善用程序化交易 拒絕小數法則和因果關係

在程序化交易領域，談到小數法則和因果關係，大家可能都知道一個經常被提及的交易現象，就是當出現突兀量之後市場往往就虧，開始量縮並且往反方向走，一般會將出現的這樣K棒型態稱為出量反轉。

交易中除了K棒型態的因果關係，我們也時常會聽到消息面和走勢的因果關係。假如2013年10月3日IF股指大幅上漲100多點。那麼在那一天就會聽到許多朋友在問究竟發生了什麼事才導致漲了這麼多？這時往往新聞資訊就會給我們答案。多數人普遍認為，凡是重大的事件發生就會造成大漲或者是大跌，然後當我們看到了大漲或者大跌那麼就必須有一個原因來解釋。

這些變化可能只是受到了近因效應、認知放鬆或者可用性偏見的影響。我們應該進行現象的定義，然後利用程序化交易的輔助來驗證長期的績效觀測是否存在明顯的優勢。

對於非長線投資者來說，在消息面對交易的因果關係中，交易者快速的反應和短期內的價格變動是決勝的關鍵性因素。至於是否真的發生了什麼事，就等到調整之後再去深入研究。對於純價格交易者來說，研不研究並沒有什麼不同。因為如果我們相信價格反應一切，那就只需要根據市場的變化快速的做出反應就可以。這樣還可以避免由於消息面因果關係，影響了原本應該執行的價格交易行為。

我們將小數法則放在這裡一起討論，是由於小量樣本的結果會讓我們把隨機現象看做是有跡可循的規律，因此導致了許多錯誤的因果連結。

大樣本比小樣本精確。小樣本比大樣本容易得出極端結果。小樣本由於樣本量少因此常受到運氣的影響導致結果不精準。大樣本通常會比小樣本精準，這是因為大樣本中得出極端結果的概率是非常低的。

我們常能聽見以下三種說法：

（1）某交易者寫了一支特殊形態的日內策略，而且近期大概交易了80筆，業績不俗，感覺自己找到了別人都不太了解的規律。

（2）由於近期的主觀交易股指非常順，所以不久之後就要開始放大部位了。

（3）由於新上架的策略一直處在被洗的狀態，所以還需要觀察，先進行試單。

從說法（1）可以看出，樣本數量的多少影響了我們對交易策略的判斷。由於許多交易者對樣本大小沒有足夠的敏感度，所以我們會對多少次數情況下的交易是可信的產生疑慮。數量是80還是200對很多人來說可能並不存在什麼差異。但是對於程序化交易者來說，如果策略的交易筆數不夠那麼相對穩定性就會不夠。即便出現回撤小的情況，也可能僅僅是由於沒有碰到不利的行情，但是當策略真實上線以後也可能會出現跟回測天差地別的區別。

在說法（2）、（3）中我們不難看出，交易者很容易受到近期小量交易情況的影響。如果我們不是做高頻交易的，樣本數量太少，用這樣的結果來判斷是否縮小或者放大部位都不是正確的選擇。我們更不應該僅用近期的幾筆交易結果來推翻之前回測的可能超過上千筆的交易結果。

根據我們上面講的內容，希望大家能夠多留心自己是否也會受到小數法則和因果關係的影響。大家可以通過程序化交易作為輔助，盡量產生足夠多的交易次數。用系統化代替主觀因果判斷，試著相信回測大數法則。這樣會把錯誤的因果連結和取樣運氣降低，可以達到長期穩定的收益效果。

相關閱讀：

高端量化投資Matlab、R語言、Python學習視頻合集，只要88元！

量化投資、程序化交易學習必備，300G+培訓視頻限時特惠99元！