Python量化交易之管理概率等于理性交易[程序化老手]

我們以股票為交易標的講解量化交易的學習，主要原因是股票的風險和收益介于期貨和基金之間。期貨一方面加了杠桿，另一方面走勢變化非常迅速，稍有不慎有可能血本無歸，這不太適合大眾參與。基金由專業(yè)團隊打理，雖然收益最小，但風險也是最小的，求穩(wěn)的話買基金也是個不錯的選擇。

說起股票，A股市場自設立至今經歷了多次牛熊轉換，筆者身邊也有很多朋友在牛市賺了很多錢，但最終“退潮”的時候還是虧回去了。之前看到一則新聞上說中國的股民有1.2億多，統(tǒng)計股民的行為發(fā)現(xiàn)他們每天平均看盤2小時，全年平均買19只股，平均2天一次交易，可以看出大多數(shù)股民交易頻繁，對買賣點思考并不嚴謹。

本專欄將量化交易技術應用股票交易中，并不是傳授戰(zhàn)勝市場、一夜暴富的本領，而是想讓同學們通過量化交易管理虧盈的概率，能夠更理性的將股票投資作為理財?shù)囊粋€手段，而不是以賭博的心態(tài)參與其中。那么本小節(jié)，筆者結合一個簡單的市場模型來介紹下為什么在沒有概率優(yōu)勢的前提下參與交易會虧錢。

假設我們投資的市場是一個具備短線交易特征的市場，可以不分晝夜的不停交易，而且還不需要交手續(xù)費。那么我們的初始資金是1000元，每次隨機的買9個股票，如果有一半以上的股票漲了的話，我們暫定賺1元，否則一半以上的股票跌了，我們就虧一元。由于我們是隨機買的，那么贏錢的概率為50%。我們邀請50個人參與1000局看下效果：

代碼如下：
def simpmarket(win_rate, play_cnt=1000, stock_num=9, commission=0.01):?

money = np.zeros(play_cnt)?    
money[0] = 1000?    
binomial = np.random.binomial(stock_num, win_rate, play_cnt)?    
print(binomial)?    
for i in range(1, play_cnt):?        
    if binomial[i] > stock_num//2:?            
       money[i] = money[i-1] + 1?        
    else:?            
       money[i] = money[i-1] - 1?        
       money[i] -= commission?        
    if money[i] <= 0:?            
       break?    
 return money

[plt.plot(np.arange(1000), simpmarket(0.5, play_cnt=1000, stock_num=9, commission = 0)) ?
for _ in np.arange(0, 50)]

結果還不錯，虧錢的人和賺錢的人基本一半一半，符合零和游戲的特征。不過市場要經營是需要有收入的，那么就需要對交易收取手續(xù)費，為了更直觀的比較出手續(xù)費對交易的影響，我們假定每次交易的手續(xù)費為0.1元。我們邀請50個人參與1000局看下效果：

和游戲，沒有一個人是賺錢的，大家都虧錢了，當局數(shù)再增大以后的結局一定是血本無歸。市場是一定會有手續(xù)費的，那我們就這么心甘情愿的當韭菜嗎？如果我們想盈利的話就只能期待每局上漲的概率大于50%時才參與，否則不參與就不會虧錢了，并且每局贏的錢要比虧的錢多。其實這些需求映射到量化交易之中就是策略回測、倉位管理、止盈止損這些功能。那么我們改變概率這個因子，將它放大到55%，我們邀請50個人參與1000局看下效果：

看來結果還不錯，只要增加盈利的概率，就可以在市場中獲得收益，這就是量化交易的魅力——管理概率==理性交易。轉自：segmentfault