统计报告在当前的统计报告中我们对12月10日前十强的智能交易进行了分析。使用了与2006自动交易锦标赛统计报告3 同样的方法进行了分析。 与一年前相同,这些智能交易都拥有着不同的交易策略。即使是相似的交易策略,智能交易可能分开自己的参数。让我们尝试评估这些领跑者的智能交易属性是怎样变化的,风险水平和稳定性。
对于风险性的部分我们首先想起的是存款额部分,由于智能交易的发展状况不佳导致存款额下降。智能交易的风险性可以从两个部分评估:仓位中的最大份额数和定单的止损水平。智能交易的稳定性就是它的存款额能够稳步增加。对于这项参数的评估需要在智能交易允许的情况下确定最大 借款。
风险水平风险水平范围 - 智能交易在某个时刻开仓的最大份额数。如果智能交易同时一个方向开了几个仓位,那么最大份额数将会等于总的交易量。如果开仓是属于不同方向,份额数将会等于成交量。
图. 1.相同方向开仓的最大份额数. 必须要注意的是,这种也会出现特殊情况。2006自动交易锦标赛的领跑者们想同方向开仓没有超过5个份额。而ldamiani 的却是个特殊情况相同方向开仓曾有过10个份额。今年度的大赛中这种智能交易没有停留在领跑者的位置上。在2007年12月10日前十强的7位参赛者的智能交易相同方向开仓的份额数在10到15 份额之间。
根据上述的结果可以看出,这个年度的整体平均存款额值要比上个年度报告中的要高。在前十强的参赛者全部选择了一种对货币交易,而多元货币交易并没有在前十强之列。
前十强中半数的智能交易在同一时间开了三个仓位,其中的一些能够在份额中达到最大成交量。他们分别是参赛者Better, winwin2007,Yuraz, zyx40和 wackena。如果Better的智能交易的三个独立交易系统开仓不是相同方向,而是不同方向,那么 wackena 的智能交易会对每个交易信号立即开3个仓位。而参赛者Yuraz的智能交易经常在相同方向开仓。无可置疑对于StopLoss必须做好保护。在某些情况下不利的发展会导致较大的亏损。对于StopLoss 保护措施的存在显然意味着 Stop level 会尽可能等于 Stop Out (如果Margin Level 低于Margin Call level,会强制关闭亏损仓位)。 StopLoss 的平均点在图中显示为蓝色,而 TakeProfit 水平 (同样是点的形式)在图中显示为红色。
图.2. 全部参赛者的 Stop Loss 和Take Profit点的平均值。 有两位来自印度尼西亚的智能交易参赛者 – dwijayanti和 admadinata – 没有使用StopLoss。参赛者 dwijayanti 在开仓时没有指定StopLoss和 TakeProfit 水平。参赛者 admadinata 执行了7笔赢利交易,没有任何一笔使用 StopLoss,但是他设定了 TakeProfit 水平,可以使交易平仓。
来自日本的参赛者TeamSky 的智能交易则使用追踪止损,这就是为什么他的StopLoss平均点不显示的原因。另外,他的风险水平不能够被指定。
参赛者 wackena的智能交易同样使用了追踪止损,所以 StopLoss的平均值是肯定的 (少于10 点),同时图表中也没有显示。
停止水平不总是被注视,所以添加计算为:当前存款额的一笔交易计算的最大风险百分比。在这里我们同样可以看到与2006自动交易锦标赛统计报告#3 的比较。今年的前十强中的智能交易没有一个风险水平超过存款额的25% 。而去年这个风险水平超出了 50,甚至有时是存款额的100%。现在只有参赛者 dwijayanti的智能交易没有停止水平。这个智能交易开仓致用卖出仓位,并且风险水平等于 Margin Call值为50%。
图.3. 智能交易的风险水平 以上的三个图表正好证明了在先前的统计报告#1 和统计报告#2中总结出来的结论– 当前2007自动交易锦标赛中参赛者的智能交易都具有较强的侵略性和谨慎性。智能交易在相同方向同时大量开仓,这样多数前十强的EA都会尽可能地将风险水平控制在一个交易中。而2006自动交易锦标赛的参赛者则着重保护停止水平超过存款额大小。
在当前的数据中 我们还可以得出一个结论:在侵略性交易风格中只有控制住风险才能获取大额赢利。前十强中的多数 EA都是控制最大风险,随后开大仓位。
稳定性可以说获得赢利值不能完全是交易系统的原因。很多时候,在分析时间周期内交易账户上显示相关借款的信息也很重要。今年我们在锦标赛网页上添加了相关的参赛者智能交易的统计特性。这些特性的详细描写可以在文章 “交易中的数学:交易仓结果评估中找到。在这个报告中我们总结了借款存在以下类型:
- 相对借款 是指最大借款和存款额的相关局部最大值之间的比率。这个系数以存款额百分比的形式显示亏损。
- 最大借款. 显示最后最大借款值和当前最小借款值的最大差距.
- 完全借款是指初始存款额和存款额最小值之间的差距。换句话讲,这个参数所显示的是初始存款额水平下跌的状况。
图.4. 相对借款 图4 中所显示的是大多数有经验的参赛者的相对借款在30%到40% ,也可以看出每个赢利在150%到1000% 之间(Better)。 但是其中一些参赛者超出了 50%: dwijayanti (79%), Saloght (65%) 和 maxfade(65%)。锦标赛的领跑者 Better的相对借款为 29%。 可接受的借款值越高,就意味着未来亏损资金的可能性越大。但在比赛开始两个月以后这种借款的智能交易是不可能进入前十强之列的。这就是为什么所有领跑者都有着大的相对借款,并且是参赛者的意识决定的。.
对于最大借款值和去年进行比较也是相当有趣的。记得在2006自动交易锦标赛统计报告 #3中的描述,多数的智能交易中最大借款超过 $6000。这个值显然高于当前的锦标赛。
图.5. 最大借款 正如图5 中所见,当前前十强的参赛者中只有winwin2007 的最大借款少于$5000。其它参赛者的借款范围在$7204 (zyx40) 到19020 (dwijayanti)之间。 有趣的是Better的赢利值最高,而最大借款的值却排在第五位。其最大借款值为(Equity) $13552。2006年度锦标赛的获胜者并没有大额的借款。排在第一名Rich的智能交易最大借款为 $ 9770 第二名ldamiani的最大借款为$11532s ,第三名GODZILLA的智能交易最大借款为$5890。
这里存在的规则就是最大利润需要最大风险。不谨慎的智能交易不可能进入前十强之列。同时前十强也不会包含大额最大借款的智能交易,因为这样的智能交易更容易被放置在列表底部。
现在让我们浏览下一个函数 – 完全借款。它显示的是相对于初始存款($10000)额所减少的美元数。
在这里我们可以看出:多数的参赛者的完全借款范围在$1000到$2000之间。只有 dwijayanti 例外 – 他的完全借款值等于 $7 433。就是说在 一些时间点上他的存款额等于 $2567。先前我们就已经发现这类参赛者不使用任何保护停止,并且能够容忍无限度的借款值。在前十强当中出现这样的智能交易可以说是非常罕见的。
图.6. 完全借款 使用获取的数据,我们能够计算出智能交易的 “稳定系数” 或 “可靠系数” 。另外一种可接受的定义是经济恢复因素。
对于这点,我们必须找到智能交易赢利和最大借款之间的比率。这个系数值越高,那么这个智能交易的运行就越稳定。例如,如果智能交易的稳定系数为10,就意味着这个智能交易的赢利可以超过它最大借款的10次。
图.7.智能交易的稳定性:赢利和最大借款之间的比率. 在图7中我们可以看到大多数参赛者的经济恢复因素在 2左右。这就意味着赢利的获取只在最大借款的两倍左右。参赛者 dwijayanti 的稳定系数为 0.99;说明他在未来时间的财富不会太大。
图中显示只有三位参赛者的稳定系数超过了3 。他们分别是winwin2007, zyx40和 Better。如果我们回顾在2006 统计报告#3中分析的25个智能交易,其中的17 位(超过50%)的智能交易的稳定系数超过3。我们不能十分确定 zyx40会成为获取奖金的参赛者。但是很明显Better的账户中存在这些特点,无疑他会成为获胜者。这个结果我们不感到意外,他在数期比赛中占据领跑的位置。
结论:- 参赛者必须在仓位中限制风险水平。多数的智能交易创建金钱管理和设定StopLoss使仓位不亏损平仓;
- 这份报告中的参赛者显示了较低的完全借款值。不过最大借款达到了40% 和更多。就是说参赛者们使用了更具侵略性的投资系统
- 大多数智能交易存在较低的稳定系数 (经济恢复因素)。这个函数需要进行改。一个智能交易能够获取稳定的赢利不仅仅在测试期间,在真实的交易中也应如此
|