로그인 Valley AI 시작하기시작하기

Valley Space인기

너무 생각만했더니

너무 생각만했더니

리탭

2024.07.05조회수 3회

프로그램 어디까지 짯었는지 까먹었다

분석에서 액션으로 가는거 찾다가 여기까지 왔구나...

결론은 10배레버리지를 풀 상황은 많이 없을 것이라는 것이고(다만 손실났을때 자산규모 줄어든만큼 포지션정리를 해야는겠죠~)

그냥 포지션수익이 매매비용을 초과한 대부분의 상황에서 풀베팅을 하는 것이 옳아 보인다.

그다음은 프로세싱함수 마저 만들기...

아이고귀찮아

회원가입만 해도
이 글을 무료로 읽을 수 있어요.

이미 계정이 있으신가요?로그인하기

댓글 0개

리탭

구독자 33명구독중 14명

알팀장님과 함께하는 즐거운 합법도박 라이프

아직 작성된 댓글이 없습니다.

똥 카테고리의 다른글

그래프

어제 분산고정시키면 쌍봉이었던 것 같은데 그건 좀말이안되는거 같고 이런 도어스토퍼모양에 위에가 살짝볼록한 그런느낌이 맞는듯, 카이스퀘어드는 y축을 로그로보면 x가 dof이상으로 충분히 커지면 거의 직선이던데 그점을 고려할필요있음 어쨋든 곰곰히 생각해봤을 때 중요한건 대충 mu / sigma^2 로 베팅하면 된다는거고 선물같은경우 증거금대비 레버리지가 한 10배정도되니 mu / sigma^2 가 10 이하로 떨어지는 상황에만 유의하면 될듯하다 mu_S, sigma_S에서 mu_S는 0쪽으로 조금 떙겨주고 sigma_S는 k * mu_S 쪽으로(pdf에서 고점) 좀 땡겨주면 좋을 듯 예를들어 우리가 쁠마 0.1%정도로 흔들리는 타임프레임에서 0.01% 상승을 예측하면 1e-4 / (1e-3) ^ 2 이니까 100배(파산이슈떄문에 좀 덜 베팅 - 공식자체가 fraction * return이 절대값 1이하를 가정)까지 베팅해도 됨 또 log(1+fr)의 ...

그래프

어제그림에서

배리언스고정되면 평균이 쌍봉인데 흠... 아마아닐듯 카이스퀘어드라이크 분포 우측꼬리가 훨씬 두꺼워져야할듯

오늘도 시작해보자

https://www.youtube.com/watch?v=EVYe1nSZNVQ 삼국지관련 유튜버인데 깊은 지식과 새롭지만 근거있는 관점들이 재미있다 어제 쪼인트 디스트리뷰션 켈리크리테리온 등등에 대해 고민했는데 다시정리해보자 목표 : mu_sample, sigma_sample -> mu_true, sigma_true로 가는 함수의 성질을, 적절한 가정 하에 파악하며, pdf(mu, sigma | mu_sample, sigma_sample)을 weight로 E[log(1 + fR)] 가중적분한 값이 최대가 되는 f를 찾고자 하는 과정. 목표를 분리하면 mu_sample, sigma_sample -> mu_true, sigma_true로 가는 함수의 성질 추론해보기 추론한 함수의 성질을 바탕으로 최적 f를 대충 찍어볼 방법론을 찾아보기 1부터 해보자 ...

오늘도 시작해보자

오늘의결론

또삼천포로 빠진것같긴한데 kelly criterion 극단을 고려할 때는 결국 수학적으로는 파산하면 log기댓값이 -무한으로 가는거지만 현실에서는 사실 노동소득등을통해 다시 올려줄수 있기 때문에 내가 그 투자주체에 넣어둔돈을 다꼴아버리는 극단적인 상황이 발생했을때 현실에서 무슨일이 발생할것인가(빚이 생기는지 아니면 그냥 청산당하고 땡인지... 실제로 그런 상황이 발생하면 얼마나 많은 사람들이 돌이킬 수 없는 피해를 볼 것이며 그것이 구제받을수 있을 것인지...) 이런부분들을 고려해야하고 만약 f * R < 1 이 언제나 성립한다고 가정하면 아마 함수 모양에 관계 없이 mu / (mu^2 + sigma^2)를 쓸수 있고 실제로 오링각이 있으면 오링하고 나서 단기간내에 내가 다시 어느 레벨로 부를 금방 축적할 수 있을 것인지를 기준으로 오링을 -무한으로 잡는게 아니라 -어떤상수로 잡는 것이 좋을 것 같다. 그리고 그런 가정에 따라 파산확률0기준 켈리크리테리온 공식에서 살짝 베팅금액을 낮추는 방식으로 결정하면 될 것 같은데 이걸 쪼인트디스트리뷰션까지 고려하면서 어떻게 적용할것인가가 고민이다 너무 과하게 수학적디테일에 집착하는 것도 당연히 안좋으니 다시 처음으로 돌아가 mu_sample sigma_sample이 나왔을 때 mu_true, mu_sigma를 어떻게 대충 때려맞출 것인가를 고민해봐야겠다 내일. 청산관망 옵션은 변동성이 커지고 예측불가해진 상황을 배제하고는 여전히 안쓰지않을까 싶다. 쓰려나...

잠깐만

켈리기준 베팅fraction이 return확률변수('수익' == '변화율' 기준)의 mu / sigma^2 라고 했는데 이거맞나? 이상한데... 위키에도 이렇게 나와있는데 한번보자 만약 return함수가 mu 1 sigma 1이면 풀베팅을 하라는 건데 베팅하면 평균 100% 수익, 표준편차 100% 이럼대충 2시그마 한쪽꼬리가 2.5%인데 오링 혹은 마이너스로 갈 확률이 2.5%이라는건데 log(0) = -무한인데 이게진짜 r = normal(1,1) 일때 E[log(1 + fr)] 을 최대로 하는거 맞나? 애초에 log(x)의 x<0구간은 어떻게 처리되는건지 이상한데.... 애초에 taylor expansion 위에꺼는 x = -1 이하이거나 x = 1 초과일때는 수렴을 안하고 밑에꺼는 x < 0일때는 수렴 안하는데 이렇게하면 ...

잠깐만