/quantbrains/jing-tai-hui-ce-fan-li/qb_static_backtest_pass/drawdown-guan-li-lv-jing-fan-li-er
GitBook 原文全文(Bento 版型)
01 內容
Drawdown管理(濾鏡範例二)
**DD管理模式介紹**\ \ 計算對象:原始策略的損益走勢(i\_OpenEquity)
mode 1/ mode 2 概念是相同的,只是倍數的差異,寫法同策略中的"閥值式"寫法,\ 源碼撰寫概念是除了執行原始策略的資金配置之外,當Drawdown 碰觸到近一年內所發生的極值估計(兩倍標準差),我們就將資金配置加倍\ \ mode 3 承 mode1/mode2 的"閥值式" 寫法\ 源碼撰寫概念是當Drawdown 碰觸到近一年內所發生的極值估計(兩倍標準差),我們才把原始策略打開\ \ mode 4 為機率分布 "函數式"的寫法,以一年內所發生的極值估計(兩倍標準差)做為可能發生的最大範圍參考,依照目前已發生的DD來計算目前的已發生的比例\ 透過這個已回檔比例來做為資金分配的參考 (相對應 mode 3 ,mode 3為達到極值才打開策略,mode 4 為依據已回檔比例逐漸打開策略)\ \ mode 5 原始策略配置不變,但依據已回檔比例逐漸增加原始策略的資金配置 (相對應 mode 1/2)\ \ mode 6 其實與 Drawdown 無關,跟風險位階濾鏡比較像,只是風險位階濾鏡的計算來源對象是商品的原始行情 (close),而DD管理 mode 6的計算來源對象是 equity curve。 也就是當equity curve 的位置在高檔的時候,我們就縮減資金配置,equity curve在低檔的時候我們就增加資金配置。
註: 0519之後新版本新增參數 DD\_bound 可限制 mode 4/5的數值上限,避免過大的數值造成極端部位