一个有决策能力的交易者能够按照本书的建议，实现单品种策略SR大约0.25的水平相对还是容易实现的。当然这明显低于使用系统交易规则的交易者。这类交易者往往不会在不同的资产类别之间进行多元化。然而，即便他们这样做，总投资组合SR可能也不超过0.50。
我在这里给出的夏普比率很可能无法满足您的需求或期望。有两种简单的方法来可以提高比值，但这两种方法都非常危险。
首先，你可以使用负偏差交易策略。通常非常高的SR是隐藏的收益负偏差分布的结果。假设有一种策略，第一年回报率为100%，第二年回报率为65%，第三年回报率为100%，第四年回报率为65%，以此类推。20年后，SR达到了惊人的4.6。不幸的是，在第21年，你赚了负100%，失去了你的全部投资。原来这个系统有严重的负偏差。
尽管这似乎是一个糟糕的结果，但21年后的夏普比率仍然是一个非常好的1.7，即使偏差已经显现出来。很明显，这不是一个真实的例子，但实际上历史上发生过类似案例。长期资本管理公司（Long Term Capital Management）的SR也在4.6左右，这家对冲基金在1998年破产，我在本章前面提到过。
通往更高夏普比率的第二个方法是更快地进行交易，也有点海市蜃楼。根据主动管理法则，如果在一个月的持仓期，你能在单一资产品种上实现夏普比率0.40，那么每天下注一次就可以将这一比率提高到1.8。如果你持仓一个小时，每天下注八次，你就会得到5.2的SR！正如我前面所说的，假设在这样的时间尺度上可以找到盈利的机会，同时也忽略了交易成本。
表2是不计交易成本的SR理论值，以及计算交易成本，每天或每两天进行一次交易，理论上可以为您提供单个资产高于1.0的SR。然而，这只有当进行期货交易时才具有现实意义，因为期货交易成本很低。大多数业余投资者交易更昂贵的衍生品，例如英国的价差押注。即使在理论上，也不可能快速进行有利可图的交易。

表2：你真的能以更快的速度赚更多的钱吗？从理论上讲，交易期货还是可以的。但有了点差交易，可能就没有机会了
表格显示了特定持仓期（行）的理论夏普比率（SR），假设一个月的SR为0.40。对于典型的期货合约和价差押注，在扣除成本后，SR的值。
结论

你可能会认为我特别不喜欢某些投资风格和工具，尤其是那些负偏差的投资风格和工具。事实并未如此，我自己的交易系统中大约有三分之一属于这一类。
相反，我认为在不同的环境下使用不同的风格，交易规则组合达到平衡，比任何单一的选择都要好。了解并应对交易系统的风险是很重要的。如果你是一名职业理财师，你和你的客户必须对你的策略表现感到满意。
我也相信找到最好的交易规则比以正确的方式设计你的交易系统更重要。尤其要避免过度拟合的严重错误。这将是下一章的主题，因为我们将进入第二部分-系统交易的工具。