基于贝叶斯回撤分布选择止损阈值
文章 arXiv papers · 作者: Antoine Emil Zambelli
总结
本文提出一种系统方法，通过分析最大回撤的分布来选择止损阈值。文中将止损选择视为一项决策，目标是在现有信息条件下最大化预期收益，以应对研究和实践中止损位往往被任意设定的情况。该方法利用回撤分布的贝叶斯分析来确定阈值，而非依赖缺乏解释的固定水平。
作者报告了一个小时频交易策略的结果，并考察了该方法构建方式的两种变体。所提供的描述没有说明贝叶斯模型、将回撤转化为止损位的决策规则，也没有说明策略所交易的资产和表现。文中也没有将其与其他止损设定方法进行比较。因此，这项提议概述了一种有数据依据的止损选择方法，但简短介绍不足以判断其假设、稳健性或实际效用。
核心观点
- 所提方法通过分析最大回撤分布来选择止损阈值。
- 该方法旨在以系统化决策流程取代任意设定止损位的做法。
- 其选择目标是在现有信息条件下实现预期收益最大化。
- 报告的应用使用一个小时频交易策略，并比较两种构建变体。
- 文档没有提供足够细节来评估模型的稳健性或表现优势。
标签
全文
# Determining Optimal Stop-Loss Thresholds via Bayesian Analysis of Drawdown Distributions # Determining Optimal Stop-Loss Thresholds via Bayesian Analysis of Drawdown Distributions Stop-loss rules are often studied in the financial literature, but the stop-loss levels are seldom constructed systematically. In many papers, and indeed in practice as well, the level of the stops is too often set arbitrarily. Guided by the overarching goal in finance to maximize expected returns given available information, we propose a natural method by which to systematically select the stop-loss threshold by analyzing the distribution of maximum drawdowns. We present results for an hourly trading strategy with two variations on the construction.
在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0
此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。