在量化交易当中，如何提前控制策略回撤？
每个人的风险承受能力不一样，导致对策略最大回撤的承受能力也不一样，在策略开发当中，往往是需要回测之后，才能知道一个策略的最大回撤是多少。
策略的最大回撤在你回测完成之前是未知的，那有没有办法可以提前就控制住这个最大回撤呢？也就是说，假设自己就是只能接受本金最多亏损10%，那如何在量化策略设计之初，就能把这个最大回撤控制在10%以内。
那今儿个就来唠唠其中一种金融量化当中的原生态方法——风险价值（VaR，Value at Risk）。
从目前公开的资料来看，VaR是 J.P. Morgan（ 摩根大通的前身 ）的 蒂尔·古迪曼（ Till Guldimann ）在上世纪90年代领导发明的，起因是经历了1987年的股灾，差点儿没把摩根整破产，急需风险度量和管理。
当时的摩根CEO丹尼斯·韦瑟斯通（Dennis Weatherstone） 是一个典型的华尔街老登：不喜欢废话，不喜欢弯弯绕，不喜欢几十页精美的部门报告互相矛盾。
他就是要一个非常朴素的东西：每天下午 4:15（美股市场收盘、全球主要市场结算完毕之后），他的办公桌上必须出现一张纸，上面用同一种语言、同一个数字单位，告诉他就在此刻，全摩根的市场风险总共是多少。
为了满足这个要求，摩根内部的风险管理部门主管蒂尔·古迪曼带领团队，开始干一件很工程也很暴力的事儿，把全行各类资产（利率、外汇、股票、大宗商品）的收益分布用一套统一的统计框架拼起来，把不同期限的敞口通过映射到共同的时间轴上，然后把所有不确定性压到一个概率分布的分位数上，这也就是后来被明确定义的第α分位数：VaR。
VaR本质上回答的就是 摩根CEO丹尼斯·韦瑟斯通 那个粗暴但正确的问题："在日常交易的时间里，我们最多要亏多少？"
在金融百科里，VaR 按字面的解释就是“处于风险状态的价值”，即在一定置信水平和一定持有期内，某一金融工具或其组合在未来资产价格波动下所面临的最大损失额， 用一个简单的中学数学公式表达出来就是：
P(Loss <= VaR) = α
其中，P(*)就是概率值，Loss表示损失额， α就是置信水平。
用人话来 举个栗子吧，例如P(Loss<=50000)=95%，这表示风险价值VaR=5w，置信水平是95%，简单来说，在95%的交易时间里，你所持有的证券最大的损失金额就是5w块钱。你可能会说，95%还不够靠谱，你想可信度再高一点，那你可以提高置信水平，比如说提高到99%。
目前常用的置信水平一般就是95%和99%，没有啥约束的个人投资者用95%就可以了，有严格风控要求的机构很多时候就需要用到99%，比如说私募接了银行的委外资金，清盘线设在了0.97，也就是说净值下跌超过3%就清盘了，这个时候就需要设一个极高的置信水平，容错率更高。
明白了VaR的金融内涵之后，问题就来了，那VaR具体是如何计算出来的呢？
VaR的计算一般有3种方式，分别是历史模拟法、参数法和蒙特卡洛模拟法。这些方法都各有优劣，今儿个讲既简单又实用的参数法，只涉及到中学数学。
了解过正态分布三倍标准差原则的小伙伴都知道，在正态分布当中，有68%的数据落在均值附近1倍标准差的范围内，2倍标准差附近的是95%，3倍标准差范围内的则是99.7%。
只不过在计算VaR当中，并不像三倍标准差原则那样考虑双侧（如[ μ-3 σ, μ+3σ]），因为VaR只在乎亏损，不在乎盈利，因此只考虑单侧（如[μ-3σ, + ∞ ]）。
通过查标准正态分布的概率密度表可知，95%置信水平对应的Z值是1.645 ，99%置信水平对应的Z值是2.326。
也就是说， 假设证券的收益率近似服从正态分布，基于历史数据计算出 盈亏金额的 均值 μ和标准差 σ，那么该证券的盈亏金额落在[μ- 1.645 σ, +∞]区间的概率就是95%，有95%的 盈亏金额 比μ-1.645σ要大，有5%的 盈亏金额 比μ-1.645σ要小，于是在95%置信水平下对应的VaR= μ-1.645σ，同理，99%置信水平下对应的VaR=μ- 2.326 σ。
VaR可以计算出来了，如何用它来控制回撤呢？
举个栗子就明白了，假设你有100w，你计算出这个证券的VaR(95%)是要亏损20w，你只能接受的最大回撤是10%，那么(100w ×10% ) / 20w = 50%，也就是说，这个证券你只买入50%仓位，那么有95%概率，你的亏损不会超过10w，也就是最大回撤不会超过10%。
这里需要特殊说明的是，这里的VaR是对应单个持有期的，假设上面的例子是月度VaR，它表示你持有1个月，最大回撤不会超过10%，但可能是这个月回撤9%，下个月回撤7%，下下个月回撤8%，有可能造成累计最大回撤是24%。
因此在实际应用当中，“ 10% ”是你整个策略持有期间（比如说几年）所能承受的最大回撤，这个回撤是由连续下跌N个月完成的，那么你设置的单月回撤应该是“10%/N”。
但怎么知道它会连续下跌多少个月呢，也就是N值是多少呢，这里有个我个人的日常经验值，趋势类策略N=5，反转类策略N=3，因为趋势类策略胜率低赔率高，反转类策略胜率高赔率低。N值的确定在于你对自己策略的了解深度，你可以在我的经验值上做相应增减。
光说不练假把式，可以拿来初步试验一下，就拿群里小伙伴比较喜欢的ETF效率动量轮动策略为例吧，策略原理请见 《 十年多赚2400%，ETF轮动策略都经历了哪些改进? 》 ，先来看一下原始策略的绩效。
该策略是在去年10月发布，当时的年化收益是42.01%，最大回撤是26.05%，如今半年多过去了，目前的年化收益是略有下降，降到了41.46%，最大回撤没有变化。
假设我要跑这个策略，能接受的最大回撤是10%，而目前这个策略的最大回撤是26.05%，怎么办呢？
那就在ETF发生轮动时，用VaR去确定将要买入的ETF的仓位，有剩余资金的话，也不让它睡觉，可以用剩余仓位持有银华日利、国债ETF那些来增强收益，下面的回测绩效是闲置资金持有国债ETF的。
可以看到，最大回撤下降到了11.38%，同时年化收益也下降到了13.39%。为什么最大回撤超过10%了呢，因为目前设置的置信水平是95%，策略运行的10余年间总有5%的黑天鹅发生，导致最大回撤超过预期，如果把置信度水平提高到99%的话。
这回最大回撤就下降到6.59%了，同时年化收益也下降到了9.64%。
从上面的试验可以看出，VaR对策略的最大回撤控制还是有效果的，但是针无两头尖，在控制了回撤的同时，也会削弱收益率，因此这类方法对控制低回撤去追求更高收益的小伙伴更为适用。
好了，改进的方面就说完了，接下来再给想用该策略进行魔改/模拟/实盘的小伙伴的说一说参数设置的要点。
ACCOUNT_ID ：就是你自己的股票账户的资金账号，回测的时候可以不填或乱填，实盘的时候一定要填自己正确的账号。
ACCOUNT_TYPE ：因为ETF要使用股票账户进行交易，所以该参数固定为“STOCK”。
ACCOUNT_MODE ：就是你打算用多少钱来跑这个ETF轮动策略，可选值为MONEY和RATIO。选MONEY就表示按照ACCOUNT_MONEY设定的金额，选RATIO就表示使用总账户ACCOUNT_RATIO那么多比例的资金。
ACCOUNT_MONEY ：策略金额，单位是“元”，根据自己的资金情况设置，最低限度为能买得起候选池中任意一手ETF，建议不低于1000元。
ACCOUNT_RATIO ：占总账户资金的比例，数值在0~1.0之间，0.3表示占30%比例。
STRATEGY_TRADETIME ：策略进行交易的时间，因为ETF轮动策略是日线策略，一天那么长，所以需要指定一个具体的时间进行下单交易，必须是在交易时间段内。
ORDER_TIMEOUT ：订单超时时间，默认是60秒，下单后超过60秒没有全部成交就是超时， 策略程序会自动检查出超时的委托单，然后撤单重下 。
STRATEGY_PATH ：策略相关文件的存储路径，策略程序会在STRATEGY_PATH这个路径底下再新建一个名为STRATEGY_NAME的文件夹，策略相关的持仓文件和交易日志文件都会保存在这个文件夹底下，这些文件是做仓位隔离和信息回溯的关键。
STRATEGY_NAME ：策略名称， 一旦开启实盘之后，策略名称不要随意修改 ，不然就无法识别策略持仓文件，如果在盘中修改然后重启策略的话，就识别不了修改之前下的委托单和成交单。 特别说明就是，策略名称除了中文和英文之外，不要含有任何特殊字符，不然就无法正确识别券商柜台的委托回报。
CODE_LIST ：ETF候选池的代码列表，你也可以把自己想轮动的ETF加入进去。
N_DAYS ：用来计算ETF价格序列动量和效率系数的交易日天数，默认是20天。
SELECT_NUM ：选择几个效率动量趋势最强的ETF，可以选1个，也可以选前面的N个，任君选择。
VAR_POSITION ： 是否启用VaR仓位管理，True表示启用，False则表示不启用。
PERIOD_RISK ：单个ETF 单个持有期内最大可接受损失比例，0.02表示2%。
CONFIDENCE_LEVEL ： VaR置信水平，0.99表示99%。
SUB_CODE ： 剩余仓位配置标的，默认是 国债ETF， 设为None则剩余资金闲置，不用来购买任何证券。
本次 ETF效率动量轮动策略VAR版 的回测/实盘源代码，已经分享在『量化达摩院』社群当中，群友请原路径自取，还不会使用QMT进行策略回测和实盘的小伙伴，请参照社群知识库第二章的第3和第4部分进行操作。
根据之前的规则约定，带V1字样的是回测版，仅支持回测，主要是代码少，方便看策略逻辑，带V2字样的是回测实盘一体版，同时兼顾实盘和回测，方便对比回测实盘之间的差异，后缀py的是策略源码文件，rzrk是QMT当中的策略备份文件，在QMT中导入后，除了能看到源码外，还会带有策略回测时的各项参数，因此墙裂建议量化萌新通过rzrk导入的方式使用策略，会非常省心省力。
我是量化君，下期见~
★
往期回顾
★
------量化社群------
------量化策略------
------心得杂谈------
_ Tip：点击关键字可以直接查看对应文章。 _
END
如果对本文有疑惑，或是想聊聊
亦或是围观朋友圈当点赞之交
戳我，让我们一路同行
吃瓜吐槽写代码
风险提示：市场有风险，投资需谨慎。所有策略思路和策略源码仅供参考和学习，不构成投资建议，策略回测仅代表历史收益，不代表未来收益。
本文由量化君原创。转载时请注明作者及出处。
在微信公众号阅读原文 ↗
