随机信号在市场的表现
如果有 500 只猴子在交易，你能打败它们吗？
说起概率与猴子，最著名的无疑是：无限猴子定理（Infinite Monkey Theorem）：
如果让一只猴子随机地、毫无意识地在一台打字机或键盘上无限长久地乱按键，那么它几乎一定能够最终打出人类所有作品——比如莎士比亚的全集。
在今天的内容中，我们也请出 500 只猴子来参与我们的测试，只不过我们不是要讨论“随机性、无限性与必然性”，而是要讨论“随机信号在市场中的表现”。
当我们在内容中对指标或者策略进行测试时，总会设立一个对标，通常我喜欢用买入并持有SPY 来进行对标。但这个选择实则因人而异，有人觉得能赚钱就是好的，有人却觉得要年年翻翻才行。“随机信号在市场中的表现”是常人很容易忽视的一个参考对象。
实际上，“随机信号在市场中的表现”是非常重要的参考对象，有 2 个原因：
美股市场有长期上涨的大趋势，所以如果以年化收益大于 0 作为标准显然不能真实的反应指标和策略的效果。
从“行动、动作”角度来说，随机是最简单的，如果我们苦心研究了一个交易策略，但最后表现都比不过随机，那真的就是“一通操作猛如虎”了。
所以这篇文章，我们就来看看“随机”的表现到底如何。
游戏规则
下面就请出我们的参赛嘉宾：500 只猴子。我们给每个人发一个筛子，让猴子们通过掷筛子来决定是否买入或者卖出，因此概率完全是一半一半。也就是说：
如果目前没有仓位，那么每天有 50% 概率买入，50% 概率不动。
如果我有仓位，那么每天有 50% 概率卖出，50% 概率不动。
依次类推。
随机入场 - 随机出场
在第一轮测试用，我们使用完全的随机来进行模拟。具体规则如下：
目标底层证券：SPY、QQQ 和 TSLA，我们将分别针对这 3 个股票进行模拟。
回测时长：过往 10 年，每天掷筛子做出判断。
接下来我们记录这 500 只猴子交易成绩的 APR 年化收益率百分比和最大回撤百分比，形成一个散点图。结果如下，每张图标的横轴是交易成绩的最大回撤，纵轴是年化收益率，2 个都是百分比数值。
交易 SPY 的数据
从这个散点图我们看出：
在过去完全随机的情况下，经过 10 年的模拟，500 只猴子中亏钱的也寥寥无几（事实上只有 14 个）。
散点密集度不算特别高，但我们可以粗略看出最大回撤大部分集中在 -20% 和 -30% 之间。年化收益大部分在 4%-10% 之间。
算不上特别好的，但绝对也不差了，我们再来看几个统计数据：
这 500 只猴子的中位数显然不是不赚不亏，只要不太倒霉，一个典型的猴子能收获年化 6.21% 的收益，
因此对于任何指标、策略和我们的动作来说，“有盈利”都是一个最低最低的门槛要求了。事实上如果到不了 6.21%，那基本都算“一通操作猛如虎”了。
交易 QQQ 的数据
交易 QQQ 的数据散点图形态和 SPY 非常相近，就不特别展开讲解了，基本可以得到近似结论，只是 QQQ 由于更大波动性，导致 500 只猴子整体都获得了更高收益。更多数据如下：
交易 TSLA 的数据
交易特斯拉的数据散点图形态也没有特别不同，但显然由于 TSLA 巨大的波动性，整个散点图覆盖的数值区域产生了很大的变化：
出现了更多的亏损猴子：42 个，接近 10%
最大亏损逼近了-90%，接近爆仓（但在我们的模拟中还没有猴子爆仓）
而年化收益夸张的覆盖了 0-60% 范围。
实际数据如下：
从平均值和中位数的年化收益率来说这个成绩可以说很不错了，回撤数据惨不忍睹。不过猴子应该不会受情绪影响，因此一半以上的猴子都会获得年化 14%+ 的收益，甚至有 1 个猴子收获了 10 年 8800% 收益的股神级表现。
从这个数据来看，选择正确的底层证券，似乎比交易规则更重要？
我们继续我们的测试：