风控 · 第 14 节

资金曲线与最大回撤

资金管理与风控 · 第 14 页。

一句话速览 用蒙特卡洛跑出这个市场的正常连亏深度。不知道这个数的人会在正常波动里怀疑系统失效。
这节课要你带走的 用蒙特卡洛跑出你这套参数的正常连亏深度和回撤分布,以及为什么不知道这个数的人会在正常波动里怀疑系统失效。

你的策略胜率 45%、盈亏比 1:2,听起来是正期望。 那么连亏 8 次正常吗?回撤 30% 该不该停手?

这两个问题不能靠感觉回答,得算。而算出来的数 通常比多数人以为的深得多。

交互 · 一千条资金曲线
单笔期望 0
最长连亏(中位数) 0
最大回撤(中位数) 0
回撤超过 20% 的概率 0
回撤超过 40% 的概率 0
最终亏损的概率 0
 
用固定种子跑 1000 条路径,所以同样的参数每次结果一致。 模型假设每笔独立同分布,这对现实过于友好: 真实交易里连亏会影响你的执行质量,而这个模型里不会。 也就是说真实的连亏深度只会比这更难熬。

这个数拿来干什么

一、判断「是不是该停手」。

不知道正常连亏深度的人,会在第 5 次连亏时开始怀疑, 然后改参数、换策略、或者跳过下一个信号。 而那一个信号可能正是覆盖前面所有亏损的那一笔。

知道这个数之后,判断变得简单: 连亏还在正常范围内,继续执行;明显超出了,才是真的该检查。

二、判断单笔风险定得对不对。

把单笔风险从 1% 调到 2%,再看最大回撤的中位数。 如果那个数超出了你能承受的范围, 那不是「激进一点」,是这套参数你根本执行不下去。

这个市场里要额外注意的

模型里每笔亏损都恰好是你设定的那个数。但现实中不是。

因为止损会失效:插针、深度枯竭、平台故障, 三者都会让某一笔的实际亏损远超预算。

所以在这个市场里看这个模拟结果,要在心里再打一个折: 真实的回撤会比模拟出来的更深,因为模拟假设了每一次止损都完美执行。

一个反直觉的现象

提高胜率对回撤的改善,往往不如降低单笔风险来得直接。

你可以在组件里试:胜率从 45% 提到 55%(这是巨大的提升), 再对比单笔风险从 2% 降到 1%(这只是改个数字)。 后者对最大回撤的改善通常更明显。

这就是为什么这门课把仓位排在方法前面: 提高胜率很难而且不确定,降低单笔风险是当下就能做到的。

今天就做这一件事

把你自己的胜率和盈亏比填进去(如果没有记录,那么今天就该开始记)。

记下最长连亏的中位数,把它写进你的停手规则:连亏超过这个数才需要检查,没超过就是正常波动。

带走这一条:正常连亏深度要算出来,不能靠感觉。不知道这个数的人会在正常波动里怀疑系统失效,而在这个市场里真实回撤还会比模拟更深,因为模拟假设止损总能完美执行。