元月第1天
新年快乐！
昨日阅读2小时，累计阅读735小时
1.今天你阅读到的有价值的全文内容链接
推荐：《鲁豫有约系列》五本，新年快乐！
《鲁豫有约之码字儿》内容收录了对文学领域十二个领军人物的专访，其中包括缔造武侠经典的“真大侠”查良镛；一颗童心看世界的朱德庸；80后代表韩寒；喧嚣散去、回归故土的阿来；不会用电脑写作的“业余”作家海岩。他们性格迥异，各有特色，却都在这白纸黑字之间倾诉衷肠，尽显真情。金庸：侠气就是帮助别人，像雷锋这样，牺牲自己的利益去帮助人家。邓小平很直爽，我对他很尊敬，有点像对自己的父亲。
《鲁豫有约之财智过人》收录了10个在经济领域创造财富神话的人物，这里面包括财富的弄潮者李彦宏、张朝阳——他们正在以一种更成熟的姿态成长自己，修成正果。还有正在崛起的新贵江南春及一群家业继承人——这批新生的力量，可能会集体性成长为社会的主力军。更有一批像杨百万这样的创富草根——他们起于平凡，却不甘于平凡，正在用简单、低调的方式开拓各具特色的创富之路。
《鲁豫有约•80后中国》中80后中国，80后，是中国未来的力量、智慧与担当。80后的活力就是中国的活力，80后的生活态度决定着中国未来的走向。活得真实，活得自在，活得有尊严，是80后集体的梦想。与鲁豫对话的80后们，各有活法，他们的体温与灵魂，是这个时代的历史与影像。
《男角:鲁豫有约》中，鲁豫采访了14位影视界的大腕、名角。这些明星人物包括梁家辉、刘德华、黄秋生、张学友、李宗盛、崔健、曾志伟、罗大佑、任贤齐、钟镇涛、秦汉、成龙、吴若甫，罗家英等。鲁豫将向你介绍这些明星不为人知的成长故事和他们的爱恨情愁。
《戏骨:鲁豫有约》由凤凰卫视出版中心《鲁豫有约》栏目组所编，讲述了鲁豫：美丽或忧伤的故事，濮存昕：不同流，才精彩，鲁豫的名字确实与地名有关。
https://bbs.pinggu.org/thread-6661717-1-1.html
2.今天你阅读到的有价值的内容段落摘录
今天继续读：《海龟交易法则》
第十二章 历史测试的统计学基础(下)
稳健风险回报比率
为了把上述所有因素都考虑在内，我发明了一个新的风险回报比指标，我称之为稳健风险回报比率（robustrisk/rewardratio）。我也喜欢称之为R立方，因为我的骨子里还是有点技术遗风，习惯于用这样的术语。R立方的分子就是RAR，分母也是个新指标，我称之为长度调整平均最大衰落（length-adjustedaverage maximum drawdown）。这个分母指标有两个要素：平均最大衰落和长度调整。
平均最大衰落就是5次最大衰落幅度的平均值。长度调整就是将这5个衰落期的平均天数除以365天，然后用这个结果乘以平均最大衰落。平均衰落天数的计算原理与平均衰落幅度相同，也就是将5次衰落期的天数相加再除以5。因此，如果RAR是50%，平均最大衰落是25%，而平均衰落长度是1年，也就是365天，那么R立方就等于2.0——也就是50%/（25%×365/365）。作为一个风险回报比指标，R立方从程度和时间这两个角度考虑了风险问题。它所使用的指标对测试起止日的变化并不是那么敏感，因此它比MAR指标更稳健——也就是说，它不太容易随着数据的轻微变动而发生大的变化。
稳健夏普比率
稳健夏普比率就是RAR除以年度化的月度回报标准差。这个指标对数据变化的敏感度较低，原因与RAR的敏感度低于CAGR的原因相同，上面已经说过。……
很明显，稳健指标的敏感度要低于现有的指标。R立方指标虽然对首尾两个大衰落的去除也很敏感，但敏感度要低于MAR比率。单次衰落的影响被R立方指标的平均化处理缓和了。所有的稳健指标受数据变化的影响都要小于相应的普通指标。假如新的测试没有改变最大衰落，R立方将与RAR一样只有0.4%的变化，而且与普通指标的差距将更富戏剧性，因为MAR的变动幅度将达到5.2%（等于它的分子CAGR的变化幅度），远远大于RAR的0.4%。
我们从第七章的6种基本交易系统的业绩对比中也能看出稳健指标的优越性。请回忆一下，当我们添加了2006年7~11月这5个月的数据后，所有6种系统的表现都显著下降。……
样本的代表性
我们的样本交易和检验结果对未来有多大的代表性是由两大因素决定的：
•市场数量：我们所测试的市场越多，我们就越有可能将市场的各种不同状态包含在内。
•测试时间：时间跨度较长的测试会涵盖更多的市场状态，而且更有可能将具有未来代表性的历史时期包含在内。
我建议你把你能得到的所有数据都测试一遍。买数据花不了太多的钱，但如果你没有经过对多个市场和多个年头的充分测试就盲目地相信一个系统，那你的风险可就大了。假如你的系统第一次碰上某种市场状态就失效了，但这种状态在过去的20年中已经出现过三四次，只不过你并没有检验过它，你不会觉得自己很愚蠢吗？
年轻的交易者特别容易犯这种错误。他们相信他们所看到的状态就是市场整体状态的代表，而往往意识不到市场具有周期性和多变性，经常回归到过去曾经出现过的状态。就像在生活中一样，年轻人往往看不到历史的价值，就因为历史发生在他们出生之前。年轻是好事，但不要太愚蠢——一定要学历史。
还记得吗，在互联网泡沫时代，每个人都是短线高手，每个人都是天才。但当泡沫戛然破裂，曾经大获成功的方法不再有效时，这些天才又有几个能幸存下来？如果他们作过一点测试，他们就会知道他们的方法是以那个黄金时期的特殊市场状态为依托的，因此当这些状态不再存在时，他们会放弃这些方法。也许，他们从一开始就会采用适用于所有状态的稳健方法。
样本规模
样本规模这个概念很简单：你需要一个足够大的样本才能进行有效的统计学推理。样本越小，推理就越粗糙；样本越大，推理就越准确。这方面不存在某个神奇的标准数字，样本就是越大越好，越小越糟。不到20的样本规模会导致严重的偏差；超过100的样本规模更具预测价值；达到数百的样本规模也许对大多数测试来说就够用了。有些公式和方法会明确地规定样本的必要规模，但遗憾的是，这些公式都不是为交易世界中的那些数据设计的，因为交易世界不存在精细而又规律的潜在收益分布曲线（就像图4–3中那种女性身高分布曲线一样）。
不过，真正的挑战并不在于确定样本的必要规模，而在于当你考虑某个并不是经常发挥作用的法则时，你很难评判从过去的数据中得出的推论。因为对这样的法则来说，你没办法得到足够大的样本。以大泡沫濒临破裂时的市场行为为例，你可以想出某些针对这种市场状态的法则，甚至可以检验这些法则，但你不可能收集到作出决策所需要的大样本。在这种情况下，我们必须明白我们的测试结果不具备太大的说服力，因为我们的样本比必要样本小得多。这个问题也存在于前文所说的季节性趋势的分析中。
在你测试一条新法则时，你必须衡量一下这个法则的应用频率。如果一条法则在整个测试期内只有4次生效，那么从统计学上说，你无从判断这条法则是否有用，你所看到的效果很有可能只是随机性的。有个办法可以解决这个问题：你可以设法将这条法则一般化，提高它发挥作用的频率。这样一来，样本规模就会扩大，测试的统计学说服力也就相应地提高了。
有两种常见的做法可能将小样本规模的问题进一步放大：一个是单一市场最优化，一个是系统设计过于复杂。
•单一市场最优化：单独应用在各个市场中的最优化方法更难用足够大的样本进行测试，因为单个市场上的交易机会要少得多。
•过于复杂的系统：复杂的系统有很多法则，有时候很难判断某一条法则发挥作用的频率或程度。因此，如果用过于复杂的系统进行测试，我们更难对测试结果的说服力抱有信心。
出于这些原因，我不建议针对单个市场进行最优化，而且我更喜欢具备统计学意义的简单理念。
……
3.今天你阅读到的有价值信息的自我思考点评感想
读了半天，原来这篇文章的重点在于稳健！这是一个非常重要的概念：系统在设计之初以什么样的性能要求来起步，用什么样的数据进行测试，得到的测试结果怎么来分析和反馈?这些都是我们必须非常清晰明了的。当我在阅读这样的内容时，我内心的自我对话又是一次对于个人交易信念的自省和检察。
样本的代表性，样本的规模。这是在进行之前就需要充分重视的。作者建议“你把你能得到的所有数据都测试一遍。”真是金玉良言！以入市之前是否准备充分，这是一个最的指标。能得到的所有数据都测试一遍，对比系统在这些数据情况下的结果，分析判断在不同时期系统的表现和对于各个参数变化的敏感性，这是一个系统的基本测试工作。只有这样才能够找到系统适用的边界。因为这个边界会因为目标，初始资金等等因素而不同。
2019年终于开始了，新年新气象！在新的一年里，不管市场行情如何，我需要坚持学习，不忘初心，不断进步。也祝楼主和各位坛友万事如意，身体健康！
……
单词挑战第二十五天
disasterstop 灾难性停价 一个用来确定头寸中最坏情形损失的停价指令。
Many bridges which are in service appear certain kinds of defect because of the changes of running condition, improper design and construction, disaster load and environmental function etc, many of them have to stop running because of losing the normal bearing and surpassing ability.
扫码加好友，拉您进群
全部版块
我的主页
收藏
