火爆老头
品酒论天，评股理财，快乐生活
这周是感恩节，老头再奉献一点东西，感谢大千朋友的支持。今天的话题是风控。说起风控，短炒的人可能不屑一顾，我就玩几下，低买高卖，错了就割肉，哪有那么复杂？是的，道理真的就是那样，可是，什么叫低，什么叫高？错多少才割肉？这些，正是风控所需要解决的问题。
风控第一步就是控制参数的设定。你的时长是多少（一天，一周，还是一个月，一年甚至更长），你希望的控制百分位是多少（至于如何决定，要和你的系统，你的资金量，你的承受能力等相关，等有时间再开题说明）？这里为了迎合大家的赌徒心理，只介绍仓位持长就几天的情况（包括日交），因为时间短，可以忽略很多外部因素，比如利息，汇率，资本需求等影响。
风控的第二步就是要根据选择的交易目标，得出样本价位的分布规律及其相关分布参数。例如我们选取SPY，根据1993年以来的价格，根据第一步的时长，统计出均值，方差，分布概率密度图。这里的要点是，你的参数的计算一定要和你交易的条件一样。例如，如果是日交，你的变化值计算用的是是每天的开市价，那么你的价格变化参考基准应该是当天的开市价。或者，如果你统计的是用前一天的闭市价，那么你价格变化的基准点就要用前一天的闭市价。这里说几个有关SPY二十多年的统计的几个有趣数据。一，如果你的当天开市买，闭市卖，平均下来的日均值是0.00268%，如果不考虑交易费用，那么年收益大概在6.72%。二，一天之中，以开市价格为基准，最高可以达到10%的增长，增长的均值是0.693%。三，一天之中，也是以开市价为基准，最低可以降9.7%，方差是0.752%。看到这些数据，勤于思考的人一定能够得出某些灵感，算是家庭作业吧。
风控的第三步是需要给出价格变化的概率超越曲线。主要的方法有两种。一是直接依据第二部的分布图，利用最近的理论分布曲线，例如正态，对数正态，或者是特殊函数等，这样给出你控制百分位的具体变化值。二是利用第二步的数据，根据monte carlo或者是其他办法模拟出价格的变化关系，再利用模拟结果得出百分位的具体数据。为什么要走这一步，主要是考虑到第二步所用数据的时间刻度不够长，没有能够涵盖更加极端的情况。
风控的第四步就是在交易中严格执行纪律，到了自己的百分位，就一定要按照数据之行，不能被情感所左右。
最后，简单地说明为什么不能用毛估估的办法，而要利用统计的方法。毛估估可能帮你维持一段，但是肯定不能帮你永远不败于股市，而统计的办法虽然不能帮你立刻挣大钱，但是肯定能够帮你在股市中在经过时间的帮助以后，出没于股市而无恙。
顺便说一句，风控是对你的系统模型的风控，所以还首先要建立一个系统模型，不过那是另外的话题了。
