Математика управления капиталом (стр. 40 )

Какое оптимальное f лучше?

Мы знаем, что можно найти оптимальное f, используя эмпирический подход, а также используя некоторые параметрические методы как для ячеистых, так и для неячеистых данных. Мы также знаем, что можно привести данные к текущей цене. Какое оптимальное f действительно оптимально — полученное по приве­денным или неприведенным данным?

Неприведенное эмпирическое оптимальное f рассчитывается на прошлых данных. Эмпирический метод для нахождения оптимального f, описанный в гла­ве 1, даст оптимальное f, которое реализовало бы наивысший геометрический рост по прошлому потоку результатов. Однако нам надо определить, какое значе­ние оптимального f использовать в будущем (особенно в следующей сделке), учи­тывая, что у нас нет достоверной информации об исходе следующей сделки. Мы точно не знаем, будет это прибыль (тогда оптимальное f будет 1) или убыток (тог­да оптимальное f будет 0). Мы можем выразить результат следующей сделки толь­ко распределением вероятности. Лучшим подходом для трейдеров, применяющих механическую систему, будет расчет f путем использования параметрического ме­тода с помощью регулируемой функции распределения, описанной в этой главе, с приведенными или неприведенными данными. Если есть значительное различие в использовании приведенных данных по сравнению с неприведенными, тогда, вероятно, расчеты сделаны по слишком большой истории сделок, или же данных на уровне текущих цен недостаточно. Для несистемных трейдеров лучшим может оказаться подход планирования сценария.

Теперь вы имеете представление как об эмпирических, так и параметри­ческих методах, а также о некоторых гибридных методах поиска оптималь­ного f. В следующей главе мы рассмотрим проблему поиска оптимального f (па­раметрическим способом) для случая, когда одновременно открыто несколько позиций.

Глава 5

Введение в методы управления капиталом с использованием параметрического подхода при одновременной торговле по нескольким позициям

В этой книге уже упоминалось об использовании опционов отдельно или совместно с позицией по базовому инструменту для улучшения торговых результатов. Покупка пут-опциона вместе с длинной позицией по базовому инструменту (или просто покупка колл-оп-циона), а иногда даже продажа (короткая продажа) колл-опциона совместно с длинной позицией по базовому инструменту могут ус­корить асимптотический геометрический рост. Это происходит потому, что очень часто (но не всегда) использование опционов уменьшает дисперсию в большей степени, чем уменьшает арифме­тический средний доход. В результате, исходя из фундаментально­го уравнения торговли, мы получаем большее оценочное TWR. Опционы можно использовать как самостоятельные инструмен­ты, так и вместе с позициями по базовому инструменту для уп­равления риском. В будущем, так как трейдеры все больше кон­центрируются на управлении риском, опционы, вероятно, будут играть еще большую роль. В книге «Формулы управления портфелем» была рассмотрена взаи­мосвязь оптимального/и опционов. * В этой главе мы продолжим начатую дискуссию и обсудим торговлю по нескольким позициям, а также поговорим об опционах. Настоящая глава посвящена еще одному методу поиска оптималь­ного/для немеханических торговых систем. Параметрические ме­тоды, рассмотренные до этого момента, могут использовать те, кто не применяет механические системы. Допустим, вы не исполь­зуете механическую систему и применяете метод, описанный в главе 4. Если вы захотите рассчитать эксцесс, то сделать это будет не очень легко (по крайней мере, точное значение эксцесса быстро получить, скорее всего, не удастся). Данная глава предназ­начена прежде всего для тех, кто использует немеханические ме­тоды принятия решений об открытии и закрытии позиций. Трей­дерам, использующим эти методы, надо будет рассчитывать не параметры распределения сделок, а значения для волатильности базового инструмента и прогнозируемой цены базового инструмен­та. Трейдеру, не использующему механическую, объективную сис­тему, будет намного легче получить именно эти величины, чем рассчитать параметры для распределения сделок, которые еще не произошли.

Обсуждение оптимального/и его побочных продуктов для тех трейдеров, которые не используют механическую, объективную систему, мы начнем с рассмотрения ситуации, когда одновремен­но открыто несколько позиций. Означает ли это, что тот, кто использует механические методы для открытия и закрытия по­зиций, не может использовать описанные подходы? Нет. В Главе 6 предложен метод поиска оптимальных, одновременно откры­тых позиций независимо от того, использует трейдер механичес­кую систему или нет. В этой главе рассмотрена ситуация, когда одновременно открыто несколько позиций (с использованием оп­ционов или без), и применяется немеханический подход.

Расчет волатильности

Один из важных параметров, который трейдер, желающий использовать опи­сываемые в этой главе концепции, должен ввести, — это волатильность. Су­ществует два способа определения волатильности. Первый — использование оценки на основе рыночных данных — дает подразумеваемую волатильность. Модели ценообразования опционов, представленные в этой главе, использу­ют волатильность в качестве одного из своих входных параметров для получе­ния справедливой теоретической цены опциона. Подразумеваемая волатиль­ность основывается на предположении, что рыночная цена опциона эквива­лентна его справедливой теоретической цене. Волатильность, которая дает справедливую теоретическую цену, равную рыночной цене, и есть подразуме­ваемая волатильность. Второй метод расчета волатильности основывается на использовании исто­рических данных. Полученная таким образом историческая волатильность оп­ределяется фактической ценой базового инструмента. Хотя волатильность в ка­честве входного данного в модели ценообразования опционов выражается в го­довых процентах, при ее определении используется более короткий временной отрезок, обычно 10-20 дней, а получившийся в результате ответ переводится в годовое значение.

Ниже показан расчет 20-дневной годовой исторической волатильности.

Шаг 1. Разделите сегодняшнее закрытие на предыдущее закрытие ры­ночного дня.

Шаг 2. Возьмите натуральный логарифм частного, полученного в шаге 1. Для примера рассчитаем годовую историческую волатильность японской йены на март 1991 года. При написании даты будем использовать формат (год/месяц/день). Закрытие 910225, равное 74,52, разделим на закрытие 910222, равное 75,52.

74,82 / 75,52 = 0,9907309322 Натуральный логарифм 0,9907309322 равен 0,009312258.

Шаг 3. По истечении 21 дня у вас будет 20 значений для шага 2. Теперь рас­считайте 20-дневную скользящую среднюю значений из шага 2.

Шаг 4. Найдите 20-дневную дисперсию выборки данных из шага 2. Для этого необходима 20-дневная скользящая средняя (см. шаг 3). Далее, для каждого из 20 последних дней вычтем скользящую среднюю из значе­ний шага 2. Теперь возведем в квадрат полученные значения, чтобы преобразовать все отрицательные ответы в положительные. После этого сложим все значения за последние 20 дней. Наконец, разделим найденную сумму на 19 и получим дисперсию по выборке данных за последние 20 дней. 20-дневная дисперсия для 901226 составляет 0,00009. Подобным об­разом вы можете рассчитать 20-дневную дисперсию для любого дня.

Шаг 5. После того как вы определили 20-дневную дисперсию для конкрет­ного дня, необходимо преобразовать ее в 20-дневное стандартное от­клонение. Это легко сделать путем извлечения квадратного корня из дисперсии. Таким образом, для 901226 квадратный корень дисперсии (которая, как было показано, равна 0,00009) даст нам 20-дневное стандартное отклонение 0,009486832981.

Шаг 6. Теперь преобразуем полученные данные в «годовые». Так как мы используем дневные данные и исходим из того, что по йене в году 252 торговых дня (примерно), умножим ответы из шага 5 на квад­ратный корень 252, то есть на 15,87450787. Для 901226 20-дневное стандартное отклонение по выборке составляет 0,009486832981. Умножив его на 15,87450787, получаем 0,1505988048. Это значе­ние является исторической волатильностью, в нашем случае — 15,06%, и оно может быть использовано в качестве входного зна­чения волатильности в модели ценообразования опционов Блэка-Шоулса.

Следующая таблица показывает шаги, необходимые для нахождения 20-дневной «годовой» исторической волатильности. Заметьте, что промежуточные шаги для определения дисперсии, которые были показаны в предыдущей таблице, сюда не включены.

А Дата	В Закрытие	С LN изменений	D 20-дневная средняя	Е 20-дневная дисперсия	F 20-дневное стандартное отклонение	G Годовое значение F * 15,87451
901127	77,96
901128	76,91	-0,0136
901129	74,93	-0,0261
901130	75,37	0,0059
901203	74,18	-0,0159
901204	74,72	0,0073
901205	74,57	-0,0020
901206	75,42	0,0113
901207	76,44	0,0134

торгуете без опционов и рассматриваете торговлю как не ограниченную во вре­мени, ваш реальный риск банкротства равен 1. При таких условиях вы неми­нуемо разоритесь, что вполне согласуется с уравнениями риска банкротства, поскольку в них в качестве входных переменных используются эмпирические данные, то есть входные данные в уравнениях риска банкротства основывают­ся на ограниченных наборах сделок. Утверждение о гарантированном банкрот­стве при бесконечно долгой игре с неограниченной ответственностью делает­ся с позиций параметрического подхода. Параметрический подход учитывает большие проигрышные сделки, которые расположены в левом хвосте распре­деления, но еще не произошли, поэтому они не являются частью ограничен­ного набора, используемого в качестве входных данных в уравнениях риска банкротства. Для примера представьте себе торговую систему, в которой применяется по­стоянное количество контрактов. В каждой сделке используется 1 контракт. Что­бы узнать, каким может стать баланс через Х сделок, мы просто умножим Х на среднюю сделку. Таким образом, если система имеет среднюю сделку 250 долла­ров и мы хотим знать, каким может стать баланс через 7 сделок, мы $250 умножим на 7 и получим $1750. Отметьте, что кривая арифметического математического ожидания задается линейной функцией. Любая сделка может принести убыток, который отбросит нас назад (времен­но) от ожидаемой линии. В такой ситуации есть предел проигрыша по сделке. Так как наша линия всегда выше, чем самая большая сумма, которую можно проиг­рать за сделку, мы не можем обанкротиться сразу. Однако длинная проигрышная полоса может отбросить нас достаточно далеко от этой линии, и мы не сможем продолжить торговлю, то есть обанкротимся. Вероятность подобного развития событий уменьшается с течением времени, когда линия ожидания становится выше. Уравнение риска банкротства позволяет рассчитать вероятность банкрот­ства еще до того, как мы начнем торговать по выбранной системе. Если бы мы торговали в такой системе на основе фиксированной доли счета, линия загибалась бы вверх, становясь после каждой сделки все круче. Однако проигрыш всегда сопоставим с тем, насколько высоко мы находимся на линии. Таким образом, вероятность банкротства не уменьшается с течением времени. В теории, однако, риск банкротства при торговле фиксированной долей счета мож­но сделать равным нулю, если торговать бесконечно делимыми единицами. К ре­альной торговле это не применимо. Риск банкротства при торговле фиксирован­ной долей счета всегда немного выше, чем в этой же системе при торговле на ос­нове постоянного количества контрактов. В действительности, нет верхнего предела суммы, которую вы можете проиг­рать за одну сделку; кривые состояния счета могут снизиться до нуля за одну сделку независимо от того, насколько высоко они расположены. Таким обра­зом, если мы торгуем бесконечно долгий период времени инструментом с нео­граниченной ответственностью, постоянным количеством контрактов или фиксированной долей счета, риск банкротства составляет 1. Банкротство гаран­тировано. Единственный способ избежать такого развития событий — поста­вить ограничение на максимальный проигрыш. Этого можно достичь, исполь­зуя опционы, когда позиция относится в дебет (если трейдер платит за премию больше, чем получает, то разница между уплаченной и полученной суммами на­зывается «дебет»)1.