средние геометрические для значений f

Оптимальное f надо искать следующим образом. Сначала вы должны определиться с методом поиска f. Можно просто перебрать числа от 0 до 1 с определенным шагом (например 0,01), используя итерационный метод, или применить метод параболической интерполяции, описанный в книге «Формулы управления портфелем». Вам следует определить, какое значение f (между 0 и 1) позволит получить наибольшее среднее геометрическое. После того как вы определитесь с методом поиска, следует найти ассоциированное P&L наихудшего случая. В нашем примере это значение P&L, соответствующее -3 стандартным единицам, то

есть -4899,57.

Для того чтобы найти средние геометрические для значений f, которые вы будете перебирать в поиске оптимального, нужно преобразовать каждое значение ассоциированных P&L и вероятность в HPR. Уравнение (3.30) позволяет рассчитать HPR:

>)        HPR=(l + (L/(W/(-f))))AP,

где     L = ассоциированное значение P&L;

W = ассоциированное значение P&L      наихудшего

отрицательное значение);

f= тестируемое значение f;

Р = ассоциированная вероятность.

случая (это всегда

Для f=0,01 найдем ассоциированное HPR при стандартном значении-3. Ассоциированное P&L наихудшего случая составляет -4899,57. Поэтому HPR равно:

HPR = (1  + (-4899,57 / (-4899,57 / (-0,01))))a 0,001349966857  = (1  + (-

4899,57/489957))A 0,001349966857 = (1 + (-0,01))A 0,00139966857 = 0,99A

0,001349966857 = 0,9999864325

После того как мы найдем ассоциированные HPR для тестируемого f (0,01 в нашем примере), можно рассчитать TWR. TWR — это произведение всех HPR для данного значения f:

где    N = общее число равноотстоящих точек данных;

HPR = HPR из уравнения (3.30), соответствующее точке данных i.

Поэтому для нашего тестируемого значения f= 0,01 TWR равно:

TWR = 0,9999864325 * 0,9999819179 * ... * 1,0000152327 = 1,0053555695

Мы можем легко преобразовать TWR в среднее геометрическое, возведя TWR в степень, равную единице, поделенной на сумму всех ассоциированных вероятностей.

где   N == число равноотстоящих точек данных; R = ассоциированная вероятность точки данных i.

Если мы просуммируем значения столбца, который включает 61 ассоциированную вероятность, получим 7,979105. Поэтому среднее геометрическое при f= 0,01 равно:

G = 1,0053555695 a (1/7,979105) = 1,00535555695 A 0,1253273393 = 1,00066963

Мы можем также рассчитать среднюю геометрическую сделку (GAT). Это сумма, которую вы бы заработали в среднем на контракт за сделку, если бы торговали при этом распределении результатов и при данном значении f.

(3.33)      GAT = (G(f)-l)*(W/(-f)),

где   G(f) = среднее геометрическое для данного значения f; W = ассоциированное P&L наихудшего случая.

GAT = (1,00066963 - 1) * (-4899,57 / (-0,01)) = 0,00066963 * 489957 = 328,09

Таким образом, в среднем на контракт можно ожидать выигрыша в 328,09 доллара. Теперь перейдем к следующему значению f, которое должно тестироваться в соответствии с выбранной процедурой поиска оптимального f. В нашем случае мы проверяем значения f от 0 до 1 с шагом 0,01, так что следующим тестируемым значением f будет 0,02. Рассчитаем новый столбец ассоциированных HPR, а также найдем TWR и среднее геометрическое.

Значение f, которое в результате даст наивысшее среднее геометрическое, является оптимальным (для вводных параметров, которые мы использовали). Если бы для данного примера мы продолжили поиск оптимального f, то получили бы f= 0,744 (при расчете оптимального f используется шаг 0,001). Среднее геометрическое в этом случае равно 1,0265. Соответствующая средняя геометрическая сделка составит 174,45 доллара.Следует отметить, что само по себе значение TWR не столь важно.