当前位置：
＞＞＞周一证券交易市场开盘时，某支股票的开盘价为18.18元，收盘时下..
周一证券交易市场开盘时，某支股票的开盘价为18.18元，收盘时下跌了2.11元；周二到周五开盘时的价格与前一天收盘价相比的涨跌情况及当天的收盘价与开盘价的涨跌情况如下表： 单位：元
&当日收盘价
试在表中填写周二到周五该股票的收盘价。
题型：解答题难度：中档来源：专项题
马上分享给同学
据魔方格专家权威分析，试题“周一证券交易市场开盘时，某支股票的开盘价为18.18元，收盘时下..”主要考查你对&&有理数的加减混合运算&&等考点的理解。关于这些考点的“档案”如下：
现在没空？点击收藏，以后再看。
因为篇幅有限，只列出部分考点，详细请访问。
有理数的加减混合运算
有理数的加减运算顺序：同级运算从左往右（从左往右算）异级运算先二后一（先算二级运算，再算一级运算，×、 ÷为二级，+、 -为一级）有括号的先里后外（先算括号里的，再算括号外的）有理数加减混合运算的步骤：（1）把减法转化为加法，写成省略加号和括号的形式；（2）应用加法的交换律与结合律，简化运算；（3）求出结果。 有理数加减混合运算：有理数加法运算总是涉及两个方面：一方面是确定结果的符号，另一方面是求结果的绝对值。法则：（一）同号两数相加，取相同的符号，并把绝对值相加。（二）异号两数相加，绝对值相等时和为0，绝对值不等时，取绝对值较大数的符号，并用较大的绝对值减去较小的绝对值。（三）一个数同0相加，仍得这个数。步骤：①减法化加法②省略加号和括号③运用加法法则，加法运算律进行简便运算。
有理数减法法则：减去一个数，等于加上这个数的相反数。注：在运用减法法则时，注意两个符号的变化，一是运算符号，减号变成加号，二是性质符号，减数变成它的相反数。有理数的加减混合运算加减混合运算可以通过减法法则，将减法化加法，统一为加法运算。
发现相似题
与“周一证券交易市场开盘时，某支股票的开盘价为18.18元，收盘时下..”考查相似的试题有：
537530219281505810929775541368546811&p&阴跌复大跌，跌跌几时休？壳股皆如此，不如茅台酒。&/p&&p&对于坚守壳股，苦待重组的股民来说，今天又是难熬的一天。随着大盘的大跌，壳股开始摆脱阴跌状态，进入破位走势，一时半会估计是收不回来了。&/p&&br&&p&“浙江资本圈”此前已经多次发文指出，壳股的时代已经过去了，如今借壳、重组的难度越来越大，IPO越来越快，估值越来越低，壳股存在的价值就更小了。&/p&&p&从去年底以来，各种借壳、类借壳的政策开始收紧，以前壳股那些花里胡哨的玩法，渐渐行不通了。&/p&&p&去年上半年，杠杆资金红了眼拼命进军股权转让，估值达到100亿，上演最后一波疯狂。现在想问一句，山顶的风冷么？&/p&&p&过完年之后，IPO提速已成定局，市场对于此事已经充分地接受。360、万达商业、药明康德，这些牛逼的中概股公司纷纷转身排队IPO，更是一个相当明确的信号。&/p&&p&在这种情况下，壳股开始了阴跌，一些长年资金也开始撤离。最近两个月，在阴跌一阵之后，股价开始走平，形态也慢慢修复。&/p&&p&但是最近几天，壳股终于扛不住了，开始破位加速下行。究其原因，一是前段时间横盘整理，积累了下跌动能；二是360排队IPO信号传出，借壳市场没有了盼头。&/p&&br&&p&最近不少粉丝跟“浙江资本圈”辩论，认为360虽然变更为股份有限公司，接受华泰联合证券上市辅导，但并不意味着就不能借壳。&/p&&p&当然，上述论点是有道理的。但放到当前市场环境下，一边是明显鼓励，一边是不支持；IPO速度快，还能再融资；借壳加审批时间也要一年多，再融资规模很小，借壳还要摊薄很多权益。换作你，会怎么选择？&/p&&p&这就跟当前房地产市场一样。政策已经明确限制炒房，风向标已经明显转向，你还挖空心思弄钱往里冲，回头套牢了，勿谓言之不预也。&/p&&br&&p&当然，以前或许有跟政策反着来才能赚大钱的结论，但这也要看点位。低位劝你割肉的是傻瓜，高位敲警钟的，简直是功德无量。&/p&&p&按照历史学家唐德刚的说法，现在A股市场也是在穿越“历史三峡”，形势比人强，对于大是大非问题还是要有清晰认知的。&/p&&p&壳股往往30-50亿市值，没有业绩支撑，未来依靠自身转型难度也大。没有了重组预期，估值如何撑得住？现在不少次新股，市值也就50来亿，好歹他们还是有正经业务、有成长性、无历史包袱。相比之下，壳股的吸引力当然大打折扣。&/p&&p&“浙江资本圈”牺牲了中午吃面的时间，絮絮叨叨说了这么多，核心观点是，壳股在可以预见的一段长时间内，是没有什么大机会的。当然不排除资金在长时间阴跌后，拉几个涨停自救，但值博率都挺低。&/p&&p&正确的做法是，撤离壳股，潜伏政策长时间鼓励的；业绩成长有保障的；估值不高的……至于大盘，在这个位置不用太担心，关键是拿一些靠谱的股票，给时间以耐心，给岁月以沉淀。&/p&&p&更多优质原创内容，请关注微信公众号“浙江资本圈”。&/p&
阴跌复大跌，跌跌几时休？壳股皆如此，不如茅台酒。对于坚守壳股，苦待重组的股民来说，今天又是难熬的一天。随着大盘的大跌，壳股开始摆脱阴跌状态，进入破位走势，一时半会估计是收不回来了。 “浙江资本圈”此前已经多次发文指出，壳股的时代已经过去了…
&img src=&/v2-a13d9b76a_b.png& data-rawwidth=&600& data-rawheight=&258& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/v2-a13d9b76a_r.png&&本来是想先写实业公司如何靠期权规避原材料，产品，外汇风险的，但是这个投机的机会实在难得，机不可失，失不再来。我自己也有按照下面的建议建仓，但是以下所属并不构成投资投机建议，仅做为学习思路参考，交易未知风险巨大，切勿模仿，后果自负。&br&&br&不知有多少人有伦敦交易员的这篇&a href=&/p/?group_id=067328& class=&internal&&一个50%收益率的美股'套利'机会 - 知乎专栏&/a&， 没有看过的一定要先仔细阅读理解后，再继续阅读本文。本人十分同意伦敦交易员的逻辑和分析，这里不做重复陈述，也认为最终并购的机率大于50%。&br&&br&已知的几个信息为 &br&&ul&&li&RAD的售价很有可能在6.5-7 美金之间&br&&/li&&li&是否并购要在7月31号之前公告 &br&&/li&&li&瑞士信贷（credit swiss）调低了RAD的盈利预期&br&&/li&&/ul&&p&后两项的解读是，并购有可能发生在7月31号之前的任何一个时间， 我猜测WBA和RAD都希望尽早完成并公布合并成功，所以在选择哪个到期日的期权的时候要斟酌一下。RAD的盈利预期被降低后，如果合并不成功，那RAD股价会有不小的跌幅，所以在做期权组合的时候也要考虑到RAD暴跌的可能性。&/p&&p&写稿时的RAD的价格在4.6 美金左右，如果购买股票且最终两公司合并成功有接近50%的收益，而如果合并失败，我也不认为RAD的股票会跌50%，一是因为WBA会有给RAD巨额赔偿，二是下跌幅度大的话会再次是其成为被收购的目标，可能会对其资产进行更多的剥离来避开垄断的局面，也就是说但从股票收益的比例来说，购买股票已经是个胜率较高的交易。于是我开始在4.6美金左右开始建仓。&/p&&p&RAD是有weekly option的，即每周到期的期权，但是流动性不高，所以我选择每月到期的期权来建仓，因为流动性更好，可能拿到更好的价格。4月21号到期的期权流动性还算可以，RAD 5美金的行权价格的call的价格在0.20 左右，5.5美金的在0.11 左右。 由于现在左右RAD股票价格的最大因素为合并是否成功，所以我不认为在4月21号之前 RAD涨到5美金以上的可能性很大，所以决定卖出5美金的行权价格的call。美股期权的合约大小为100，也就是卖出1个0.20 美金的call，最终的最大收益为 0.2 x 100 = 20 美金。合约大小100的意思是如果你的对手盘决定行权1个合约，那么你要在5美金的价位卖给他100股RAD的股票。这里我卖了和股票相同数量的call，也就是如果我买10000股RAD股票，等同数量的call 卖了100个合约。这笔交易的原因是如果4月21号之前没有合并的消息，而且RAD股票价位在5美金以下的话，我可以赚到卖掉的call的权利金 (option premium). 以10000股为例， 100 合约 x 0.2 x 100 = 2000美金。如果在4月21日前合并成功，那么我的最大收益为 10000 x (5-4.6) + 10 x 0.2 x 100 = 6000 美金。不是最理想的情况，但是这是10000股，对于 46000美金20天的收益来说还是可以很客观的。&/p&&p&卖出了4月的call之后，期权的组合才刚刚开始，在查看了5月19号和7月21号到期的期权后，我决定买入5月19号的5.5 美金行权价格的call，价格为0.25以下，卖出7月21号的6美元行权价格的call，价格在0.25左右。这个组合的考虑是，如果合并发生在4月21和5月19号之间，那么除了股票的收益外，我还能拿到这个期权组合提供的额外收益。假设合并价格为6.5， 那么5月19号到期的call 提供的收益为，以100个合约数为例 （6.5 - 5.5 - 0.25 ）x100 x 100 = 7500 美金， 而7月21号到期的损失为 （6.5 - 6 - 0.25）x 100 x 100 = 2500. 这个组合的总收益为 7500 - 2500 = 5000 美金。这个组合的另一个好处是，如果5月19号之前宣布合并破裂，股价大跌后，我并不损失任何期权权利金，因为这个组合的总支出几乎为零。&/p&&p&这仅是以合并成功的前提下搭建的组合，那么前面提到的合并不成功的风险怎么办呢？如果在4月21号之前宣布合并不成功，股价跌倒3美金 ，那么唯一填补股票的亏损就是卖掉的call。如果4月21号之后呢？4月21号之后的股价如果还在5美金以下，我会继续卖5美金行权价格的call，如果5月19号之前宣布合并不成功，那么除了4月份已经赚到的期权权利金外，我也赚到了5月的权利金，那么股票的实际亏损就大大减少了。而且我还按照2比0.5比0.5的比例卖出5月19号到期的行权价格价格为4美金的put，价格在0.3 美金以上，买入7月21号到期的行权价格4美金的put，价格在0.6美金左右和买入7月21号到期的行权价格3.5美金的put，价格在0.4美金左右。看了价格和比例，加上前面call的思路，也许你想到了这个组合的用意。如果5月19号之前合并成功，这三笔put都作废为零，但我会赚一点（0.3x2 - 0.4x0.5 - 0.6x0.5) x 100 x 100 = 1000美金，如果5月19号之后，7月21号之前宣布合并不成功，那么5月的合约已经过期，我已经收到了所有的权利金，相当于7月份的put我没有花钱买，这个put能提供的收益应该可以轻松超过股票带来的亏损。 如果5月19号之前宣布合并失败，那么除了股票的亏损意外，我有赚到4月和5月call的权利金， 而卖掉的5月的put会增加一部分亏损，但是又会被7月的put的收益补偿一部分。合并失败后的股价会决定我整个期权的收益／亏损，但大概率是这些组合是可以盈利的。&/p&&br&&p&为什么跳过了6月到期的期权？因为还没有，4月的期权过期后，6月才会出来，不要问我为什么，交易所的规则。 所以6月份的期权出来之后我会根据当时股票的价格和期权的价格来做组合。&/p&&p&按照目前的组合和时间来看，最最理想的情况是，7月之前股票价格维持在5美金以下，那么我就拿到了4月，5月，6月行权价格5美金的call的权利金，按之前的10000股来算，可以拿到美金左右。而且5月期权过期后我继续买6月5.5行权价格的call，也许那时候的价格在0.35左右。合并的消息在6月到期之前，那么6月7月的组合可以拿到4千美金左右的收益。股票同时也能拿到近2万美金的收益。比较不理想的情况就是4月21日之前公布合并，收益为6千美金。 &/p&&p&那么最坏的情况是什么？ 4月21号之前宣布合并失败，并且股价跌至3美金以下，这个情况我只拿到一个月份的权利金，而卖掉的5月份的put会造成的损失会大于买的7月份put的收益，因为这个组合的比例是2:0.5:0.5，也就是5月份合约亏两份的钱，而7月只赚了一份的钱。介于即使合并失败，股价跌至3美金以下的可能性很小，而且4月21号之前宣布的可能性也不大，这是个我愿意接受的风险。当4月期权过期后，再根据6月期权的价位和流动性进行组合配置。&/p&&p&这里已经涉及到了covered call，即买入股票，卖出高价位的虚值期权，calendar diagonal spread 跨期对角线差价组合，还有 calendar ratio spread。之所以这么复杂的原因是合并公布时间的不确定性造成的，希望用组合尽可能多的获取利润和降低风险，其他大多时候的投机要简单许多，比如美国大选，英国公投，公司财报，美联署加息，因为时间点确定了，算的就是预期收益和投机的成本的比例。&/p&&br&&p&*发稿时RAD股价为4.5美金，期权价格稍有变动&/p&
本来是想先写实业公司如何靠期权规避原材料，产品，外汇风险的，但是这个投机的机会实在难得，机不可失，失不再来。我自己也有按照下面的建议建仓，但是以下所属并不构成投资投机建议，仅做为学习思路参考，交易未知风险巨大，切勿模仿，后果自负。 不知有…
&p&都说“上有政策，下有对策”。但在类借壳这个问题上，监管层下了狠心。&/p&&p&“浙江资本圈”仔细研读了上周五的证监会新闻发布会，接收到了一个相当明确的信号。总结一句话就是：&strong&跨界类借壳，此路不通！&/strong&&/p&&p&今天，“浙江资本圈”给大伙提炼一下政策潜台词。&/p&&p&&strong&1）花样类借壳，别玩了！&/strong&&/p&&p&证监会新闻发言人原话如此：“由于是否构成重组上市，在政策上有较大差异，部分上市公司或交易对象规避的动机更为突出。最近在并购重组中出现了一些新现象，&strong&有的突击打散标的资产股权，有的刻意把大量表决权委托给他人，还有的通过定向锁价配套融资，来规避实际控制人变更的认定，进而逃避重组上市监管&/strong&。对于此类情形，我会依规认定其构成重组上市，目前，已有9单此类项目终止了重组。”&/p&&p&“浙江资本圈”此前解剖了大量此类案例。总结起来，打擦边球的花样武器就是那么几件：&/p&&p&1，突击入股标的资产，稀释股份比例。&/p&&p&2，通过表决权委托，增强控股阵营的控制力，保障不易主。&/p&&p&3，控股方参与配套融资，加固控股权。&/p&&p&4，出具承诺函，控股方承诺几年内不卖壳，交易方承诺不谋求控股权。&/p&&p&在此之前，确有闯关成功的案例。譬如，今年1月17日，金石东方作价21亿元收购亚洲制药的跨界重组，获得并购重组委无条件通过。&/p&&p&作为不允许借壳的创业板公司，金石东方重组的最大拦路虎就是借壳嫌疑。但最终，金石东方搬出了控股股东参与配融、放弃表决权、不谋求控股承诺等招数护航，顺利闯关。&/p&&p&但结合证监会的最新表态，“浙江资本圈”认为，这样的案例估计将成为绝唱了！&/p&&p&近期重组终止的江泉实业、四通股份、宁波富邦等方案皆属这种擦边球案例。比如，江泉实业的重组方案中，拟收购的瑞福锂业存在突击入股稀释股权的情形，公司实控人杉杉系则意图通过配套融资来规避实控人变更。&/p&&p&这其中，有些是深市公司，有些是沪市公司……&/p&&p&&strong&2）“三方交易”跨界，一边去！&/strong&&/p&&p&新闻发言人原话如此：前段时间有4家涉及控制权变更且注入资产的重组方案相继被并购重组委否决。这些方案的共同特征是，&strong&向一方转让上市公司控制权，同时或随即向非关联的其他方“跨界”购买大体量资产，新购买的资产与原主业明显不属于同行业或上下游。&/strong&&/p&&p&由此，上市公司在很短时间内不仅变更了实际控制人，还对原主业作了重大调整，在控制权稳定、持续经营能力等方面存在重大不确定性，比典型的重组上市更复杂多变，需要从严监管。&/p&&p&如果猜的没错，“浙江资本圈”此前解剖的金刚玻璃、南通锻压、方大化工、申科股份，正是被提及的这4家。&/p&&p&这些个重组方案，就是典型的“三方交易”。&/p&&p&注意！这也是重组新规之后，证监会首次对“三方交易”模式进行阐释及定调。这个民间提炼的词汇，终于得到了官方层面的回应。&/p&&p&“浙江资本圈”细读这段话，至少包含两层意思。&strong&1，跨界型的“三方交易”，不鼓励，不要玩。2，从易主和重组的间隔期看，“同时或随即”更容易被认为是一揽子的“三方交易”方案。&/strong&&/p&&p&那么，“三方交易”是不是完全死路一条呢？也不见得。&/p&&p&“浙江资本圈”认为，监管层的表态显示出对“跨界”重组的不认可，但归根究底，加强监管要抑制的是短期套利行为，鼓励长期性的、同业或上下游的产业并购。&/p&&p&“三方交易”如果能在控股权稳定、并购方向、持续经营能力等方面进行合规性把控，仍然存在成功突围的机会。一言以蔽之，好好经营公司，别老想着投机套利割韭菜。&/p&&p&&strong&3）并购重组，要玩实在的！&/strong&&/p&&p&现在，监管环境已经很清晰了，花样的重组不要玩。&/p&&p&那么，悬念也来了。二次申报的方大化工、南通锻压的“三方交易”重组，虽然在控股权稳定方面做出诸多调整，但“跨界”标识依旧，能否获得并购重组委放行？&/p&&p&另外，具有“三方交易”特征、仍未复牌的三爱富，又是否能获得监管部门的“通行证”？&/p&&p&呵呵，悬。“浙江资本圈”曰：创新式重组就是辣么残酷！早起的鸟儿有虫吃，晚到的鸟儿被猎食！&/p&&p&时光倒回2015年6月。升华拜克还在停牌筹划重组期间，私募大佬沈培今受让15%的股份成为控股股东，并随后主导了跨界重组，作价16亿元收购无关联的网游公司炎龙科技100%股权，并向沈培今独家发行股票，配套募资约15亿元。&/p&&p&十分典型的“三方交易”。结果，第一次上会，被否了。2016年5月，二度上会获放行。虽然公司直到不久前才拿到了批文，但沈老板毕竟是搭上了末班车的幸运儿。&/p&&p&但2016年6月，重组新规征求意见稿发布后，再没有突围的“三方交易”案例了。新华龙也想搞“三方交易”模式，但依然难产。&/p&&br&&p&公司3月28日晚间公告，此前拟收购两家手游公司及一家媒体广告经营公司的股权，但由于近期市场环境变化使得交易各方对重要条款的理解产生较大差异，经研究，决定终止上述交易。&/p&&p&“浙江资本圈”忠告大家，现今的并购重组市场，已经不是玩家的天堂了。必须是有料、接地气的产业并购，才能获得监管层认可。投射到A股市场，重组股的投资逻辑将发生深刻变化，价值投资的趋势已经日渐清晰。&/p&&p&好朋友，擦干泪水，洗洗手，准备重新出发！当你踏上月台，从此一个人走，请不要随便翻铁轨。&/p&&p&更多优质原创内容，请关注微信公众号“浙江资本圈”。&/p&
都说“上有政策，下有对策”。但在类借壳这个问题上，监管层下了狠心。“浙江资本圈”仔细研读了上周五的证监会新闻发布会，接收到了一个相当明确的信号。总结一句话就是：跨界类借壳，此路不通！今天，“浙江资本圈”给大伙提炼一下政策潜台词。1）花样类…
&img src=&/v2-edbd6af1f3b6_b.jpg& data-rawwidth=&330& data-rawheight=&220& class=&content_image& width=&330&&&p&日，在平安入主家化不过4月之后，任职28年的董事长&b&葛文耀&/b&正式请辞。上海家化（SH.600315）当日前复权收盘价&b&51.61&/b&。当年9月18日，家化跌停收盘。日，伴随大盘冲上5170+，上海家化当日前复权最高价&b&51.61&/b&。真是个历史的玩笑。&img src=&/v2-dad5cc27ea2e3faadf6d171_b.png& data-rawwidth=&636& data-rawheight=&375& class=&origin_image zh-lightbox-thumb& width=&636& data-original=&/v2-dad5cc27ea2e3faadf6d171_r.png&&&/p&&p&关于老葛的这段往事我们按住不表，自有股价评述。老葛走后，职业经理人谢文坚走马上任，老谢在2016双十一&b&壕掷亿元&/b&拿下天猫独家冠名，然而这并没有拯救他的职业生涯，老谢于日&b&离职&/b&。2016Q4当季，家化&b&亏损2亿元&/b&。2016年,上海家化全年实现53.21亿元营业收入,同比&b&下降&/b&&b&8.98%&/b&。营业利润同比&b&下降89.39%&/b&。其中归属于母公司所有者的净利润 2.16亿元,同比&b&下降90.23%&/b&,归属于上市公司股东的扣除非经常性损益的净利润较上一年减少74.94%。几乎是临危受命，日，上海家化公告称&b&张东方&/b&当选上海家化新一任董事长。&/p&&img src=&/v2-5fc5db95bde9bab2e4f6950_b.png& data-rawwidth=&694& data-rawheight=&439& class=&origin_image zh-lightbox-thumb& width=&694& data-original=&/v2-5fc5db95bde9bab2e4f6950_r.png&&&p&日，中国平安发布靓丽财报的这一天，上海家化“2017品牌盛典”在上海隆重举行。擅长卖医疗器械的&b&谢文坚&/b&走了，卖得一手好卫生纸的&b&张东方&/b&首次亮相。上海家化——这个曾经中国最赚钱的家化企业，能否在她的带领下重返往日荣光？&br&&/p&&img src=&/v2-84aabde484ce6a04f735d7e4da61480b_b.png& data-rawwidth=&630& data-rawheight=&417& class=&origin_image zh-lightbox-thumb& width=&630& data-original=&/v2-84aabde484ce6a04f735d7e4da61480b_r.png&&&p&（不提16年业绩的张东方）&/p&&br&&p&2010年至2015年，维达在张东方的带领下销售收入增长数倍，尤其在2015年上半年，维达大力发展了电商渠道，电商渠道占比达到了9.8%，而在2016年的年报里，维达的电商占比达到了18%，可见电商渠道的占比的增速很大程度上反应了日化用品销售的趋势。&br&&/p&&br&&p&那么上海家化的电商销售如何呢？我们使用&b&黑科技&/b&拿到了上海家化旗下九个天猫旗舰店的销售数据。从天猫旗舰店销售数据来看，上海家化旗下所有品牌过去一年的天猫总销售额是6.6亿左右。上海家化的日化产品去年总销售额约为52.8亿，天猫销售额占比&b&12.5%&/b&，如果加上非旗舰店以及如京东等其他平台的销售，这个占比应该更高。&img src=&/v2-522b263ff90733dfc727d340540fca35_b.jpg& data-rawwidth=&640& data-rawheight=&323& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/v2-522b263ff90733dfc727d340540fca35_r.jpg&&&img src=&/v2-5b9fca2ecbfb_b.jpg& data-rawwidth=&221& data-rawheight=&162& class=&content_image& width=&221&&&/p&&p&（上海家化旗下品牌2016年3月到2017年3月天猫销售数据(无佰草集、高夫)）&br&&/p&&br&&p&此前，葛文耀曾提出三大超级单品策略，推行“3大超级品牌”，重点打造&b&六神、佰草集、美加净。&/b&谢文坚上任后，市场重点由“3大超级品牌”调整为“5＋1”，即着力发展两大超级品牌&b&六神和佰草集&/b&，两大主品牌&b&美加净与高夫&/b&，一个新品牌启初，外加一个差异化探索品牌&b&家安&/b&。&/p&&br&&p&张东方做的品牌战略解读，闭口不谈此前的“5+1”战略，更多地是梳理了家化旗下&b&十大品牌&/b&组合，试图打造一个合纵连横的阵列。然而，十大品牌的天猫销售差异极大。&/p&&img src=&/v2-b2cb69bfeaebb5_b.jpg& data-rawwidth=&640& data-rawheight=&328& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/v2-b2cb69bfeaebb5_r.jpg&&&br&&img src=&/v2-efb12bb144d9af648f399f_b.jpg& data-rawwidth=&225& data-rawheight=&210& class=&content_image& width=&225&&&p&（佰草集和高夫把其他品牌碾压成直线）&/p&&br&&p&不得不说，虽然谢文坚花了一个亿打广告，但11月&b&佰草集&/b&官方旗舰店就卖了&b&1.8亿&/b&，男士品牌&b&高夫&/b&也录得&b&5500万&/b&的销售额。这个数字有多厉害呢？我们拿了今天刚刚打开涨停的&b&拉芳家化&/b&做一个对比，16年3月到17年3月，拉芳家化天猫旗舰店累计销售额不到&b&4900万&/b&。仅仅从线上渠道来看，一个上海家化顶十个拉芳家化。&img src=&/v2-1ed48be9f675_b.jpg& data-rawwidth=&800& data-rawheight=&344& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&/v2-1ed48be9f675_r.jpg&&&/p&&p&（双十一不到8百万的拉芳家化）&/p&&br&&p&在天猫旗舰店的销售数据里我们还看到了一个非常惊人的现象，就是佰草集这个品牌的销售额超过剩余品牌的总和，达到&b&3.46亿&/b&，占比超过总销售额的&b&50%&/b&，佰草集对应的品牌定位是高端护肤品牌。&img src=&/v2-cb3e4eb4d9a441fd64c52fb8ca1647c1_b.png& data-rawwidth=&724& data-rawheight=&205& class=&origin_image zh-lightbox-thumb& width=&724& data-original=&/v2-cb3e4eb4d9a441fd64c52fb8ca1647c1_r.png&&&/p&&p&而在护肤类的营业收入比去年&b&下降了6.68%&/b&，但与此同时营业成本却大幅&b&上升27.14%&/b&（马云爸爸或成最大赢家），毛利率同比也&b&下降5.97%&/b&，而在国内的大环境下，尼尔森、中怡康等第三方研究公司的预测和统计显示，在年，护肤品销售额符合年均增长率为&b&7.7%&/b&。令人忧伤的是，家化子公司上海佰草集化妆品有限公司2016净利润为-1.2亿。做为上海家化在电商渠道最强的武器，佰草集似乎没有发挥出应有的力量。&br&&/p&&br&&p&值得一提的是，在这次品牌盛典中，&b&佰草集&/b&作为上海家化倾注最多资源的品牌，今年将迎来首位代言人&b&刘涛&/b&。值得一提的是，刘涛此前向&b&乐视系&/b&投入6000万，成为&b&乐视系&/b&中持股最多的明星合伙人。&/p&&img src=&/v2-8dc4ca02cd2_b.png& data-rawwidth=&1758& data-rawheight=&488& class=&origin_image zh-lightbox-thumb& width=&1758& data-original=&/v2-8dc4ca02cd2_r.png&&&p&（怎么大风越狠，我心越荡）&/p&&br&&p&家化旗下中外合作开发的品牌&b&一花一木&/b&，16年12月刚刚上线天猫旗舰店，目前累计销售额不足&b&50万&/b&。值得一提品牌的是曾被葛文耀寄予厚望的双妹。双妹诞生于清末，1915年在巴拿马世博会上获得金奖，2010年复活，对标雅诗兰黛、兰蔻等高端化妆品牌，不过市场表现不佳，上海家化不久停止对其进行营销投入。最新的盛典活动里，双妹又双叒叕复活了。这一次，她能承接高端彩妆类的需求吗？（小编：她到底叫双妹还是叫双姝啊）&img src=&/v2-4ebc36c735282cee3e22e4_b.png& data-rawwidth=&437& data-rawheight=&249& class=&origin_image zh-lightbox-thumb& width=&437& data-original=&/v2-4ebc36c735282cee3e22e4_r.png&&&/p&&p&除了以上这些品牌，有着119年历史的上海家化还曾经诞生过露美、恒妍、清妃、珂珂、舒欣、飘洒、Distance等品牌。可以说，上海家化的身后，满是家族的累累白骨。&/p&&br&&p&&b&最后，神秘的东方力量，到底能不能挽救上海家化呢？&/b&让我们看看服务家化接近30年的&b&葛文耀&/b&是如何评价她和前任谢文坚的？&br&&/p&&br&&p&&b&评价&/b&&b&谢文坚&/b&：&/p&&p&“三年，净利润从近10亿下降到可能亏损，经营性现金流从十几亿到负，上市公司和集团都面临亏损，謝文坚是不是掏空了家化，证监会刘士余主席讲话后，应该立即立案调查謝文坚！”&/p&&br&&p&&b&评价张东方&/b&：&br&&/p&&p&“张东方到家化后，思路清晰，一身正气，她与謝完全是俩类人。只是她接手的家化问题很多，无论什么情况，我不会对她说三道四！祝愿张东方能拯救家化！”&/p&&br&&p&最后，祝愿家化这个我国为数不多的百年品牌可以走得更远！&/p&
日，在平安入主家化不过4月之后，任职28年的董事长葛文耀正式请辞。上海家化（SH.600315）当日前复权收盘价51.61。当年9月18日，家化跌停收盘。日，伴随大盘冲上5170+，上海家化当日前复权最高价51.61。真是个历史的玩笑。关于老葛的…
曾经为某软件提供资金流的算法，所以相对来说比较清楚这个东西&br&&br&先说历史：&br&资金流这个东西其实很早就有了，只不过不被大家所重视。后来交易所为了挣钱推出了topview数据。这个是真正的底牌，最早搞的是指南针，但是卖的最好的是大智慧。后来传言基金的反对，所以取消了相关数据的出售，这个时候因为资金流已经深入人心，大智慧就搞了superview资金流，借着topview的名义，后来其他公司也纷拥而上（挣钱啊）所以形成了资金流这样一个概念。&br&在这里贴一张当时topview的截图（从电脑中好不容易翻出来）&br&&img data-rawheight=&780& data-rawwidth=&1024& src=&/0e73fcbbe838bf3e6c10df_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&/0e73fcbbe838bf3e6c10df_r.jpg&&这里买入卖出是真正的席位号，对应机构的席位或者营业部。可以看到不同的统计，这个也是后来被KO的原因，因为你露底牌了。上面的散户、中户、大户、超大后面就被资金流所引用了。当时这个数据是准确地持仓数据，因为是交易所给出的。同样还有旁边的个人、法人、机构户其实对应自然人、法人户和机构三种不同的账号类型，现在证监会的很多统计也是这个口径发布的。比如最新的这个新闻（11月24日至12月4日，各类专业机构投资者合计净买入309亿元，一般法人机构净卖出1252亿元，自然人投资者净买入659亿元，特别是持有A股市
值在10万元以下的个人投资者净买入更多，沪股通投资者净买入284亿元。）。&br&&br&下面回归正题说资金流，资金流当时是topview被取消以后金融信息服务商出来的一个替代品。之前有回答提到的价格上涨算流入、下跌算流出这种，其实就是大家看到的内外盘，这种算法其实问题很大，这里就不展开说了。重点还是回答资金流的算法上面。&br&&br&其实很多答主已经说了，&b&股票本质上有人买就有人卖（不考虑手续费），而且金额是一样的。所以没有所谓的净流入或者净流出之说！&/b&因此，凡是看到说什么净买或者净卖，或者资金流入XX流出XX的都是概念都没有搞清楚的家伙。那么为什么还有净买和净卖呢？关键是特征群体的定义。因为整体上是0，但是到不同特征群体的就不是0了。还是拿证监会的那个新闻稿为例子，仔细算一下就知道了309+659+284=1252，买入正好等于卖出。但是放到不同的特征群体下就不是0了，他的例子就告诉你法人机构在净卖出，其他三类在净买入。买入相加等于卖出。&br&&br&大家常用的资金流也是这样，他背后也是有身份定义，就是大家看到的大单、中单、小单或者散户、中户、大户、超大户之类的。如何计算呢？答案是利用行情数据。&br&举例来说，一笔成交，通过Level2的数据和一定的算法（具体不展开）可以看到他成交的时候挂单情况是如何的。比如说成交了1000股，买的人原来挂单了100万股，卖的人只挂了1000股成交了。因为100万股记为大单，1000股是小单。所以这笔交易就记为了大单买入，小单卖出。依次类推，所有的每一笔交易的买卖双方都可以如此定义。一共会有6个角色：大单买入、大单卖出、中单买入、中单卖出、小单买入、小单卖出。然后大单净买入=大单买入-大单卖出。依次类推其他的净买入。这样其实所有的三个净买入求和也应该是0。&br&至于散户、中户、大户、超大户的定义因为你看不到挂单的人实际的情况，只能认为挂大单的是大户，至于有些软件里面说是机构之类的，我只能呵呵了。&br&&br&资金流算法的问题，通过上面的解释你就可以看到其实大中小单的定义是相对科学的，但是如果用身份定义其实是不科学的。其次是因为如果真的需要，单笔的大单可以拆为小单买卖，所以很多时候你也不可能真正看到大机构的动向。最后因为Level2数据判断挂单有一定的算法在里面，不同的软件公司的算法不尽相同，标准也不同，因此大家的结果也是不一样的，甚至打架的情况都有。&br&&br&至于有没有效就看个人的用法了，但是了解背后的东西会对如何使用有一些帮助，这也是我对数据的一贯的看法。以上内容仅供参考，还是那句话：&b&股市有风险，入市须谨慎！&/b&
曾经为某软件提供资金流的算法，所以相对来说比较清楚这个东西 先说历史： 资金流这个东西其实很早就有了，只不过不被大家所重视。后来交易所为了挣钱推出了topview数据。这个是真正的底牌，最早搞的是指南针，但是卖的最好的是大智慧。后来传言基金的反对…
&p&事件驱动策略国内外的运用是不一样的。&/p&&p&事件驱动策略在国外的对冲基金行业中应用较为广泛，是主流投资策略之一，投资对象一般为发生特定事件的公司。按照关注事件的不同，事件驱动策略可以分为以下四类：并购套利，即投资于收购要约的目标公司，从投资价格和收购要约价格的差价中获利；困境证券投资，以低价买入陷入财务困境的公司的债券，在未来公司清算或以债转股等形式进行重整时获利；重组投资，即投资于宣布资产负债表将发生重大变动（出售主要资产、剥离部分业务、分立等）的公司证券；特殊情况投资，包括管理层变动、未决诉讼、资本结构套利 （在同一公司的不同等级证券上建立相反头寸）等。 &/p&&p&国内的事件驱动策略中包括的常用重大事件有：业绩预告、业绩快报、分红送转、大股东增减持、高管增减持、定向增发、限售股解禁、股权激励、重组并购、ST摘和评级上调等，如下图所示。 &/p&&br&&img src=&/v2-af35ae0c449_b.png& data-rawwidth=&488& data-rawheight=&530& class=&origin_image zh-lightbox-thumb& width=&488& data-original=&/v2-af35ae0c449_r.png&&&br&&p&可以看出，目前市场经过验证有效的事件已经不少，涵盖了影响股票价格的多个方面。事件驱动策略由于其策略逻辑的独特性，因此与其他常规股票策略相关性很低，再加上事件众多，资金容量大这一特点，使得事件驱动策略成为国内对冲基金非常大类的投资策略。 &/p&&p&关于事件驱动策略在国内能否行得通的回答可以参考各个券商的研报，有一定的指导性，结论就是行得通的。&/p&&p&事件驱动策略的验证测试需要具有全面的事件数据和快速准确的回测平台。&/p&
事件驱动策略国内外的运用是不一样的。事件驱动策略在国外的对冲基金行业中应用较为广泛，是主流投资策略之一，投资对象一般为发生特定事件的公司。按照关注事件的不同，事件驱动策略可以分为以下四类：并购套利，即投资于收购要约的目标公司，从投资价格和…
一个常见的策略就是买入一篮子有正阿尔法的资产，卖空一篮子负阿尔法的资产，然后持有一段时间，这个资产组合即可以对冲系统性风险，甚至只需要很少的初始成本来构建，因为卖空的资产提供了买入另一端的资产的资金。&p&为此，研究员首先确定一个定价模型，在实践中一般使用多因子定价模型，形式如：&/p&&img src=&/equation?tex=r_%7Bit%7D+%3D+%5Cbeta%5E%5Cprime+f_t%5Cquad+i+%3D+1%2C%5Cdots%2C+N%3B+t+%3D+1%2C%5Cdots%2CT& alt=&r_{it} = \beta^\prime f_t\quad i = 1,\dots, N; t = 1,\dots,T& eeimg=&1&&&br&&p&其中&img src=&/equation?tex=r_%7Bit%7D& alt=&r_{it}& eeimg=&1&&是第&img src=&/equation?tex=i& alt=&i& eeimg=&1&&个资产在&img src=&/equation?tex=t& alt=&t& eeimg=&1&&时间的超额收益。&img src=&/equation?tex=f_t& alt=&f_t& eeimg=&1&&是因子向量在&img src=&/equation?tex=t& alt=&t& eeimg=&1&&时间的值。在实践中，quant对样本中的每一个资产跑一个对应的时间序列回归如下，对&img src=&/equation?tex=i+%3D+1%2C%5Cdots%2C+N& alt=&i = 1,\dots, N& eeimg=&1&&每个资产都进行时间序列回归&/p&&img src=&/equation?tex=r_%7Bit%7D+%3D+%5Chat%7B%5Calpha%7D+%2B+%5Chat%7B%5Cbeta%7D%5E%7B%5Cprime%7D+f_t+%2B+e_%7Bit%7D+%5Cquad+t%3D1%2C%5Cdots%2C+T& alt=&r_{it} = \hat{\alpha} + \hat{\beta}^{\prime} f_t + e_{it} \quad t=1,\dots, T& eeimg=&1&&&br&&p&判断一个资产是否有阿尔法就是对上面这个时间序列回归中常数项做假设检验，显著则接受这个资产有阿尔法的假设。为了方便讨论，我重新写在这里：&/p&&ul&&li&原假设：
&img src=&/equation?tex=%5Calpha+%3D+0& alt=&\alpha = 0& eeimg=&1&&&/li&&li&备择假设： &img src=&/equation?tex=%5Calpha+%5Cne+0& alt=&\alpha \ne 0& eeimg=&1&&&br&&/li&&/ul&&p&问题来了，假设检验中，我们常设置一个显著性水平（比如5%），它的实际意义却经常被忘了。这里的显著性水平是研究者设定的允许的第一型统计错误（Type I Error）发生的概率。即：&/p&&img src=&/equation?tex=%5Cmathbb%7BP%7D%28%5Ctext%7Btest+rejects+%7DH_0+%7C+H_0+%29& alt=&\mathbb{P}(\text{test rejects }H_0 | H_0 )& eeimg=&1&&&p&以找阿尔法的例子来说，这个5% 的显著性水平是你人为设定的概率，&b&当这个资产实际上没有阿尔法的情况下，你还是有5%的概率认为它有阿尔法。&/b&&/p&&p&这本来不是什么大问题，不过有些人找阿尔法的流程是这样的：&/p&&ul&&li&对股票池中的所有股票进行时间序列回归，留下有阿尔法的那部分&/li&&li&对有阿尔法的股票进行资产最优化组合，确定持仓比例&/li&&li&交易&/li&&/ul&&p&就拿上海主板来说吧，就有超过1100支股票。如果你的定价模型足够好的话，大部分股票应该都是没有阿尔法的。姑且假设先验概率中100支股票有阿尔法（这已经很多了），剩下的1000只股票没有阿尔法。再姑且假设你运气好，把那100支有阿尔法的股票都找到了。但是那剩下的那1000支没有阿尔法的股票里面，还是会有1000 * 5% = 50支股票会是统计显著的。&/p&&p&那么你就找到了150支有阿尔法的股票，但是其中三分之一的股票实际上都是没有阿尔法的。接下来你再怎么优化也没什么用了，garbe in grabage out。&/p&
一个常见的策略就是买入一篮子有正阿尔法的资产，卖空一篮子负阿尔法的资产，然后持有一段时间，这个资产组合即可以对冲系统性风险，甚至只需要很少的初始成本来构建，因为卖空的资产提供了买入另一端的资产的资金。为此，研究员首先确定一个定价模型，在实…
微信公众号：开始聊聊交易
kslljy654&p&从这一篇开始，将一些风险控制和资产管理的内容，尽可能在实用和对普通人可操作的基础上讲得深入一点。&/p&&p&这一篇写完之后我准备缓几天歇一歇，一方面人很累，一方面要过年了，很多账户的测算工作变得躲起来，另一方面要备点儿年货让家人一起过个好年。所以后面如果更新慢了，见谅。如要说再一方面，就是这篇文章对于这块陌生的人来讲，需要消化的时间。&/p&&p&如果你了解一些私募产品，或者有过配资的经历，你大概会知道，很多产品包括配资的风险控制都是按照仓位来的。当你的净值逐渐接触风控线的时候，仓位的限制会越来越大，而离风控线越远，仓位的限制就越来越小。以仓位控制风险，似乎成了约定俗成的一个行业规则，所以，很多人就理所当然的认为，仓位的轻重能够绝对的衡量风险的大小，但是事实真的是这样吗？&/p&&p&记得小的时候有一道趣味题，100斤的铁块和100斤的棉花哪一个更重？这道题考的是心理惯性，因为人们心里会默认铁块重而棉花轻，而事实上重量单位相等，两者当然是一样重。用仓位来控制期货风险，就相当于人家问了你这个问题，所以你理所当然的认为是一样重的。但是，风险产生的实质也许更贴近于另外一个问题：100斤的铁块和100斤的棉花，不给你任何工具的情况下让你搬运100米，哪一个更难？&/p&&p&我举这个例子可能有些人看不懂，我想说的是，作为交易本身而言，对于风险的衡量不是单因素的，而可能是多因素的。&/p&&p&&b&风险的来源：&/b&&/p&&p&首先，如果要说风险，那么一定要先了解风险的来源。交易过程当中，风险是怎么来的？&/p&&p&很多人会觉得，风险的来源是来自于交易行为，即我要交易，要入场，承担一定的风险，并且获得一定可能的收益，所以，交易风险的来源是交易的行为。这个对，也不对。我就举一个例子：假设存在一个物价非常恒定的市场，在这个市场里仅仅进行各取所需的交易，那么，你要交易一个东西还会不会存在风险？物价恒定嘛。所以，交易的风险，只是被交易行为被动的承受，而交易行为，是不能够主动产生风险的，换句话说，你选择入场，是你选择开始承受市场的风险，即便你不选择承受，也会有其他人选择承受，市场的风险是一直都在的。那么，物价恒定的市场不会产生这样的风险，针对目前大多数物价有浮动的市场呢？&/p&&p&交易承担风险，并且获得合理的收益，是建立在市场的不确定性的基础上的，我们承担风险和获得收益的源头，在于市场上价格的波动。我们买卖股票，产生盈亏，是因为股票价格的波动；买卖期货，产生盈亏，是因为期货价格的波动。&/p&&p&那么，再深一步，为什么有人会觉得股票价格波动小，期货价格波动大呢？很多人立马会说，因为期货有杠杆。那么什么叫杠杆？通俗的解释就是你不需要付全部的款项，只需要付出一定比例的保证金，就能够拥有一批货物，而这批货物是具有价值的，货物的价值要高于所付出的保证金。那么，期货之所以风险大，是因为你交易买卖的货物价值，要远高于你所缴纳的保证金，而货物价格的波动，是根据货物价格产生的，而不是你所缴纳的保证金，你有更少的资金承担了原有的货物价值因价格变动产生的价格波动，所以风险变大了。&/p&&p&讲到这里，很多人又会认为风险的源头并不是价格的波动，而是保证金的大小。那么你再想一想，期货的交易规则当中，没有任何一条规定规定你一定要满仓操作，甚至当你签开户合同的时候，合同的每一页都印有期货有风险投资需谨慎等类似的警告语。所以，杠杆的大小摆在那里，但是承受多大的风险是你可以决定的，你的仓位决定了你所承受风险在当前市场规定下的大小，这是风险的乘数，能够决定承受风险的大小，但这个不是风险的来源。&/p&&p&综上，交易风险的来源，不是杠杆，而是市场价格的波动。&/p&&p&&b&杠杆的意义：&/b&&/p&&p&那么，杠杆有什么意义呢？很多人可能会脱口而出，可以以小博大！好吧，算你正确。其实，在期货市场，杠杆的意义是有多重标准的。期货最初的设计理念，是让一部分有实物需求或者实物供给的交易商能够提前锁定一个价格，从而锁定一段时期内的风险程度，而将风险承担转嫁给投机者。&/p&&p&杠杆对于那些有实物需求或者供给的交易商而言，减少了他们锁定价格所付出的资金成本；而对于投机客而言，则减少了承担这部分风险，所需要的资金。所以，对于不同目的的交易者而言，市场里已有商品按照标价定价的价值并没有减少，减少的是承担价格波动风险的资金，这些资金，承担的不是和保证金比例一致的价格波动，而是和是无价值一致的价格波动。&/p&&p&这就是杠杆不同的意义，对于有套保需求的投资者而言，杠杆能够帮助他们更方便的锁定风险，对于投机客而言，杠杆能够帮助他们更方便的承担风险。这是一保证金的形式实现的。&/p&&p&那么，如果论其股票和期货的区别，杠杆在这里里面的意义是什么？或者不论股票或者期货，外界进行配资的意义是什么？其实，如果您了解一点经济学，接触过一些理论特别是公式，杠杆的作用相当于里面所用的乘数。举个例子，假设有一个品种，保证金是5%，那么相对于所用保证金而言，其用到的杠杆就是20，这里的20可以看做一个乘数，这个乘数，代表价格每变动1个单位，其保证金价值变动20个单位。&/p&&p&&b&仓位的意义：&/b&&/p&&p&但是你注意，这仅仅是对于保证金而言的，对于缴纳的保证金，每个杠杆或者“乘数”是固定不变的，那么，让这个杠杆真正发挥威力的，就是仓位，接着上面的例子，如果一个商品的保证金是5%，那么如果其持有5%的仓位，此时，相当于其就是在用资金实值进行交易，因为其保证金所交易的商品的价值，正好就等于这个商品的实际价值。如果仓位超过了5%，那么，所承担的商品的实际价值，就超过了本金，这个时候，产生了涵盖本金之外的风险。&/p&&p&这个概念听着很绕口，举一个例子，如果你这个时候用5%的仓位做多，如果商品的价格跌到0，刨除手续费不说，你的本金正好为0。但是，当你的仓位为10%的时候，这个时候的价格不用跌到0，跌到你买入价格的一半，此时你的本金就已经损失殆尽了。当然，如果此刻商品价格上涨，也不用涨一倍里的利润才翻倍，此时只用上涨50%，你的收益就已经翻倍了。&/p&&p&这就是杠杆的作用，让收益和风险同时放大了。而你承受的相对于本金的杠杆的大小，可以看做一个乘数，决定了同一品种统一策略下，资金波动的倍数。那么至少不要有一个误区，就像很多别有用心的人给你宣传的那样：期货可以提高你的资金使用率，让你用更少的钱赚更多的钱，后半句没有说：同时承担更多的风险。要知道，不管你用不用杠杆，风险和收益的对应关系在这里面是没有发生变化的。&/p&&p&--------------------------------------------------------------&/p&&p&讲到这里，很多人有一个疑问，既然都这么说了，貌似风险的确和仓位密切相关啊！如果这么理解，对于同一商品统一策略来说，没有什么问题。但是放在不同的品种上，这个说法就站不住脚。&/p&&p&其实很多人往往觉得在仓位上不好把握，一个很深层次的原因是对于风险的本源问题没有搞明白，比如，一个人如果用30%的仓位交易螺纹钢，可能他做得很成功，那么某一天，他也用这个仓位交易镍，却发现非常不习惯，甚至会手足无措。然后内心里产生一个疑问，我所面对的交易风险都是一样的，也都是用同样的技术分析方法，为什么做不好？是不是这个品种不适合这种技术分析方法？&/p&&p&他对这个问题的抑或甚至对分析方法可能是对的，这个问题复杂就复杂在这个分析可能是对的，也可能不对。一方面，的确存在着某些特定的技术分析方法，在换品种之后需要分析的时间周期框架和技术指标参数的情况的可能；另一方面，也会有另一个可能，也就是他忽略的问题，30%的仓位做螺纹钢和30%的仓位做镍所面临的风险是不一样的，而他采用了同样的入场出场原则，导致了一套可能适合这个品种的分析方法变得无用武之地。&/p&&p&那么，相同仓位的不同品种所面临的风险真的不一样吗？答案是肯定的。一方面，期货有一个容易被人在衡量风险时候忽略的因素，就是保证金。保证金交易是期货的特征，但是在我国，或者说大多数期货交易市场，每个期货品种的保证金比例是不一样的。比如目前而言，股指的保证金比例是40%，而焦炭的保证金比例是15%，镍的保证金比例9%。这导致了相同仓位的持仓所掌握的对应商品的实值不一样。另一个方面，也就是风险的来源特征不一样，也就是各个品种的价格波动规律是有区别的。比如现在股指期货的波动会比较小，焦炭前段时间的波动会非常大，而作为短周期级别，镍的波动是较大的。商品的波动规律直接回决定资金的波动速度，所以，不同商品之间由于价格波动不同，其波动规律也会不一样。&/p&&p&所以，事实上，我们衡量风险，最终，需要考虑两个因素：第一个，是商品的保证金比例；第二个是要对比的时间周期级别价格的波动率。对于风险的衡量，特别是不同商品之间风险的衡量，是需要对这两个因素进行综合考虑的。关于这个问题的一些简单的考量方法，下一篇文章里面会讲，这里，只是想给大家梳理这个概念。后面部分会详细的将一些风险测度的方法。&/p&&p&&b&风险和收益的相对比较：&/b&&/p&&p&对于交易者而言，若交易单个品种，只要止盈止损比较清楚，那么在养成了计算仓位的习惯之后，一般都能够在一定范围之内预知一种最坏的情况和较好的情况，从而让长期以来的盈利实现预期化，这对心态和策略的执行都会有好处。&/p&&p&然而，如果同时出现两个品种一起交易，往往会出现一些问题：比如原来股指还比较流行，且在上次到5000点的上涨期间，我碰到过一个交易员，他当时同时交易IF和IC，当时就碰到了一个问题：他用同样的仓位去计算交易IF和IC，出现了一个问题：从感觉上来说，IC品种的资金波动总是要比IF要快，这导致了他不断的想去调仓位，而调来调去都不满意，感觉这种波动变化规律老在发生变化，最终影响了心态。&/p&&p&他想做的事情是对的，无非是想搞清楚在一定的仓位下（两个品种并不一定要一样的仓位），两个品种资金波动变化的关系，其实，在做策略的时候，这可能会成为影响每个品种资金配比的关键因素，所以还是比较重要的，但是上面例子提到的交易员忽略了一个问题：市场是不确定的。也就是说两个品种即便存在波动关系，也不会非常长时间的完全一致。而且，这个和套利还不相同，套利中，跨约套利一般都是手数相等，方向相反，跨市场套利往往保持重量一致，比值套利会兼顾重量配比和波动率的因素，但是不会设置的过于离谱。但是如果要衡量两个不相关或相关品种的波动率对资金波动的影响，问题就要复杂很多。问题的复杂性表现在三个方面：每一个品种都可能特立独行，导致这个统计可能效果不大；每一个品种又都受整体市场的影响，或大或小，但很难统一；每一个品种对于极端行情到来时候的判别往往不一致，导致极端值上的偏差很大。&/p&&p&在说方法之前，先强调一下做这种比较的几个核心点：第一、你可以学非常复杂的方法，但是不要对参数设置得过于复杂或者过度优化自己的衡量方法，因为市场是不确定的，给市场一定的空间，不要做确定性的事情；第二、这种衡量是要做定期更新的，因为以前的数据特征不一定能够符合当下的行情。&/p&&p&当然，衡量这些东西有很多科学的方法，能够根据系统兼顾到非常不同的东西，这些系统适合很多机构运作，但是并不适合正常的散户做单，我这里要做的，是用一些简单的运算方法，去在一定效果之内分析这个问题，对于这一块，如果有经验的投资者可以自行绕过，而正在对这个问题做思考的投资者，可以考虑这种方法，毕竟在不确定性的市场上，还是有一定精确度的。&/p&&p&这种方法很简单，就是去统计品种的波动率，然后和保证金比例做比，得到一个一定周期内，较为恒定的一个状态。&/p&&p&比如举一个例子，在同样的仓位下，若要用15分钟级别的K线衡量交易，交易两个至少看上去相关性不大的品种，比如棉花和焦煤，假设棉花的保证金比例是8%，焦煤的保证金比例是15%。假设，1月3日9:00开盘到1月6日晚盘收盘的整个交易数据对判定是有效的，那么，哪个品种的风险更大，大多少呢？&/p&&p&要做这个事情，我们首先要做的就是获取数据。获取行情数据的方法有很多，这里就不再一一说明。&/p&&p&获取了数据之后，我们首先就要对数据进行处理，算出行情15分钟K线级别的真实波动率，算真实波动率，我一般采取的算法是：A=Max(H-L,H-PC,PC-L)，其中，H=当根最高价，L=当根最低价，PC=上一根收盘价。波动率定义为A/收盘价。&/p&&p&那么，经过数据处理之后，得到如下的数据：&/p&&img src=&/v2-b7edef4d18baae9ca0cc60_b.png& data-rawwidth=&439& data-rawheight=&1825& class=&origin_image zh-lightbox-thumb& width=&439& data-original=&/v2-b7edef4d18baae9ca0cc60_r.png&&&br&&p&（图一）&br&如果把波动率画成更加直观的图表，则如下图所示：&/p&&img src=&/v2-ebe059b371e172ee2e1b97_b.png& data-rawwidth=&720& data-rawheight=&291& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/v2-ebe059b371e172ee2e1b97_r.png&&&p&（图二）&br&我们从图中可以发现，焦煤的波动率，在绝大多数时间要大于棉花的波动率，甚至直观感觉是成倍的大。就数据平均值来看，焦炭15分钟级别K线的有效波动率是0.83%，棉花是0.39%，焦炭的波动也比棉花大2倍都不止。&/p&&p&那么，是不是意味着用同样的仓位，焦炭对资金造成的波动，也是两倍不止呢？明显不是，因为，棉花的保证金比焦炭低，也就是说如果仓位相同，棉花的商品实值要比焦炭要高许多。保证金一样的情况下，代表的商品实值的比例，是和保证金成反比的，所以，我们将以上的波动率数据除以各自的保证金比例，然后再作图，得到的图形如下图所示：&/p&&img src=&/v2-2e808cfcdcd6f516a0f91c_b.png& data-rawwidth=&825& data-rawheight=&291& class=&origin_image zh-lightbox-thumb& width=&825& data-original=&/v2-2e808cfcdcd6f516a0f91c_r.png&&&p&（图三）&br&那么，从加入了保证金因素的图中，我们发现其波动率貌似并没有上一张图显示的那么明显，相反，数据显示得比较旗鼓相当了。从数据的平均值统计中，焦炭此时的比例值是5.55%，棉花是4.84%。这个时候，算出这两个值的比值，即为：5.55:4.84=1.15。&/p&&p&这个比值什么意思呢，也就是在前面条件都成立（数据有效，且认可这种方法及行情不确定的情况下），按照这种特征延续下去，用同等的仓位交易焦煤和棉花，其造成的资金波动的速率比大概是1.15:1，也就是焦炭比棉花略高一点。当然，您可以用统计学方法和工具让算法更加精确和理性。但我认为对于大多数人而言，并没有这个必要，因为严谨的方法的学习成本会比较高，且产生的边际效用会越来越低，加之市场的不确定性，其失效的概率并不会比一些简单方法低到哪里去。做这一块统计我的理念是这样的，既然我无条件承认市场的不确定性，那么我所找到的一些研究方法就会简单而基础，但是包容而宽泛，对于大的结论方向不会出问题，但不会用很多的假设条件去框死市场，力求精确，因为我认为这样投入的精力和得到的结果不成正比，没有意思。&/p&&p&那么，这个比值代表的意义很简单，在目前大概的波动情形下，若用同样的仓位建仓焦炭和棉花，其承受的资金波动比例大概是1.15:1，也就是说某段时间内，你焦煤仓位若资金波动是平均是1.15万，那么棉花的波动就是1万。当然，你要接受一下几个事实：第一，行情是不确定的，而且焦煤和棉花的波动率呈现出来的相关性并不大，这只是一个平均的概念；第二，平均下来，可以得出同仓位下焦煤带来的资金波动略大于棉花，在交易系统稳定的情况下，可以根据这个值选取策略的资管和风控措施；第三，这个值的有效性是建立在行情数据的有效性基础上，比如这段数据如果是在震荡阶段得出的，那么行情出现了根本性的变化这个值就也要重新修正，否则可能对策略资金波动的衡量带来严重的误导；第四，时间选取的长短要求是由你要求的数据精确度决定的，你可以用一整年的数据，那么你要的就是这一年中间一个比较宽泛的范围，你也可以根据行情段做这个统计，这是由所需要得出特征数据的大小决定的，如果采用的时间较长，建议对极端值还是多少有个定义，因为一些极端值可能影响观察和对整体平均数据的影响较大。同样，选取的时间长短和思维逻辑也决定了要对数据进行修正的时间间隔，对于数据适用的判断是复杂的且很难准确的，总体把握两个原则：数据的选取能够体现你交易类型期间数据的总体思路；数据对当前的交易不存在明显的不适用的情况。&/p&&p&另外需要注意一点，做这个事情，并不是按时你将波动率按照仓位调到一致，比如上面焦煤和棉花的比值是1.15比1，那么，你就将两者的仓位比例调到1比1.15，这样其波动率就大致相当了，并不是这样的。我们往往做策略，或者后期分配仓位，并不一定按照波动率一致原则，波动率一致原则可以是某些综合策略分配仓位的原则，但这不是唯一原则。做这个事情，只是让你能够有一个方法去度量不同品种的策略之间资金波动速度的关系，或者说盈利和亏损速度的关系，让你用更加合适的仓位比例去制定策略，但仓位比例的制定思路，是要根据总体的策略思路来的，这个会在后面的资管系统讲到。这里只是讲一个比较简单但有效的度量方法。&/p&&p&毕竟，这个方法只要你用到加减乘除，平均，最多方差的概念。不会有太多的数学门槛，经历的投入和产出的效用比还是比较高的。&/p&&p&----------------------------------------------------------------------&/p&&p&&b&风险放到某个特定账户的策略中的具体表达：&/b&&br&&/p&&p&接下来我们尝试解决一个问题：如果你有一个比较特定的账户，对于里面的一个品种有比较固定的策略和止损止盈线，有没有一个办法针对这个账户的这个目标做一个技术指标出来，来衡量这个策略对这个账户反映出来的即时风险，并能够和某个阶段作比较？（当然，这要求你至少会在一些行情软件上面写指标）&/p&&p&在这里，我先给大家一个天马行空的想象：能不能把风控这些东西携程技术指标？当然，我这里只是提出一个念想，我写下面这些东西，还是想谈风险的度量问题。这个指标，也是五年前我用的指标，随着策略的综合程度加大，有了更行之有效的衡量方法。所以，关于这一块涉及到的计算问题，我一概不回答不解释。我只是想给大家一个全新的角度，甚至大家可能还没有考虑到的思路来思考一些交易的问题。在有一点，通过一些公司的推导，跟大家把设计的相关参数之间的关系和计算弄熟了，方面大家做更加可视化的交易计划。&/p&&p&在交易中，特别是用技术分析确定的交易中，一直存在一个问题：所能用到的技术指标，无论是长期的还是短期的，趋势的还是波动的，其中总有每一个人用得顺手的，但是，即使再友好的技术指标，都不可能解决一个问题：技术指标不会考虑个人账户的真实状况。这就使得有一种情况可能发生：技术指标上，我们的投资没有任何问题，但是资产状况可能并不适合在这个时候进入市场，或者适合进入但是我们并无法以一个最佳的比例进入市场。&/p&&p&所以，市场的技术指标固然可用，但是，可能并不足够，我们仍然需要这样一个链接：能够跟随价格时时变动，且能够反映目前市场的整体波动对目前头寸的威胁，时刻做好止损和风险控制。我认为，头寸的规模和市场的波动应该有很直接的关系，判断对于一个特定投资者而言，头寸规模是否适合目前市场的波动就尤为重要了。&/p&&p&在日常的投资资产管理中，往往我们在涉及要考虑头寸规模时，都是在当前的时间点进行一个计算。那么能不能有一种想法，是让头寸规模和市场波动性指标有一个较好的结合，形成一个指数，久而久之，投资者可以根据自己的习惯直到自己所能够承受的风险所对应的指数的范围，剩下的，就是通过指数的值对单个品种的风险甚至市场风险的整体度量。&br&&/p&&p&比如我们遵循以下的计算方法，核心思路在于：确定让资产盈亏1%所能够包容的市场波动，然后结合投资者所能够承受的最大亏损，结合市场目前的波动形势确定市场目前的波动冲破投资者承受力的概率。算法如下：&br&&/p&&p&每一个交易日的真实波动幅度的计算方法：A=Max(H-L,H-PC,PC-L)………………（1）&br&&/p&&p&其中，H=当日最高价，L=当日最低价，PC=前一日收盘价。&br&&/p&&p&接下来，定义一个变量N=潜在波动幅度，代表对当前波动幅度的一个整体预测。N通过对过去潜在波动幅度进行加权来衡量。在投资中，我们知道，价格波动幅度的增加是有连贯性的，且离目前最近交易日的波动幅度对现在价格波动的影响最大，因此，我们有两种处理方法，第一种就是用平均权重，这样做可能会让近期的数据的重要性降低；当然，我们也可以对越近的波动幅度以更高的权重，难点在于：赋予多少的权重比较合适。&br&&/p&&p&在这里，假设我们认为离现在最近的三个交易日的权重对价格的影响最大，所以给的权重也较大，而其后给的权重也越小。具体如下：&br&&/p&&p&对应真实波动幅度 权重（W）&/p&&p&An-1 0.40 An-2 0.20&/p&&p&An-3 0.10 An-4 0.05&/p&&p&An-5 0.05 An-6 0.02&/p&&p&An-7 0.02 An-8 0.02&/p&&p&An-9 0.02 An-10 0.02&/p&&p&An-11 0.01 An-12 0.01&/p&&p&An-13 0.01 An-14 0.01&/p&&p&An-15 0.01 An-16 0.01&/p&&p&An-17 0.01 An-18 0.01&/p&&p&An-19 0.01 An-20 0.01&/p&&p&需要说明的是：前面我说过，是“假设我们认为”，所以我不对这个权重是否科学进行探讨。权重是没有固定的严格的规定，这些权重，需要根据市场因素和投资者对市场的认识设定的，总体的原则就是：越靠近的天数影响越大，权重自然就越大，越远离的交易日，对目前的行情实质影响越小，所考虑的也就越少。总体上，只要把握权重总体值唯一即可。&br&&/p&&p&假设：N等于真实波动幅度乘以其对应的权重。&br&&/p&&p&N=∑WnTn …………………………………………………………………………………（2）&br&&/p&&p&设：合约单位为D，绝对波动幅度为S&br&&/p&&p&S=N*每涨跌一点所代表的货币数量=N*D。………………………………………………（3）&br&&/p&&p&这里还要定义“单位头寸规模”：单位头寸规模，就是在市场的绝对波动幅度下，使账户金额波动1%所需要拥有的净头寸的数量。用字母U表示。&br&&/p&&p&设:账户总金额为C，带入（3）式&br&&/p&&p&那么，U=C*1%/(S)……………………………………………………………………………（4）&br&&/p&&p&设：我们允许的最大亏损额为B%。为亏损状态下，可持有头寸为E&br&&/p&&p&那么，E=B%*U/（1%）………………………………………………………………………（5）&br&&/p&&p&设：我们实际拥有的头寸为F，定义风险比例为实际拥有头寸与允许最大亏损时刻持有头寸的百分比，用字母G表示，&br&&/p&&p&那么G=F/E…………………………………………………………………………………（6）&br&&/p&&p&=F/[ B%*U/（1%）]&br&&/p&&p&= F/[ B%* (C*1%/(S))/（1%）]&br&&/p&&p&= F/[ B%* C/(N*D)]&br&&/p&&p&=F*N*D/（B%* C）…………………………………………………………………（7）&br&&/p&&p&可见，持有头寸规模的风险，与现有净头寸成正比，与真实波动幅度成正比，与合约单位成正比，与允许的最大亏损成反比，与账户总金额成反比。在其他条件一定的情况下，持有净头寸越多，风险就越大；真是波动幅度越大，突破最大亏损限度的可能性就越大，风险就越大，这是很好理解的。合约的单位越大，在资金一定的情况下，事实上是加大了波动的幅度，所以风险也越大。当其他条件不变的情况下，如果我们收紧可允许的最大亏损，我们突破这个亏损的可能性就越大，风险就越大。当其他条件不变的情况下，资产规模越小，意味着实际头寸占用资产的比例就越大，突破最大亏损限度的可能性就越大，风险就越大。&/p&&p&因此，我们可以看出，等式（7）是符合实际情况的。&br&&/p&&p&为了简单表示他们之间的关系，我们可以简单的将等式7写成：&br&&/p&&p&G=G（F+,N+,D+,B-,C-）………………………………………………………………………（8）&br&&/p&&p&同时，我们现在的头寸规模是通过资产规模决定的，设我们要求净头寸资金是总资金的R%，现在期货实际价格为P，保证金比例为H%&br&&/p&&p&那么：F=R%*C/(D*P*H%)=……………………………………………………（9）&br&&/p&&p&将（9）式带入（7）式&br&&/p&&p&G=F*N*D/（B%* D*P*H*F/R）= R%*N/（B%*P*H%）………………………………（10）&br&&/p&&p&其中N/P即为价格波动的百分比，设为X，&br&&/p&&p&R、B、H分别从投入，盈亏，保证金三方面同时限制了投资，都是旨在控制投资风险，且设计指标中此三个风险因子可以代表我们在该指标上对投资的全部限制所带来的风险。&br&&/p&&p&所以定义风险因子Y=R%/(B%*H%)…………………………………………………………（11）&br&&/p&&p&综上可得：G=X*Y…………………………………………………………………………（12）&br&&/p&&p&（12）式可以反映一个事实：相对于价格的真实波动（能够准确衡量的情况下）以及客观和主观条件的限制（愿意投入的净头寸资金、允许的最大亏损比例和保证金比例）直接会对策略的风险产生直观的影响。&/p&&p&写到这里，很多人可能直接会说一句WTF？你究竟在讲啥？我们本都看不懂。有幸看懂了的人会问另一个问题：那么好，你算这个究竟有什么用？两个作用，一个，该指标的本质，即用价格波动和考虑到的所有限制因素带来的风险来衡量目前我们的头寸规模是否合适，这是由后期设置数值标准可以完成了；第二，完全可以将这个做成一个技术指标（这样反应更加直观），那么就可以衡量当前对策略的约束较之前的行情的相对性。&br&&/p&&p&即便如此，我们还必须承认，如果对这个指标的设定就到此为止，有会存在一个缺陷，那就是的出来的结果，是在完全没有亏损的情况下，对规模的考量。&br&&/p&&p&所以，如果你是一个完美主义者，我们还需要设置一个乘数，设乘数为Z，已实现亏损的百分比为J&br&&/p&&p&那么Z=B/J………………………………………………………………………………（13）&br&&/p&&p&因此：G’=X*Y*Z…………………………………………………………………………（14）&br&&/p&&p&从（14）式，我们可以通过20日的价格数据算出来一个风险系数，去研判现在的净头寸规模在保证金和资金投入比例一定的情况下，相对于现在的全仓最大允许亏损限额的风险状况。&br&&/p&&p&当这个指标成形之后，首先，指标的大小能够给人以警示，然后，每天记录该指标所形成的一串数字序列中，能够找到一定的规律，比如说指标的波动代表单个品种或者指数组合可能不稳定，指标的趋势代表了市场的变动对该投资组合威胁的大小，通过趋势，也可以很直接的形成是否要考虑改变组合，是否加仓减仓的依据。所以，这个技术指标是联系市场的且和自己的账户息息相关。这个指标，同样可以用来进行仓位的相关预测，因为交易参数和市场参数同样可以被改变，甚至，这个指标可以做技术分析，你可以试试。&br&&/p&&p&这个指标一方面如果是对一个品种的风险进行度量，可以测量在当前进场出场头寸标准、当前账户状况下以及当前的市场波动下策略的适应性；同时，若将一个策略组合做成指数，对策略组合也能够做同样的测量，甚至稍作改动可以测量对冲的效果；反顾来看，也能够帮助投资者根据当前的市场状况确定头寸规模，即“量”的问题。&br&&/p&&p&这一部分的最后，不要问我这个指标怎么编写，自己琢磨。也不要把这个指标当做唯一的东西去考量，市场的指标，存在就有合理性，你可以找到各种指标去对市场进行衡量，这个放在这里只是一个思路上的参考。甚至这一块的衡量亦有更简单的行之有效的方法，这里我放一个比较综合的比较全的，是想让大家从一个全面的角度思考以下问题之后，完全可以根据自己的需要去简化，试验。&/p&&p&--------------------------------------------------------------&/p&&p&文章的最后，这篇文章，我不会回答评论中的任何问题。比如数据怎么获取、有些算法什么意思。这一块我希望大家自己慢慢尝试搞懂，并且深入思考一些本质性的问题，交易没有拿来主义，没有思考，只有问题，就没有自己的东西，就失去意义了。&/p&&br&&img src=&/v2-6e520b45c70f5000bca7df_b.jpg& data-rawwidth=&345& data-rawheight=&370& class=&content_image& width=&345&&
微信公众号：开始聊聊交易 kslljy654从这一篇开始，将一些风险控制和资产管理的内容，尽可能在实用和对普通人可操作的基础上讲得深入一点。这一篇写完之后我准备缓几天歇一歇，一方面人很累，一方面要过年了，很多账户的测算工作变得躲起来，另一方面要备点…
&p&公众微信号：开始聊聊交易 kslljy654&/p&&p&-------------------------------------------------&/p&&p&最近有朋友反应如360doc、新浪包括部分微信公众号上有人非法转载我的文章。谢谢您的提醒，这个现象我注意到了。年前委托律师处理了一批，剩下的年后处理吧。我个人绝对尊重版权保护，以及尊重别人的劳动成果，所以类似的行为别人是否得过且过我不管，我不会。再次感谢朋友们的提醒。谢谢！&/p&&p&-------------------------------------------------&/p&&p&
前一篇文章里面讲了相关风险来源和风险度量的问题，风险的度量，分为了相对度量和绝对度量的两种方法，这一篇文章要讲的，主要是风险的控制。这一篇文章里面所讲的内容，主要是单品种单策略风险的控制。这篇文章之后，看篇幅而定，会在接下来的一篇到两篇文章之中讲述多品种多策略风险的控制、风控目标的设立思路以及风控系统的设计问题。&/p&&p&-----------------------------------------------------------&/p&&p&
很多人认为，我们如果只交易一个品种，对这个品种设定固定的止损，那么我就能够把风险有效的控制住，并且我相信大多数交易者认为这个设置是可行的，但是实际操作起来，能够做到的真的很少，一方面因为人心态作祟，另一方面可能存在着一些不可执行的因素。所以，即便是单品种单策略的风险控制，说得再直白一点，设置止损，也并不是一件非常容易的事情，需要考虑到的东西是方方面面的。&/p&&p&
一般来讲，单品种单策略风险的控制需要考虑以下几个因素：逻辑出场条件；最小容忍度的度量；出场判定允许的范围；最大允许的止损范围；盈亏平衡点的合理性度量，盈利允许的最大回撤范围。&/p&&p&
考虑完了以上6个方面的因素之后，需要做的一件事情就是风控条件的设置和有效性检测。&/p&&p&
下面我们抛开策略的东西不谈，仅仅就风控，来谈谈这5个因素以及相关方面的问题。在写上一篇文章的时候，有一些读者觉得不过瘾，于是私信我，说如果要举例子，引用的数据是否能够长一些，并且大家更为熟悉的品种。我问他，大家都熟悉的品种是什么？他告诉我是螺纹钢。所以，写这篇文章将引用螺纹钢15分钟K线的数据。至于数据的长短，我说过，是根据需求来的，就算是我们做量化，也不是一股脑多少年的数据测试有效就完事儿了，还是看交易系统的需求。当然，既然有这个要求，我会尽量去满足，我们知道，2016年整个12月份的行情是比较难做的，所以，下面我就用2016年整个12月的数据作为需要阐述观点的例证来阐述问题。&/p&&p&
首先声明：一下各个因素的阐述内容里面所讲的计算，方法，仅仅作为一个例子，让大家更容易看清楚因素的实质，不代表标准做法，也不代表必须采取的任何标准，仅作为一个参考。这就是个例子而已，至于例子是干什么的，不明白的朋友可以查查字典。&/p&&p&&b&逻辑出场条件：&/b&&/p&&p&
这一个如果单纯来讲，和风控可能觉得并没有什么关系，但是，逻辑出场条件，却往往是风控压力大小的一个决定因素，因为如果一个交易策略，全部是机械的止损，那么事实上，对于进场出场逻辑第一不能行成一个完整的链，而是把出场条件等同于风控条件。&/p&&p&
比如我接触过一些搞CTA量化的人，在编写程序的时候，往往进场条件经过了比较严格的过滤，而出场条件却写得非常的宽泛，甚至就是按照一个回撤出场的。而这个回撤的值，往往是一个数据优化的结果。这样导致的结果可想而知：如果测试的时间跨度过小，那么进场条件筛选的有效性会存在疑问，如果时间跨度过大，那么进场条件的筛选可能不会有太大问题了，但是出场又称为了一个问题，因为这种出场条件往往如果往最优化上去靠，这类似于统计学里面考虑了一个“平均期望”的概念，却很难重视“方差”的概念。如果把这个问题说的再深一点，就是进场和出场是一个跷跷板，总有一端容易出问题。&/p&&p&
作为一个完善的交易策略而言，我多次强调，要保持的是交易策略的一致性，这个一致性其中有一个很重要的体现就是从进场到出场的持仓过程中，交易的逻辑是贯穿始终的，也就是说出场，是因为当初选择的进场条件，以及其后持仓所秉持的逻辑已经被颠覆或者至少有转变的迹象了。这样的出场，方能保持逻辑的一致性。如果一个策略，你仅仅按照一个回撤的比例去设定的规则，如何能够保证出场的时候，进场的逻辑还没有被破坏？&/p&&p&
有的人可能会说，无论如何，这个风险至少控制住了。这个没错，但是，你要知道，类似于固定的止损额度如果次次都触发，相当于每一次都在打风控，这样的一种交易制度明显就是不合理的，或者说从进场到出场还没有一个策略系统而导致风控条件会承受非常大的压力，这样的系统模式长期会存在很多问题，特别对于仅仅交易一个品种用单一策略的投资者而言。&/p&&p&
正常的风控是什么样子？应该是你的大多数单子都能够按照逻辑出场，会有一部分单子，因为行情走势的无序性或者非常剧烈的时候，会因为触发风控止损。&/p&&p&
逻辑出场有多么重要呢？我在这里举一个例子：如果你的交易是参考一个技术指标在做，那么，这个技术指标的入场点进入之后，如果价格顺向走，技术指标也会顺向走，此时，开始形成一定向上或者向下的趋势，持续的时间和点位都不好确定。那么过了一段时间之后，这种趋势在技术指标上有了一定的积累，价格也会已经有了一定的顺向的空间，此时，即便逻辑不成立了，出场了，也不一定亏损。这种逻辑，会存在一种严格的时间和空间的关系。如果你只设定一个止损位或者一个回撤范围，这便仅仅是一种空间的关系，而体现不出时间和空间对应的关系，此时，你要做的不是趋势，因为出场体现不出来趋势形成的过程，而仅仅是空间对应的关系。这其实在一定程度上是不符合趋势的定义的。&/p&&p&&b&最小容忍度的度量：&/b&&/p&&p&
我相信，即便有了交易逻辑，度量一个止损点位对于部分交易人员来说也是一个头疼的问题。所谓的容忍度，就是假设目前的行情已经徘徊在了止损点附近，且大概率下一根就要止损了，但是你的止损设定了一些特殊的点位和时间范畴，如果这个时候有较大的波动发生，且这个波动对你是不利的，会导致你的回撤非常大，甚至偏离你的止损原则，这个时候你最少要设置的止损点或者初始回撤的点位是多少才能够保证异常的波动被涵盖而自己又小概率的蒙受更大的损失。这个值，就是应对极端波动用的，否则，会有较大概率误会行情。相对的度量，相当于一个极限值，也就是当我们设定的止损回撤最小是多少的时候，我们的策略才能够基本正常运行。&/p&&p&
其实，对于不同的交易模式，所面对的最小容忍度的度量方式所考虑的因素是不一样的，但总体来讲，需要考察对应的K线的时间周期级别的大概率波动范围；&/p&&p&
这个时候我们来看看前面提到的螺纹钢数据：&/p&&img src=&/v2-4c21bd73c9b079a34df9_b.png& data-rawwidth=&604& data-rawheight=&206& class=&origin_image zh-lightbox-thumb& width=&604& data-original=&/v2-4c21bd73c9b079a34df9_r.png&&&p&
如图所示，是螺纹钢15分钟级别整个12月份的波动数据。我们可以看到，其中有一个非常明显的极值，一个在200多，一个接近100，这不是我们要考察的范围，如果我们交易的时间周期是有限的，比如这是15分钟级别的，平均打止损的一个时间周期若只有20根（回顾一下，按照我对交易的理解，在只考虑正常的范围内，交易止损和止盈所经历的时间周期是不一样的，因为对于趋势交易者而言，持仓的时间周期越长，代表趋势的顺向走的时间周期越长，相对的盈利空间会随着时间扩大，反推过来，当行情止损的时候，所经历的空间非常有限，那么所对应的的时间周期大概率来讲很小，而在走顺向的时候，因为有对应的时间和空间的关系，经历的时间往往比大止损所经历的时间要长很多），这两个值根本就不用考虑。因为这两个值如果碰到，这在应急处理的范畴，而最小容忍度的问题不在应急的范围内，而是作为止损适用性的讨论，是一般问题。&/p&&p&
就上面的一张图，螺纹钢，如果按照15分钟周期取K现，12月份一共有近500根K线，上图反应的就是500根K线的一个波动状况。如果，我们平时做交易，会对自己的交易有一个大概的统计：这样一个时间周期级别在统计时间段内一般有几次交易？每一次亏损的交易持续时间有多长？一般的规律在于，一个时间段内交易的次数越多，亏损的交易持续的时间越长，那么对数据的广泛性就越敏感。比如这500个数据之中，如果承载了50次交易，那么基本上每一根K线可能都用上了，这个时候，我们可能对于数据要做到非常有普适性；而如果支撑在了10次交易，基本上盈利和亏损的时间规律结合行情也就容易摸出来了。这个时候，我们取一个百分比数据也许就能够说明问题。所以核心的问题就在于：这些数据之中，百分之多少之前的波动数据是我们一定规避不了的？对于我而言，一般设置在5%，那么对于这样的行情，也就是25个数据，如果交易再密集一点，可能会直接取一个中位数，这样基本也就能够涵盖整个情况了。比如，在这里，我认为波动最剧烈的前5%数据规避不了，另外95%的数据都会在规避范围之内，这个数据如果我们就用excel进行编辑，用PERCENTILE函数就可以。&/p&&p&
比如这一组波动数据，我用95%的百分比范围算出来的值为51，那么，至少我就必须考虑，如果面对这样的波动情况，按照我的交易风格和交易频率，以15分钟的K线为载体，那么我在初始阶段所设置的最小止损就不会小于51个点，通常情况下，取个整，就是50个点。&/p&&p&
如果有人在15分钟级别做超短期交易，那么，百分比数值如果取50%，那么，取值得到的是23。&/p&&p&
对应K线的时间周期级别的该概率波动范围的测算意义就在于，在刚刚减仓阶段，以目前的交易风格，设置的初始绝对止损点如果小于这个范围，交易可能会失去意义，因为其涵盖不了单根K线的波动。如果在这个范围内你仍然认为损失过大，需要考虑的不是缩小止损点，而是减小仓位。&/p&&p&
有些人可能还会有一个疑问：我一般是按照收盘价来看进出场的，而波动的计算方法往往涉及最高价最低价，用这个方式去套用是否合理？其实两者之间不冲突，因为这样一个值如果能够忍受，按照收盘价计算的一定在其范围之内。而且相对于绝对止损而言，是容忍度问题，用收盘价计算，是出场问题。容忍度能够超过，对应的操作就是立即平仓，而不是等到价格再走到更加有利的位置，因为市场是不确定的，价格亦可能走到更加不利的位置，而这个位置已经突破了容忍度的限制，是不允许被看到的。&/p&&p&
这个因素，是解决依靠逻辑出场的突发情况中，允许的最大回撤的问题。&/p&&p&&b&出场允许的判定范围：&/b&&/p&&p&
一般来讲，我们判断出场的范围都会有一个方式，比如突破一个重要的技术指标出场。那么，我们界定突破就要有方法，而不是凭感觉。比如，我会常用一种方法，就是连续2根K线的收盘价发生时，参考指标都连续符合突破标准，此时就判定有突破风险，无论后面情况如何，先出场再说。那么既然判断有两根K线都在符合这样一个状态，在我统计的有效数据之内，就会对这两根K线所能够运行的有效轨迹进行一个大体的统计。一般情况下，我会用第二根K线的收盘价减去第一根K线的开盘价的绝对值去计算这个值。在多空走势非常不一样的品种当中，我对值的统计会分门别类带方向，但是这种情况会出现得很少。&/p&&p&
那么继续以螺纹钢的数据为例，我统计出来两个K线的波动率特征如下所示：&/p&&img src=&/v2-50e871eda96eaede36a9c3652ccbb855_b.png& data-rawwidth=&559& data-rawheight=&261& class=&origin_image zh-lightbox-thumb& width=&559& data-original=&/v2-50e871eda96eaede36a9c3652ccbb855_r.png&&&br&&p&
和上图容忍度的图做一个对比：&/p&&img src=&/v2-485bbaa9edfffeaf52c2_b.png& data-rawwidth=&559& data-rawheight=&248& class=&origin_image zh-lightbox-thumb& width=&559& data-original=&/v2-485bbaa9edfffeaf52c2_r.png&&&p&
我们可以看到，惯性波动发生的时候，往往单根K线的走势也会比较极端，所以，以单根K线的容忍度作为对行情的紧急刹车，而在此基础上设置一个合理的判定区间，则是一种有效的保护方法。判定有效，有两个标准：能否有效的防止更大的回撤的发生；误判率能否控制在一个范围之内。&/p&&p&
如果我们按照百分比看数据的波动，可以大致得到以下的数据：&/p&&img src=&/v2-8e4cc15ec66ddaad0f1b1c_b.png& data-rawwidth=&220& data-rawheight=&303& class=&content_image& width=&220&&&br&&p&
根据前面所说的，判定取一个什么样值的范围，往往看一个做单的频率，以及一个标准。比如一个月大概10单，那么这个月中碰到即将出场或止损的清醒能有多少？显然不会太多，那么，这个时候，可能取一个80%的数据就够用了。但是如果做单比较频繁，那么出现小概率的数据就会越大，这个时候，数据百分比取的高一些较好，因为极端的数据波动这个时候在止损的时候出现的概率就会更大。如我的交易，一般会取在80%左右的位置，比如这里，大概会取在32个点，如果让几个点，会取在35个点。这样能够涵盖大部分的波动。&/p&&p&
当然，如果你采用其他的判定标准，计算的方法也会不一样，这里只是提供一个参考算法，而不是一个参考标准。你完全可以通过这样的一些方法去计算认定出场条件达到的判定成本，从而，能够给回撤一个更加合理的成本。同时，也就可以选择如果过了这个成本，剩下来的回撤可以不承担，因为这个回撤范围的发生已经最终是一个小概率事件了。&/p&&p&
这个因素，解决的是靠逻辑出场的时候的判定成本问题。&/p&&p&&b&最大允许的止损范围：&/b&&/p&&p&前面，容忍度解决了在濒临出场的时候，一个多少的逆向波动可以认为是小概率波动，并被认定为最大容忍度而提前出场的标准；出场允许的判定范围解决了出场成本的问题（判定是需要成本的）；那么，最大允许的止损范围，解决的就是从入场点，到需要判定出场前阶段的范围。&/p&&p&按照常理，这一环是非常重要的，之所以放到这里才讲，一方面，并不是所有的入场情况都需要算这么一个范围，比如一些指标的回踩，回踩的时候就入场，回踩不成功就出场，回踩的时点和判定是否回踩成功的时点是重合的，这个时候就不存在需要判定止损范围的情况。另一方面，最大允许的止损范围和参考的技术指标有关，也和交易逻辑有关，参考的侧重点不同，所依据的思路也会非常不一样。再一个，最大允许的止损范围的测算，不单单是风控，和资产管理系统包括策略系统是紧紧相连的。一方面，最大匀速的止损范围的确立，标志着单笔交易最大回撤的范围基本框定，框定了这个范围之后，通过资管系统，可以马上认定这个回撤是否合理。认定当然有两种情况，一种情况就是合理，那么就用。如果不合理，情况要复杂一些：第一种情况就是调整仓位，但是调整仓位之后可能会导致其他策略仓位跟着变得不合理（这个会下一篇讲），这就像是解一个多元多次方程，可能有很多解，也可能无解。当碰到无解的情况的时候，所需要的就是调整策略，比如指标参数，依据范围，甚至考虑废止或者添加策略，这都要视不同的情况而定。&/p&&p&但无论如何，只要用到的方法需要计算最大允许的止损范围，就要对其进行计算。这个计算，是为了解决一个难点，就是很多利用逻辑的出场，回撤是没有办法直接确定的。比如很多人用均线做金叉死叉，金叉进，死叉平或者直接反手，那么金叉到死叉在刚刚入场或者准备入场的时候，是很难直接做认定的。碰到这个时候，怎么处理这样的问题，就是靠最大允许的止损范围：即无论是否能够确定，我只亏这么多就完事儿了，出场。&/p&&p&一般来讲，最大允许的止损范围的设立，遵循以下几个标准：第一、其运用不能过于频繁，不能让其频繁代替逻辑止损，否则，只能说明策略逻辑不合理，或者最大允许的止损范围过窄；第二、最大允许的止损范围发挥作用的时候，是在系统出问题的时候越多越好。我前面讲过，世界上不会存在一套完美的交易方法，交易方法都有这样那样的问题，当然盈利点是明确的。我们可能并不需要找另外的东西去尝试解决这个问题，因为会带来新的问题，我们所需要知道的，就是问题在哪里，这样就可以选择规避这样的问题。这里的这个因素，无疑就是用来做问题规避的。如此运用允许的最大止损的范围，才是合理的。&/p&&p&举一个例子，还是说的均线做金叉死叉的，金叉进，死叉反手或平仓。当转向死叉的时候，此时会产生大量的回撤，但是交易者又不想对转向做提前的预判，那么，这个时候设置的最大允许的止损范围就需要对是否转向到死叉形成之前的这段距离至少有一个有效的研判作用。这里只是举一个很简单的例子，仅供大家思考，这个问