外匯保險模式研究及設計

作者:互易市場來源:www.change888.com 時間:2019-03-07 14:49:42

金融市場的價格波動並不符合均值回歸,而是具有正反饋效應,這壹點在學術理論上仍有爭議,前者的代錶是尤金·法馬的“隨機漫步理論”,後者的代錶是喬治·索羅斯“反身性理論”。

       壹、策略模型

       1、兩種理論:均值回歸與正反饋效應

       金融市場的價格波動並不符合均值回歸,而是具有正反饋效應,這壹點在學術理論上仍有爭議,前者的代錶是尤金·法馬的“隨機漫步理論”,後者的代錶是喬治·索羅斯“反身性理論”。但在數學模型和實際經驗上,後者得到了很好的印證。

       基於金融市場價格波動特性的“正反饋效應”,其實存在壹種長期來看可以實現資金增長的策略,但這種策略在盈利周期上同樣不具有“均值回歸”特性,因此對於單壹主體,這種策略都不可能應用於實際交易,但不代錶這壹策略完全沒有價值。本節我們僅就這壹策略的有效性和特性進行研究。

       2、基於正反饋的策略

       我們假設以下交易規則,在外匯市場中交易,品種日均波幅R=70點。我們將交易賬戶A固定止盈60%,固定止損50%,既10000美元賬戶盈利6000美元止盈,虧損5000美元止損。以EURUSD為例,既然10000美元A倉,10手,60點止盈,50點止損。這個點數選擇是前期預測值,後面需要根據實際運行中的大數據進修調整。

       很多讀者會自然而然的計算止損和止盈的機率,通常的算法是:

       60點止盈機率:

       1_副本.png

       50點止損機率:

       2.png

       這個算法符合多數人的常識和直覺,但它明顯是錯的。因為這種計算方式的前提是假設了市場是均值回歸的,60點和50點是獨立不具有相關性的,但實際上50點和60點是具有極強相關性的。

       具體而言,在任何壹個點位行情發展到50點的機率是p,而60點的機率是p*(1+r)。其中r就是二者的機率差異,通常的直覺60點止盈機率45.5%和50點止損機率54.5%中,r=20%。但在實際的量化統計中,二者在機率分佈上的機率差異r遠小於20%,特別是在近於日均波幅的情況下,二者的機率差異更小。

       基於以上,賠率和勝率的組合在數學上具有r*(1+r)≥r²,因此存在且壹定存在其策略期望值為正。

       3、策略的風險特性

       風險基於兩個維度,壹是時間,二是空間。

       假設我們隨機在任意點進行交易,並以50點止損,60點止盈,那麽資金曲線將是壹個起伏非常劇烈,並與時間不具相關性,但長期來看具有嚮上傾斜的斜率。也就是說這個賬戶可能長時間處於小區間的盈虧波動中,也可能長時間的處於大幅度的盈利或虧損中,而這兩種情況的時間分佈並不均勻。

       這樣的交易策略對於單壹主體,用於實際交易是沒有意義的。舉個例子,這就如同壹份售價100元保額10萬期限1年的意外險,如果只有壹個人購買這個意外險,除非他能購買1000年,否則對於保險公司是必然虧損的。但是如果有上仟人購買這個意外險,情況就不壹樣了。所以初期需要大量的基礎客戶以及差距不大的保險倉賬戶資金,以滿足達到“大數法則”需要的基礎頻次。

       有人會提出疑問,難道行情不可能只打止損而不打止盈嗎?我們假設這樣的行情存在,而我們討論的是任壹個點位上的機率,則等同於每個點位都有開有多空兩個倉位。

       於是如圖所示,紅色為止損,藍色為止盈,黑色為行情,星號為開倉點。在A點開倉,行情繼續嚮下目標位A的下方止損,過程中在B點開倉,到達A止損後行情反轉不達A止盈,目標B上方止損,過程中在C點開倉,達B止損後行情反轉不達B止盈,如此往復,行情都只達止損而不達止盈,最終行情智能沿著黃色線方嚮不斷收斂,而其外側全是藍色止盈線。

       很顯然,在短期內行情波動可能這樣低於日均波幅的收斂,但多數時間行情不可能處於這種情,因為這種情況市場不符合“正反饋效應”,也明顯不符合實際,我們不多做論述。

       二、風控模型

       1、參與主體與保險賬戶

       基於以上對於策略模型的討論,在明確了其風險特性之後,我們便可以制定出相應的風控機制,既能容納時間、空間兩個維度上的風險機制。

       首先我們要引入眾多的參與主體,以達到在短周期內有足夠到達“大數法則”的參與頻次。

       我們讓參與主體在交易賬戶A進行交易,並讓其匹配壹個保險賬戶B,保險賬戶B的資金是A的50%,即交易賬戶A存入10000美元,保險賬戶B購買5000美元。保險賬戶B的功能是對A倉的虧損進行補償。

       當交易賬戶A盈利60%即6000美元余額達16000美元,保險賬戶B失效,賬戶總盈利16000-10000-5000=1000美元;兩賬戶需要重新按照2:1金額匹配再進行下壹輪交易。

       當交易賬戶A虧損50%即5000美元余額達5000美元,保險賬戶B補償交易賬戶A的虧損,且保險賬戶依然有效;補償後兩賬戶既恢復2:1金額匹配,繼續進行交易直至交易賬戶A盈利。

       於是對於所有參與主體而言,他們有可能損失時間,但不存在空間損失。

       2、管理主體與風控機制

       基於以上保險機制,參與主體壹定盈利,而我們作為管理主體則要確保保險賬戶的匯總保險池資金能夠沈澱,我們採用兩個風控機制。

       壹是投資金額限制,既以勝率為階梯放寬投資金額限制,對應就是限制了購買保險的金額。

       二是投資時間顯示,既以勝率為標準提高保險賬戶的理賠速度,對應的就是勝率越低的主體,保險賬戶理賠速度越慢。

       這兩條機制將能很大程度上以確保在壹定時間周期內保險池的均衡,讓保險倉資金流如下圖所示。

       管理主體的主要任務就是合理的優化和運行著兩個風控機制,其中最主要的是第二個機制。第二個機制中的理賠速度不是絕對恆定的,而應該以保險池壹定周期內的流入流出做靈活調整。

       我們知道在眾多參與主體的交易過程中,單位周期T內的勝率P是壹個動態變動數值。我們假設保險池均衡的勝率均衡點是勝率p。

       在勝率大於p,保險池現金流為正的時候,管理主體對保險池進行節流沈澱。

       在勝率小於p,保險主體通過調整對參與主體保險賬戶補償的時間,讓保險池現金流回到可容忍流出速度。

       實際上,通過這種流入流出速度的控制,能夠有效的達到穩定的正現金流。而足夠數量的參與者和參與頻次保證了單位時間內的勝率最大程度的符合“大數法則”。

       三、總結

       這樣壹個模式,其實就是運用了壹個在數學上可以驗證得了的交易模型,然後以資金盤的方式完成風險控制,管理主體讓參與主體在保險池內完成時間和空間的相互交換,而達到高勝率參與主體與低勝率參與主體之間的二者共贏,以及參與主體與管理主體之間的二者共贏。

       它是金融量化和社會專案的完美結合,其本質上並既不是經紀商也不是資金盤,而可以視為壹種另類投資基金,其長期成功是壹個偉大實踐的成功。

(互易市場:www.change888.com)

註冊/登錄代表您已同意《客戶協議書》
  • 掃描下載MT4

  • 掃描下載APP

互易市場快訊-change888.com