偶看新闻日舒安前列腺炎:博彩6
来源：百度文库 编辑：偶看新闻 时间：2024/04/29 16:51:43
固定赌注以及固定下注比例
我们的下注系统必须定义赌注。定义赌注的其中一个方法是使用固定金额，例如每次下注$10，不管我们输还是赢。这种就叫做固定赌注（Fixed Bet）。在这个情况下，我们$1,000的资本可能会减少或增加，一直到$10比例上会变得太大或太小，而变成不是最好的赌注了。
要解决固定赌注中资本变动的问题，我们可以定义固定下注比例（Fixed-Fraction）。在我们的资本中，1%的赌注等于$10。这次，不管我们的资本上升或下降，固定下注比例都会和资本成比例。
由固定下注比例我们发现一个有趣的事情，既然赌注和资本保持一定的比例，理论上来说完全破产不可能，形式上毕业出场的风险是零。在实务上，崩溃和心理上的 Uncle Point 比较有关系，参照下文
模拟测试
我们可以针对历史数据进行仿真测试（Simulate），以便测试我们的下注系统。假设我们丢十次铜板，有五次正面五次反面，我们可以如图二般安排模拟测试。
请注意，两个系统第一次都赚了$20.00（赌注的两倍），开出来的是正面。第二次，固定赌注的系统输了$10.00，而固定比例系统输了1%，也就是$1,020.00的1%，也就是$10.20，资本剩下 $1,009.80。
两种系统跑出来的结果几乎没什么不同。然而经过长时间后，固定比例系统会以几何级数成长，超越以线性成长的固定赌注系统。另外，系统的结果取决于正反面的个数，至于正反面的顺序并不会影响结果。读者可以自行以电子表格进行测试
金字塔型加码（Pyramiding）以及赌注加倍（Martingale）
如果过程是随机的，像是丢铜板，规律的正反顺序是不可能的，因此会发生一连串的正面或反面的状况。然而，我们无法利用这个现象获利，因为它的本质就是随机的。在非随机的过程中，例如股票价格的趋势，金字塔型加码或是其它趋势追踪技巧都可能有用。
金字塔型加码，是在获利时加码的一种方式。这个技技有助于交易者加码至最佳化部位。在已最佳化的部位之上加码只会引起过度交易的灾难。一般来说，这种系统的小修小补对系统来说，远远不如坚守系统来得重要。事实上，这样的修修补补使交易者对系统的信号产生诠释的空间，可能导致直觉化的交易，徒然削弱坚守系统的努力罢了。
赌注加倍（Martingale）的意思是在赌输时加倍下注。如果又输，则再加倍，如此一直下去。这种方式好比赶在压路机前捡硬币，只要一次失手，资本就完蛋。
最佳化－使用模拟测试
一旦我们选定了一个下注系统，例如固定比例下注系统，我们就能依系统找出最佳化的参数（Parameters），得到最好的期望值（Expected Value）。在丢铜板的例子中，我们唯一的参数就是那个固定比例。再次重申，我们可以经由模拟测试找到答案。
请注意，丢铜板的例子的用意在于强调风险的某些元素，以及它们之间的关系，特别是我们的例子是报酬2:1，胜率50%。这个例子没有考虑正反面不均匀的情况，也没有考虑一连串的正面或反面。它的用意并非在建议任何市场交易里风险管理的参数
%时，资本不会改变。在5%时，赌注是资本$1000.00的5%，也就是$50.00。第一次期望值是$1,100，以灰色部份表示。第二次的赌注一样是资本的5%，$55.00，这次我们会输，剩下$1,045.00。请注意，在赌注为25%时，表现最好，以红色部份表示。再请注意，最佳化参数(25%) 在一次正反面周期后就很明显了。这让我们能够以单一周期求得最佳化参数。
请注意，系统的期望值在25%下注比例时，从$1000.00提高到最大值$1,800。从这之后，随着提高下注比例，获利减少。这条曲线表示了两个表达了两个风险管理的根本法则，(1) 胆小交易者法则：如果你下的注不够大，你的获利也不会大。 (2)鲁莽交易者法则：如果你下的注太大，破产是必然的。 在具有多个部位，多个赌注的投资组合中，总风险我们称之为投资组合热度（Heat）。
这个图同时说明了在报酬为2:1的情形下，期望值和下注比例的关系。这样的关系在不同报酬的情况。
最佳化－使用微积分
因为我们的丢铜板游戏满简单的，我们也可以用微积分求最佳下注比例。因为我们知道，最佳系统在一次正面和反面的周期后就是显而易见的了，我们也可以用一个正面一个反面的周期，来简化问题。
一正一反的组合后，赌注变成：
S = (1 + b*P) * (1 - b) * S0
S - 一个周期后的赌注
b - 下注比例
P - 报酬2:1
S0 - 一个周期前的赌注
(1 + b*P) - 赢时的影响
(1 - b) - 输时的影响
所以，一个周期后的影响就是：
R = S / S0
R = (1 + bP) * (1 - b)
R = 1 - b + bP - b2P
R = 1 + b(P-1) - b2P
注意，b值很小时，R随着b(P-1)的增加而增加；b值很大时，R随着b2P而减小。这就是胆小交易者、鲁莽交易者法则背后的数学意义。
我们可以画一张图显示R和b之间的关系，这张图看起来会很像我们从模拟的结果，以目测选择最大值。我们也可以观察到，最大值时斜率为零，所以我们也可以令斜率为零，即可求最大值。
Slope = dR/db = (P-1) - 2bP = 0, 于是
b = (P-1)/2P , and, for P = 2:1,
b = (2 - 1)/(2 * 2) =0 .25
所以最佳化的下注比例就是资金的25%。
最佳下注比例随着胜率而增加，趋近报酬。
这张图显示在不同的胜率和报酬下的最佳下注比例。最佳下注比例随着酬酬的增加而增加。对于很高的报酬率时，最佳下注比例等于胜率。举例来说，一个5:1报酬的公平铜板，最佳化下注比例趋近于50%。
过程中的期望值和最佳下注比例
几乎确定会毁灭的策略
全押，本质上来说是几乎确定会毁灭的策略。因为对一个公平的铜板来说，存活的机率，变成(.5)N，N表示丢铜板的次数。十次铜板之后，存活的机率大约是千分之一。大部份的交易者当然不想破产，所以就不会采用这样的策略。但是，这种策略的期望值真的很诱人。在毁灭只代表资产的损失时，我们会想要找到这样的系统。
例如，一个将军管理着好多可有可无的士兵。他也许会让士兵全部上场，全面攻坚，不考虑士兵会不会死掉。用这样的战术，将军也许会失去很多士兵，但也许会有一两个士兵攻坚成功。整体上来说，任务成功的机率就大增。
相同的，一个投资组合管理者也许会把资本分散在许多账户中，然后赌上每个账户里100%的资本。他想，他也许会输掉很多账户，但有些账户的胜利势必可以使整体的期望值最大化。这就是风险分散（Diversification）的原则。当个别的报酬率非常高时适用。
我们的下注系统必须定义赌注。定义赌注的其中一个方法是使用固定金额，例如每次下注$10，不管我们输还是赢。这种就叫做固定赌注（Fixed Bet）。在这个情况下，我们$1,000的资本可能会减少或增加，一直到$10比例上会变得太大或太小，而变成不是最好的赌注了。
要解决固定赌注中资本变动的问题，我们可以定义固定下注比例（Fixed-Fraction）。在我们的资本中，1%的赌注等于$10。这次，不管我们的资本上升或下降，固定下注比例都会和资本成比例。
由固定下注比例我们发现一个有趣的事情，既然赌注和资本保持一定的比例，理论上来说完全破产不可能，形式上毕业出场的风险是零。在实务上，崩溃和心理上的 Uncle Point 比较有关系，参照下文
模拟测试
我们可以针对历史数据进行仿真测试（Simulate），以便测试我们的下注系统。假设我们丢十次铜板，有五次正面五次反面，我们可以如图二般安排模拟测试。
请注意，两个系统第一次都赚了$20.00（赌注的两倍），开出来的是正面。第二次，固定赌注的系统输了$10.00，而固定比例系统输了1%，也就是$1,020.00的1%，也就是$10.20，资本剩下 $1,009.80。
两种系统跑出来的结果几乎没什么不同。然而经过长时间后，固定比例系统会以几何级数成长，超越以线性成长的固定赌注系统。另外，系统的结果取决于正反面的个数，至于正反面的顺序并不会影响结果。读者可以自行以电子表格进行测试
金字塔型加码（Pyramiding）以及赌注加倍（Martingale）
如果过程是随机的，像是丢铜板，规律的正反顺序是不可能的，因此会发生一连串的正面或反面的状况。然而，我们无法利用这个现象获利，因为它的本质就是随机的。在非随机的过程中，例如股票价格的趋势，金字塔型加码或是其它趋势追踪技巧都可能有用。
金字塔型加码，是在获利时加码的一种方式。这个技技有助于交易者加码至最佳化部位。在已最佳化的部位之上加码只会引起过度交易的灾难。一般来说，这种系统的小修小补对系统来说，远远不如坚守系统来得重要。事实上，这样的修修补补使交易者对系统的信号产生诠释的空间，可能导致直觉化的交易，徒然削弱坚守系统的努力罢了。
赌注加倍（Martingale）的意思是在赌输时加倍下注。如果又输，则再加倍，如此一直下去。这种方式好比赶在压路机前捡硬币，只要一次失手，资本就完蛋。
最佳化－使用模拟测试
一旦我们选定了一个下注系统，例如固定比例下注系统，我们就能依系统找出最佳化的参数（Parameters），得到最好的期望值（Expected Value）。在丢铜板的例子中，我们唯一的参数就是那个固定比例。再次重申，我们可以经由模拟测试找到答案。
请注意，丢铜板的例子的用意在于强调风险的某些元素，以及它们之间的关系，特别是我们的例子是报酬2:1，胜率50%。这个例子没有考虑正反面不均匀的情况，也没有考虑一连串的正面或反面。它的用意并非在建议任何市场交易里风险管理的参数
%时，资本不会改变。在5%时，赌注是资本$1000.00的5%，也就是$50.00。第一次期望值是$1,100，以灰色部份表示。第二次的赌注一样是资本的5%，$55.00，这次我们会输，剩下$1,045.00。请注意，在赌注为25%时，表现最好，以红色部份表示。再请注意，最佳化参数(25%) 在一次正反面周期后就很明显了。这让我们能够以单一周期求得最佳化参数。
请注意，系统的期望值在25%下注比例时，从$1000.00提高到最大值$1,800。从这之后，随着提高下注比例，获利减少。这条曲线表示了两个表达了两个风险管理的根本法则，(1) 胆小交易者法则：如果你下的注不够大，你的获利也不会大。 (2)鲁莽交易者法则：如果你下的注太大，破产是必然的。 在具有多个部位，多个赌注的投资组合中，总风险我们称之为投资组合热度（Heat）。
这个图同时说明了在报酬为2:1的情形下，期望值和下注比例的关系。这样的关系在不同报酬的情况。
最佳化－使用微积分
因为我们的丢铜板游戏满简单的，我们也可以用微积分求最佳下注比例。因为我们知道，最佳系统在一次正面和反面的周期后就是显而易见的了，我们也可以用一个正面一个反面的周期，来简化问题。
一正一反的组合后，赌注变成：
S = (1 + b*P) * (1 - b) * S0
S - 一个周期后的赌注
b - 下注比例
P - 报酬2:1
S0 - 一个周期前的赌注
(1 + b*P) - 赢时的影响
(1 - b) - 输时的影响
所以，一个周期后的影响就是：
R = S / S0
R = (1 + bP) * (1 - b)
R = 1 - b + bP - b2P
R = 1 + b(P-1) - b2P
注意，b值很小时，R随着b(P-1)的增加而增加；b值很大时，R随着b2P而减小。这就是胆小交易者、鲁莽交易者法则背后的数学意义。
我们可以画一张图显示R和b之间的关系，这张图看起来会很像我们从模拟的结果，以目测选择最大值。我们也可以观察到，最大值时斜率为零，所以我们也可以令斜率为零，即可求最大值。
Slope = dR/db = (P-1) - 2bP = 0, 于是
b = (P-1)/2P , and, for P = 2:1,
b = (2 - 1)/(2 * 2) =0 .25
所以最佳化的下注比例就是资金的25%。
最佳下注比例随着胜率而增加，趋近报酬。
这张图显示在不同的胜率和报酬下的最佳下注比例。最佳下注比例随着酬酬的增加而增加。对于很高的报酬率时，最佳下注比例等于胜率。举例来说，一个5:1报酬的公平铜板，最佳化下注比例趋近于50%。
过程中的期望值和最佳下注比例
几乎确定会毁灭的策略
全押，本质上来说是几乎确定会毁灭的策略。因为对一个公平的铜板来说，存活的机率，变成(.5)N，N表示丢铜板的次数。十次铜板之后，存活的机率大约是千分之一。大部份的交易者当然不想破产，所以就不会采用这样的策略。但是，这种策略的期望值真的很诱人。在毁灭只代表资产的损失时，我们会想要找到这样的系统。
例如，一个将军管理着好多可有可无的士兵。他也许会让士兵全部上场，全面攻坚，不考虑士兵会不会死掉。用这样的战术，将军也许会失去很多士兵，但也许会有一两个士兵攻坚成功。整体上来说，任务成功的机率就大增。
相同的，一个投资组合管理者也许会把资本分散在许多账户中，然后赌上每个账户里100%的资本。他想，他也许会输掉很多账户，但有些账户的胜利势必可以使整体的期望值最大化。这就是风险分散（Diversification）的原则。当个别的报酬率非常高时适用。