文章 "使用凯利准则与蒙特卡洛模拟的投资组合风险模型" 新评论 MetaQuotes 2025.09.02 09:24 新文章 使用凯利准则与蒙特卡洛模拟的投资组合风险模型已发布: 几十年来,交易员们一直使用凯利准则公式来确定投资或赌注的最优资本配置比例,其目标是在最大化长期增长的同时,最小化破产风险。然而,对于个人交易者而言,盲目地依据单次回测的结果来遵循凯利准则往往是危险的,因为在实盘交易中,交易优势会随着时间的推移而减弱,并且过往业绩并不能保证未来的结果。在本文中,我将提出一种在 MetaTrader 5 平台中,为一个或多个智能交易系统进行风险分配的现实方法,该方法将融合来自 Python 的蒙特卡洛模拟结果。 最后,我们模拟 1000 个随机序列,并绘制出最大回撤最大的前 10 条曲线。请注意,最终的权益应该都是相同的,因为乘法具有交换律。无论百分比变化序列的值如何重排,将它们相乘都会得到相同的结果。 最大回撤的分布应接近正态分布,我们可以在这里看到其 95% 分位数(大约两个标准差)约为 30% 的最大回撤。 我们初始回测的最大回撤仅为 17%,小于该分布的均值。如果我们当初将其视为预期的最大回撤,那么与获得蒙特卡洛模拟结果所承担的风险相比,我们将风险放大了一倍。我们选择 95% 分位数,因为学者们普遍认为该结果接近于实盘交易的表现。很幸运,这里的 95% 分位数与我们最初设定的 30% 的最大容忍度非常接近。这意味着,如果我们在投资组合中只交易这一个EA,那么每笔交易 2% 的风险将使我们的利润最大化,同时又能很好地将我们控制在最大容忍度之内。如果结果不一致,我们应该重复上述过程,直到找到最优解。 作者:Zhuo Kai Chen Dominic Michael Frehner 2024.12.13 09:02 #1 看起来真的很棒,谢谢你的文章!您在回溯测试 中使用的是哪种 EA 或策略? Zhuo Kai Chen 2024.12.13 10:31 #2 Dominic Michael Frehner 回溯测试 中使用的是哪种 EA 或策略? 我使用了三个 EA 来实施突破策略,以交易三种不同的资产为例。但我不能透露更多细节,因为我是亲自进行交易的。 Dominic Michael Frehner 2024.12.13 16:08 #3 Zhuo Kai Chen #:作为示例,我用三个 EA 实施了突破策略,交易三种不同的资产。但我不能透露更多细节,因为我是亲自进行交易的。 当然没问题,我只是好奇:-)实际上,在 EA 下单交易之前,建立一个能用凯利标准管理整个账户的 EA 是非常疯狂的。这可能是最难的部分。 Zhuo Kai Chen 2024.12.14 04:11 #4 Dominic Michael Frehner #: 当然没问题,我只是好奇而已 :-) 在 EA 下单交易之前,如果要建立一个能用凯利标准管理整个账户的 EA,那简直是疯了。这可能是最难的部分。 如果我没有理解错你的意思的话,我认为这篇文章正是这样做的。如果你指的是建立一个 EA,随着新数据的不断出现而不断更新凯利分配,那么我认为是的,这很难做到。但我认为没必要这么精确。你觉得呢? Stanislav Korotky 2024.12.15 11:27 #5 Dominic Michael Frehner #: 实际上,在 EA 下单交易之前,建立一个能用凯利标准管理整个账户的 EA 是非常疯狂的。这可能是最难的部分。 有一个测试器可以模拟过去的交易,然后你可以处理测试器报告,而不是在线报告。 RustyKanuck 2025.01.01 21:04 #6 令人印象深刻,干得漂亮! Zhuo Kai Chen 2025.01.02 02:58 #7 RustyKanuck #: 令人印象深刻,干得漂亮! 谢谢 Too Chee Ng 2025.04.29 09:51 #8 很好的讨论文章。 Yevgeniy Koshtenko 2025.06.30 09:22 #9 好文章。 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
新文章 使用凯利准则与蒙特卡洛模拟的投资组合风险模型已发布:
最后,我们模拟 1000 个随机序列,并绘制出最大回撤最大的前 10 条曲线。请注意,最终的权益应该都是相同的,因为乘法具有交换律。无论百分比变化序列的值如何重排,将它们相乘都会得到相同的结果。
最大回撤的分布应接近正态分布,我们可以在这里看到其 95% 分位数(大约两个标准差)约为 30% 的最大回撤。
我们初始回测的最大回撤仅为 17%,小于该分布的均值。如果我们当初将其视为预期的最大回撤,那么与获得蒙特卡洛模拟结果所承担的风险相比,我们将风险放大了一倍。我们选择 95% 分位数,因为学者们普遍认为该结果接近于实盘交易的表现。很幸运,这里的 95% 分位数与我们最初设定的 30% 的最大容忍度非常接近。这意味着,如果我们在投资组合中只交易这一个EA,那么每笔交易 2% 的风险将使我们的利润最大化,同时又能很好地将我们控制在最大容忍度之内。如果结果不一致,我们应该重复上述过程,直到找到最优解。
作者:Zhuo Kai Chen