取消市场噪音 为什么99%的股票警报是无用的
如果你曾经使用过股票警报服务,你知道这种感觉.你的电话响起.另一个"买"信号.你检查图表 看起来很好.你进行交易.三天后,你跌了7%,你想知道什么是错误的.
问题不是你的执行,而是信号本身.这不是一个信号,而是噪音,穿着机会的衣服.
这就是不舒服的真相:你收到的绝大多数股票警报是数学上无法区分于随机.他们失败不是因为交易很困难,而是因为单指标方法无法分离真正的市场模式与统计噪音.
噪音问题:为什么随机性看起来像信号
股票价格出于数千种原因. 收益报告,经济数据,地缘政治事件,美联储公告,机构重新平衡,算法前行,零售情绪转变,最重要的是纯粹的随机波动.
在任何一天,股票价格的动作都由噪音而不是信号所占主导地位.80~95%的每日价格差异因任何基本或技术因素无法解释.价格是因为它移动了.
现在考虑一下,当你运行一个指标时会发生什么?
这就是噪音问题的核心:当样本大到足够时,随机性产生类似可交易信号的模式.没有区分两者的机制,你基本上在交易硬币.
一个指标的陷
大多数股票信号服务使用单个指标或简单的两个指标组合:
- 移动平均交叉式 "黄金十字架!死亡十字架!" 无法预测时间的48%在短视线上方向.
- 相关强度指数 (RSI) "超出售!买入时间!"在趋势市场上,RSI保持超出售数周,而价格持续下跌.
- 经济指数 " 分歧!"分歧只能在后面看到;在实时,它是不可见的.
- 大量增长 "异常量被检测到!"可能是一个机构积累 或一个 鱼倾倒在强度.
- 模式识别 "头部和肩膀形成!""形成"的模式只会在已经解决后成为一个模式.
这些指标中的每一个有时工作问题是,它们的效果和失败率大致相同.如果你看着12,000个钟,你会看到很多"正确"的时间.
真正的信号过 是什么样子
在GemStox,我们从第一原则来解决噪音问题."10个独立的分析框架都能得出同样的结论吗?"
这个叫做交叉验证 ,这也是使现代机器学习模型强大的原则.
1.多模式共识
一个模型的假阳性率为15%.10个独立模型,每一个有15%的虚假阳性率,均产生0.1510= 0.00000006% 假设真正的独立性.实际上,模型之间存在一定相关性,但即使有部分独立性,过 率也超过99%.
2.战略类型多样性
模型必须代表基本不同分析股票的方法:
- 静态模拟 未来价格路径的概率分布
- 波动性建模 (GARCH) 目前的波动性制度有利吗?
- 其他类型 股票的价格基本上是错误的吗?
- 质量组合成绩 这是个好业务,而不是一个好的图表?
- 平均逆转分析 价格是否超出了其统计标准?
- 选项流量分析 机构交易商是否处于同样的地位?
- 跨资产相关性 债券,商品和货币是否确认?
- 动力模式检测 这个趋势真的很强大还是只是 ?
- 感觉正常化 群众太 气还是太 气?
- 批量概况验证价格动作量是否证实了价格动作?
当一个股票过去了所有10个过 器如果它仅仅通过2或3,你仍然在 博.
虚假正面的成本
为了了解噪音过 是为什么重要, 让我们量化真实投资组合中的虚假正值成本:
同样的情况,噪音过 的信号:你每周收到3个信号,所有信号都是交叉验证的. 你对所有3个都采取行动. 由于噪音已经消除,胜利率提高到55 60%. R:R提高到1.5:1因为输入更精确. 在150交易后250个交易日:显著积极的预期.
噪音的心理学
噪音信号的成本还不那么明显:决策疲劳.
当你每天被30个信号轰炸时,你会成为一个人类过 器 ,人类是可怕的过 器. 你必然会应用自己的偏见:跳过"不觉得好",偏好你听过的股票,
当你只收到高确信度,交叉验证的信号时,心理学会改变.你没有过 你正在执行.机器已经完成了工作.你的工作只是管理位置大小,让概率随着时间的推移发挥.
这对你的交易意味着什么?
- 停止信任单指标信号.如果一个服务不能解释如何过 假阳性,假设它没有.
- 要求验证.十个独立的模型都同意,这是一个信号.
- 接受更少的,更高质量的警报.每周有3个好信号,比每天有30个噪音警报.
- 让数学取代情感.当过 系统地进行时,你会系统地交易 ,没有恐惧,贪 或怀疑.
- 追踪你的假阳性率.如果你不知道你的信号中有多少%是噪音,你会盲目飞行.