止盈要小、止损要宽；彩票少买
# 前言
这篇发帖，是基于 Peter Carr 教授 与 Marcos López de Prado 先生 于 2013 年发表的文章《Determining optimal trading rules without backtesting》和我前同事所做的后续分析《无需回测以确定最优交易规则》 (opens new window)， 提出了策略止盈止损的设置原则。
为了简化表述和降低阅读难度，本文的讲述以定性为主；如有兴趣了解具体的数学推导过程和 Python 代码，可以点击前面的公众号链接文章。
另外，根据我的发帖习惯，还是先给出结论：
| 长期均衡收益的业绩 | 适用场景 | 止盈和止损的设置原则 |
|---|---|---|
| 均衡收益> 0 | 1.牛市 2.长期持有股票、可转债、债券 3.资产管理类策略 | 1、止损:宽 2、止盈: 止损的 50% |
| 均衡收益= 0 | 1.震荡市 2.长期持有大宗商品期货 3.做市商类策略 | 1.止损:宽 2.止盈: <止损的 50% |
| 均衡收益< 0 | 1.熊市 2.长期操作博彩、彩票 | 小赌怡情、大赌伤身 1.止损:宽 2.止盈:窄 |
# 原则的理论解释
一般来说，关于策略参数的优化，比较常见的做法是使用通过步进调整参数，去跑大量的回测业绩，从而获得一个相对比较好的参数。但这样做的主要问题是，很有可能出现“过拟合”的情况 —— 与之相反，本文提出了不通过历史回测的方法，能够在不同的特征场景下，可以通过数值方法找出最优平仓规则设置所在的区域，并可以规避由历史回测方式来优化策略或会产生的过拟合问题。当然，这里也是有前提的：资产价格遵循离散的 Ornstein-Uhlenbeck 过程（对于本文来说，你就默认当它满足吧）。
具体的推导过程，参见：《无需回测以确定最优交易规则》 (opens new window)
典型的结果，可以参见下图 —— 绿色越深，表示夏普比率越高、结果越好：
# 原则的定性结论
- 关于均衡业绩的解释 均衡业绩，可以大致看做长期持有一类资产的投资回报。
- 均衡业绩 > 0：股票、可转债、债券，这些有正现金流的资产
- 均衡业绩 = 0：大宗商品期货（我以前做过回测，长期持有 GSCI 指数 30 年以上，其投资回报主要是由用于抵押品的美国国债的利息创造的，而非商品价格的长期上涨）
- 均衡业绩 < 0：买彩票、去赌场长期多频次的博彩，以及其他数学期望为负的游戏
- 关于止盈止损的设置原则 —— 总体上，止盈要小、止损要宽；彩票少买**
对于 均衡业绩 >= 0 资产，交易策略的参数设置，应遵循“止盈要小、止损要宽”—— 这一点似乎有点反常识；因为最经典的说法是“Cut loss，Let profit run”，也就是“及时砍仓，让利润奔跑”；这种说法的潜在意思，似乎是“止损要小、止盈要宽”。
# 找个例子，测一下
我找了一个业绩很普通的小市值策略，来测试一下上述的定性结论。
1. 小市值基准的构建
以 A 股市场（剔除上市不足 1 年、ST 股票）中流通市值最小的 10 个股票，采用年度调仓的方法，构建小市值基准指数。
2. 小市值策略的构建
选股细节：略
调仓评率：每天
止盈和止损的参数：均为 10%
3. 通过大量参数步进的回测，观察最高夏普比率出现的区域：
4. 小结
通过上面的测试，可以看出：
1）小市值基准指数，长期均衡收益 约等于 0
2）根据前文的定性原则：止盈的参数，应当大约设置为止损的 50%
3）从大量回测的结果来看，高夏普比率的出现范围，大致在【止盈 9%，止损 18%】这个点的周围
4）对比 2）和 3）可以看出，定性原则和这个回测跑出来的结果基本相符
# 总结
综上，我们可以得出，投资策略设置止盈止损的原则，不应该是“Cut loss，Let profit run”；而应该是“止盈要小、止损要宽；彩票少买”