去除市場數據以計算預期回報 (ER)
我是一個完整的新手，所以請善待。
我正在閱讀
基於證據的技術分析：將科學方法和統計推斷應用於交易信號David Aronson
我正在努力理解以下摘錄：
ER =$$ p (long) × avg. daily return $$−$$ p (short) × avg. daily return $$
例如，如果頭寸偏差為 60% 的多頭和 40% 的空頭，則預期回報為零。
0 =
$$ 0.60) × 0 $$−$$ 0.40 × 0 $$頭寸偏差：60% 多頭，40% 空頭 另一方面，如果規則確實具有預測能力，則**其對去趨勢數據的預期回報將大於零。**這種正回報反映了該規則的多頭和空頭頭寸是明智的而不是隨機的。
如果去趨勢的市場數據要求平均值，我看不出這個方程怎麼可能產生大於零的結果。日回報為0。
要點很簡單，交易系統選擇一些日子做多，一些日子做空，如果你幸運或好，它會選擇即使在整個時期內消除漂移或向上偏差後也會有正回報的日子。如果您平均隨機嘗試交易規則，它們的去趨勢收益為零（您是對的），但有些會有 pos 和一些負的去趨勢回報。
假設標準普爾 2020 年以 2500 點開始，以 3000 點結束。這是一個 500 點的趨勢。去勢標普從 2500 開始，也以 2500 結束，但上下波動很大。在這個去趨勢的系列中，如果你正確地“趕上潮流”，你仍然可以賺取損益。
Ah. I see, I think its maybe the wording that has confused me. So in other words when he says "its expected return on detrended data" he is referring to the actual observed return on detrended data? not the ER formula itself.是的，你明白了。有兩種方法可以做到這一點。計算去趨勢數據的損益（簡單），或使用上面的公式，可用於通過減去 ER 將每天的實際損益調整為去趨勢損益。例如，此期間平均有 250 個交易日。日回報=500/250 =2。假設一個策略長 100 天，短 2 天。那麼ER = (100/250)*2-(2/250)*1= 0.792 每天。如果您的策略每天的實際損益超過此值，則調整後的損益將是正數。說得通？（我沒有阿倫森的書了，但我記得的就是這個）。
輕微勘誤表：ER = (100/250)*2 - (2/250)*2 = 0.784。多頭機率和空頭機率的平均每日變化（本書第 26 頁公式中的 ADC）應該相同。
根據定義，一旦你移除了趨勢和其他波動性分群模式，你就會留下白雜訊，沒有任何相關性