淺談部位管理與資金(策略)管理

所有物體都將一直處於靜止

或者勻速直綫運動狀態,直到出現施加其上

的力改變它的運動狀態爲止。

~牛頓 – 慣性~

通常做量化交易只要能夠存活一段時間,基本上都會進入這個主題,也是我們今天要聊到的議題 – 部位管理(Position Sizing)與 資金管理(Money Management),基本上這兩者可以說秤不離坨、坨不離秤,可以說是交易系統中一體兩面的重要概念。部位管理(Position Sizing)的重點主要是在單一商品(策略)中,針對單一商品的利潤與風險進行控制,通常控制的方式主要展現於部位的變換上,故稱其為部位管理。而資金管理(Money Management)的重點則著重於大局觀,包括整體帳戶資金曝險與再投資(reinvestment),多策略與多商品(包括跨幣別商品)管理與資金分配等。盡管分屬不同層級,但其實只要對管理的概念夠清晰,兩者其實道理相通,只需要學一招便可以任脈與督脈同時打通,真氣運行。

如同打德州撲克一般,不論是部位管理或是資金管理,甚至是現在最熱門的人工智慧下圍棋,其道理皆完全相同,一切都圍繞在兩個字上面 —– "優勢",換句話說,要做管理的第一要項,便是要先知曉何謂"優勢"。只要能夠清楚判斷何謂優勢,那後面的事情有多理所當然,我想就算不用我說你也很清楚知道該怎麼做了,因為那已經是本能反應了。是的,你也猜到了,有多少優勢下多少注,拿到同花順就梭哈,連PAIR都拿不到就蓋牌等下一把,如此而已。所以說到底,管理到底在管什麼? 答案就是"優勢"! 優勢管理無所不在,如同公司經營,裁撤績效落後的冗員,獎勵績效優良的員工,以提高公司整體戰力,如同下圍棋,棄子爭先捨小就大逢危須棄,將心力與資源灌注在有效率與優勢的盤勢之中,更如孫子兵法所說用兵之法,高陵勿向,背丘勿逆,佯北勿從, 銳卒勿攻,餌兵勿食,歸師勿遏,圍師遺闕,窮寇勿迫,說穿了一切皆為優勢管理。

很顯然,要做優勢管理,第一件事情當然就是必須先知道何謂優勢。只要能夠客觀地知道優勢,甚至量化優勢,我們便可以進一步地知道怎麼來利用他。翻開中文大字典,優者,饒也,換句話說也就是好的,優良的,我們所希望的美好。勢者,方向也。組合起來就是我們所希望的美好與方向。我當然知道你不是來學中文的,講白話就是如果這件事情(你要度量的東西)往你要的方向走,走得越遠、走得越好、走得越不拖拉、走的乾乾脆脆,那很顯然,我們就給他越高的分數。如果他的方向不對,我們索性給他零分給他負分。也許就算他方向對了,但走的心不甘情不願,走的拖拖拉拉,走三步退兩步,就算得分是正的,我們也得給他扣些分數,才算公平。

講到這裡,終於要講到正題了,沒錯,不論是你開公司要給員工發薪水發獎金還是要做部位管理、資金管理,甚或是人工智能AlphaGo下圍棋都需要這不可或缺的一部分 —- 評鑑機制(Evaluation、評價層、評價函數、動能評估函數)。基本上如果說蠻牛能給你一對翅膀,那評價函數能給你的便是一個腦(AI)。這是人工智能與機器學習最不可或缺的一個區塊,透過評價函數我們可以清楚客觀地評價我們所要管理的目標物件個別的優勢。然後透過優勢評鑑結果的資訊進行後續處理(下單或不下單,加碼或減碼或停損等等)。

太陽底下沒有新鮮事,評價函數當然也不是什麼新鮮的東西,不過就是舊瓶裝新酒,人們對於評價函數的討論當然也不會只是一天兩天而已。從較古老的Z-Score、Sharpe Ratio、Profit Factor、RAR、MAE、MFR、淨利/MDD到Tharp提出的SQN或是基於資訊理論的凱利公式等等都算是具有基本評鑑功能的數學公式。而這些東西真要討論起來又可以再細寫成一本書了,包括何者具有較佳的統計穩健性,何者在使用上對原始資訊有過多的省略或損耗,何者具有高效雜訊過濾功能等等~比較詳盡的內容就放在討論區裡再繼續討論了。

當然,多數人最大的疑問是,上面所提到的評價函數所評量後的結果是否真的會具有管理上的優勢。筆者最常被問到的兩個問題,第一個就是評價函數看起來也如同指標一般,屬於"落後資訊",使用落後資訊作為管理不會"太慢"嗎?第二個問題其實也跟第一個很像,吾人在操作商品時,常常會遇到可能某個商品在某一段時期不好,但撐過去之後某一段時期又會挺不錯,會不會當評價函數在第一個時期之後就給了不好的評分結果,我們用了不好的評分結果來管理該商品或策略,導致我們錯過後續美好的利潤。筆者認為關於第一個問題,這牽涉到你對市場的看法與前提。如果你認為這個市場是隨機分布,既然是隨機分布,那我想不論你用什麼方法其實都大同小異(或許求神拜佛祈求好運是最好的),也無謂資訊落不落後了。但如果你和我一樣認為這個市場是厚尾分布,所有的價格與波動走勢均有延續性,一旦趨勢與動能成形,便會有慣性運動,不會輕易中止,那評價函數便會是一個不錯的動能估計參考,有大動能就給大資金,小動能就給小資金,沒動能或負動能就先擱一旁監控。第二個問題或許有部分是跟第一個問題重疊,但更多的疑問其實是想了解,如果該商品具有Mean Reversion的特性,那是否還適合使用評價函數來做管理。在我的看法是,管理層與策略層應該是非常清楚的分層。管理層只需要做好員工的績效管理就好,眼見為憑,只要根據評價結果做最單純的管理,不應該去臆測或假設商品也許會有某些特性(如Mean Reversion),應該單純地只把所有員工當成是”封裝的”黑盒子。而這類特殊屬性如Mean Reversion(季節回歸或波動回歸)應該在策略層去處理,也許是做成濾鏡也許是做成特殊條件式,而不應該由管理層(不論是部位管理或資金管理)去處理。

而我們又該如何透過評價函數來做部位管理與資金管理呢?又如何知道評價函數是真的具有優勢管理的能力? 基本上到這個部分的應用,已經如同前面所說,非常接近"本能反應"了,評價函數在部位管理與資金管理上的應用基本上可以說是非常直覺的。基本原則非常簡單,對於好員工好績效(評價),理所當然我們給予高薪,對於不好的員工不好的績效(評價)我們便給予較少的薪水甚至是留職停薪。作為部位管理,我們可以一年為期(隨個人喜好與設定,但由於太短沒有統計效益,過久的時間又沒有實質意義,故一般是短為半年長至兩年)作為評估範圍,將K線導入評價函數,然後將輸出作為評價參考。例如可以將你所使用的評價函數其大致上的分布範圍做切割,並做出相應口數的變化(Ex. 評價範圍-1~1可以細切成每0.1為一口或一手,即-0.3對應放空三口,0.5對應做多5口)。透過這樣的方式,再經由multicharts/tradestation等程式交易軟體前後比對做與不做部位管理的回測前後差異,便可以清楚知道評價函數的有效性。

同理可證,資金(策略)管理的部分亦是完全相同的道理,惟部位管理是將K線輸入評價函數作為評價基礎,取而代之的是,資金管理是將策略的運作結果,也就是策略的每日損益圖表(equity curve)當成輸入餵入評價函數進行評價。以前段為例,如果評價範圍為 -1~1,則經過切割對應,可能0值以下便直接抽回全部資金(但仍持續監控equity curve的變化)。0.3則給予策略總資金*自訂槓桿*0.3%的權限,0.7則給予策略總資金*自訂槓桿*0.7%的權限。其餘的便只剩總體風險限制或 reinvestment控制這些枝微末節了。

總結:曾有讀者問筆者,透過評價函數進行策略優勢管理,究竟是以規避風險為主軸還是以保留獲利為主軸。我說,其實這是一體的兩面,風險與獲利是同一件事情。透過評價函數來動態控制部位與資金是為了怕槓桿的歪斜。風險最大的來源,是策略或商品的動能或效能變了,卻沒有跟著調整資金權限。當動能變弱了,卻還是給予相同的資金權限,那就是風險。當動能變強了,卻沒有跟著擴大資金的權限,那就是錯過了強化獲利的機會。

加映場

http://quantbrains.club/%e8%a9%95%e5%83%b9%e5%87%bd%e6%95%b8%ef%bc%88%e5%8b%95%e8%83%bd%e8%a9%95%e4%bc%b0%e5%87%bd%e6%95%b8%ef%bc%89/

QuantBrains 量化思維戰略交易平台

粉絲團專頁

https://www.facebook.com/yutingvpn.tw/

進化特區

進化特區

格林威治交易團隊 投資總監 林語亭

關注微信公眾號

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *