:稳定盈利的方法

这篇帖子，挺不错的，可以看看。
淘股吧：《稳定盈利的方法》   作者：licai86
 如果投资的结果完全是靠运气，那么成败各有一半的概率! 把希望寄托在自己的运气和所谓的眼光上一般来说是正态分布的结果，期望值等于０，不过由于你自己的不恰当操作，结果往往是负的小于０。而依靠个人判断选股，你可能一夜暴富，也可能在第二次又输得精光。
       
       量化投资 
       　　简单地说，就是利用数学、统计学、信息技术的量化投资方法来管理投资组合。数量化投资的组合构建注重的是对宏观数据、市场行为、企业财务数据、交易数据进行分析，利用数据挖掘技术、统计技术、计算方法等处理数据，以得到最优的投资组合和投资机会。 
       　　量化投资以先进的数学模型替代人为的主观判断，借助系统强大的信息处理能力具有更大的投资稳定性，极大地减少投资者情绪的波动影响，避免在市场极度狂热或悲观的情况下做出非理性的投资决策。
           量化投资用一句话说明，就是利用电脑帮助人脑处理大量信息。定量投资者搜集分析大量的数据后，在全市场360度寻找投资机会，利用电脑来筛选投资机会，将投资思想或理念通过具体指标、参数的设计体现在模型中，并据此对市场进行不带任何主观情绪的跟踪分析，借助于计算机强大的数据处理能力来选择投资，以保证在控制风险的前提下实现收益最大化。
       
           原理一：将每次赚钱概率提高到50%以上。也许从每次投资来看，成功的概率略微超过50%并不是很出彩，但是很多次加起来，投资所靠的“运气”就可能被变成风险有限的高额投资回报。 
       
           原理二：如果每次交易赔钱的概率超过50%，但是每次赔的数量都很小，相对而言如果每次赚钱的概率虽然小于50%，但是赚的数目都很大的话，成功的概率也有可能超过50%。 经过多次交易之后，只要盈利交易多于亏损交易，总体交易结果就是盈利的。对于这种情况，如果我们将交易进行分组，如果最大连续亏损次数为3次，我们可以将6次交易分为一组，这样就可以看到每组赚钱概率提高到50%以上了。与原理一的情况就相同了。
       
       “20世纪80年代末，我完全停止了基本面分析，变成了一个彻底的、依靠模型的量化投资人。”西蒙斯说。
           量化投资的传奇人物——詹姆斯·西蒙斯管理的大奖章基金从1989到2007年间的平均年收益率高达35％，而股神“巴菲特”在同期的平均年回报也不过约为20％。即使2008年面对全球金融危机的重挫，“大奖章”的回报也高达80％。从2002年底至2005年底，规模为50亿美元的“大奖章”已经为投资者支付了60多亿美元的回报。这个回报率是在扣除了5％的资产管理费和44％的投资收益分成以后得出的，并且已经经过了审计。值得一提的是，西蒙斯收取的这两项费用可能是对冲基金界最高的，相当于平均收费标准的两倍以上。2005年，西蒙斯成为全球收入最高的对冲基金经理，净赚15亿美元，闻名全球的投机大鳄索罗斯(George Soros)则只排第三，年收入达8.4亿美元，差不多是索罗斯的两倍；西蒙斯的量化投资方法是依靠数学模型和电脑管理着自己旗下的巨额基金，用数学模型捕捉市场机会，由电脑作出交易决策。詹姆斯·西蒙斯带领的大奖章基金在几次金融危机中都表现得异常坚挺。从1988年成立到1999年12月，大奖章基金总共获得2478.6％的净回报率，是同时期基金中的第一名，超过第二名索罗斯的量子基金一倍，而同期的标准普尔指数仅仅只有9.6％的涨幅。拥有过人的数学基础是西蒙斯在基金界游刃有余的一个制胜法宝。比起基金经理人的身份，他更像是一位精通数学的书生，通过复杂的赔率和概率计算，最终打败了赌场的神话。
       
       　　1.用数学模型捕捉市场机会，由电脑作出交易决策，是这位超级投资者成功的秘诀。
       　　2.针对不同市场设计数量化的投资管理模型，并以电脑运算为主导，在全球各种市场上进行短线交易
       　　3.对于数量分析型对冲基金而言，交易行为更多是基于电脑对价格走势的分析，而非人的主观判断。
           4.大奖章基金的数学模型主要通过对历史数据的统计，找出金融产品价格、宏观经济、市场指标、技术指标等各种指标间变化的数学关系，发现市场目前存在的微小获利机会，并通过杠杆比率进行快速而大规模的交易获利。
       　　5.西蒙斯的方法多是进行短线方向性预测，依靠同时交易很多品种、在短期作出大量的交易来获利。具体到每一个交易的亏损，由于会在很短的时间内平仓，因此损失不会很大；而数千次交易之后，只要盈利交易多余亏损交易，总体交易结果就是盈利的。
       
           投资产品必须符合三个标准：1.公开交易品种、2.流动性足够高（流通性足够高，尽量减少人为的影响，成交量和成交额是很重要的因素，当我们看见那些一天交易换手不到２％，交易额低于１亿的股票，很多时候能发现他们之后都有一些我们不能得到的信息，这时候靠着白痴一样没有分析能力的模型去找机会，很难，选择一个适合用模型的样本是我们首先要做的一件事情，这个过程甚至不比得到一个令人惊讶的模型更加重要；足够的流动性也就是说这种工具的交易量比较大，所以小公司的股票、创业板的股票可能就不包括在内。）、3.适合用数学模型来交易。公众市场上交易的工具包括股票、债券、商品、外汇等多种金融产品或金融衍生品。上面两个条件其实是相关的，很多金融产品正是因为在公众市场交易，所以流动性才比较大。另外，这两个条件也是随着时间的推移而变化的：公共市场上交易的产品在日益增多，所以西蒙斯的视野也越来越开阔。很多工具在刚刚开始交易的时候流动性比较低，但是交易的人多了，流动性也就会慢慢提高。第三条件也和前面两个条件相关：通常公众市场上交易的产品、流动性比较好的产品，它们的历史数据比较齐全，质量也比较好。第三个条件可能有些令人费解：什么样的金融产品适合用数学模型来交易，什么不适合呢？一般来说，数学模型交易需要对历史数据进行大量的研究，从中寻找规律，所以要符合这个条件的意思是要求有比较多、比较准确的历史价格、交易量等的数据，以便进行数据分析，然后寻找最合适的交易模型来进行量化投资。如果希望比较可信的数据，我们需要比较准确的历史数据能够覆盖两个以上的大的牛熊市，时间跨度在20年以上。当然数据还必须与投资环境相匹配，对于相对稳定的投资环境，例如美国社会，数据越长越有说服力，而对于快速变化的新兴经济体，数据越长则不一定越有说服力，因为投资的前提条件可能已经发生了根本性的变化，过去的一切已经不复存在，数据背后的含义也可能完全不一样。
           2001年以来，海外量化基金的资产规模大幅增长。据彭博资讯统计，截至2009年9月，海外量化基金共610只，资产总规模约2716亿美元，相比2001年的880亿美元，资产规模年均增速超过15％。而同期非量化基金的资产规模从7200亿美元增长到9250亿美元，平均年增长率9％。
       
       格雷厄姆-多德都市的超级投资者们（上）
       http://blogbuffett.bokee.com/4775144.html
       　　Before we begin this examination, I would like you to imagine a national coin-flipping contest. Let's assume we get 225 million Americans up tomorrow morning and we ask them all to wager a dollar. They go out in the morning at sunrise, and they all call the flip of a coin. If they call correctly, they win a dollar from those who called wrong. Each day the losers drop out, and on the subsequent day the stakes build as all previous winnings are put on the line. After ten flips on ten mornings, there will be approximately 220,000 people in the United States who have correctly called ten flips in a row. They each will have won a little over $1,000.
           在进行审查之前，我要各位设想—场全国性的掷铜板大赛。让我们假定，全美国2．25亿的人口在明天早晨起床时都掷出一枚一美元的铜板。早晨太阳升起时，他们都走到门外掷铜板，并猜铜板出现的正面或反面。如果猜对了，他们将从猜错者的手中赢得一美元。每大都有输家遭到淘汰，奖金则不断地累积。经过十个早晨的十次投掷之后，全美国约有2．2万人连续十次猜对掷铜板的结果。每人所赢得的资金约超过1000美元。 
       　　Now this group will probably start getting a little puffed up about this, human nature being what it is. They may try to be modest, but at cocktail parties they will occasionally admit to attractive members of the opposite sex what their technique is, and what marvelous insights they bring to the field of flipping. 
       　　现在，这群人可能会开始炫耀自己的战绩，此乃人的天性使然。他们可能保持谦虚的态度，但在鸡尾酒宴会中，他们偶尔会以此技巧吸引异性的注意，并炫耀其投掷铜板的奇异洞察力。
       Assuming that the winners are getting the appropriate rewards from the losers, in another ten days we will have 215 people who have successfully called their coin flips 20 times in a row and who, by this exercise, each have turned one dollar into a little over $1 million. $225 million would have been lost, $225 million would have been won. 
           假定赢家都可以从输家手中得到适当的奖金，再经过十天，约有215个人连续二十次猜对掷铜板的结果，每个人并赢得大约100万美元的奖金。输家总共付出2．25亿美元，赢家则得到2．25亿美元。 
       By then, this group will really lose their heads. They will probably write books on "How I turned a Dollar into a Million in Twenty Days Working Thirty Seconds a Morning." Worse yet, they'll probably start jetting around the country attending seminars on efficient coin-flipping and tackling skeptical professors with, " If it can't be done, why are there 215 of us?" 
           这时候，这群人可能完全沉迷在自己的成就中：他们可能开始著书立说：“我如何每天早晨工作30秒，而在二十天之内将—美元变成100万美元。”更糟的是，他们会在全国各地参加讲习会，宣扬如何有效地投掷铜板，并且反驳持怀疑态度的教授说，“如果这是不可能的事，为什么会有我们这215个人呢?” 
       By then some business school professor will probably be rude enough to bring up the fact that if 225 million orangutans had engaged in a similar exercise, the results would be much the same - 215 egotistical orangutans with 20 straight winning flips. 
       　　但是，某商学院的教授可能会粗鲁地提出—项事实，如果2．25亿只猩猩参加这场大赛，结果大致上也是如此——有215只自大的猩猩将连续赢得20次的投掷。 
       　　I would argue, however, that there are some important differences in the examples I am going to present. For one thing, if (a) you had taken 225 million orangutans distributed roughly as the U.S. population is; if (b) 215 winners were left after 20 days; and if (c) you found that 40 came from a particular zoo in Omaha, you would be pretty sure you were on to something. So you would probably go out and ask the zookeeper about what he's feeding them, whether they had special exercises, what books they read, and who knows what else. That is, if you found any really extraordinary concentrations of success, you might want to see if you could identify concentrations of unusual characteristics that might be causal factors. 
       　　然而，我必须说明，前述事例和我即将提出的案例，两者之间存在着若干重大差异。旨先，如果(a)你所选择的2．25亿只猩猩的分布状况大致上和美国的人口分布相同；如果(b)经过20天的竞赛，只剩下215只赢家；如果(c)你发现其中有40只猩猩来自于奥玛哈的某个动物园，则其中必有蹊跷。于是，你会询问猩猩管理员各种问题，它们吃什么饲料、是否做特殊的运动、阅读什么书籍……换言之，如果你发现成功案例有非比寻常的集中现象，则你希望判定此异常的特色是否是成功的原因。 
       　　Scientific inquiry naturally follows such a pattern. If you were trying to analyze possible causes of a rare type of cancer -- with, say, 1,500 cases a year in the United States -- and you found that 400 of them occurred in some little mining town in Montana, you would get very interested in the water there, or the occupation of those afflicted, or other variables. You know it's not random chance that 400 come from a small area. You would not necessarily know the causal factors, but you would know where to search. 
       　　科学的调查也遵循此一形态。如果你试图分析某种罕见的癌症原因——例如，美国每年只有1500个病例——而你发现蒙大拿州的某个矿区小镇便产生400个病例，则你必然对当地的饮水、病患的职业或其他种种变数产生兴趣。你知道，在—个小镇中发生400个病例，绝不是随机因素所造成。虽然你未必了解病因，但你知道从哪里着手调查。