改变波动性的度量尺度
交易系统最常见的问题之一就是它的波动性。 许多风险控制规则为了实现风险控制的目的，紧紧监控投资组合中所有资金经理或交易系统的每日波动性。幸运的是，每日、每月和每年的波动性都是相关的，可以依比例根据其中一个计算出另一个。选择用于计算波动性的日历周期是非常重要的，因为波动性是一个总结性的统计量，并且会随着时间变化。
我们使用随机计算或布朗运动理论，从较短时间尺度转换到较长时间尺度。如果我们假设每月有22个交易日，那么从日尺度转换为尺度(图7.18)的公式如下:
σn=σpv22
类似的，可以通过将月波动性乘以12的平方根把它转换为年波动性。例如，5%月波动性意味着口波动性为1.07%，年波动性为17.32%。在监控盈利产生过程的每日工作时，这些转换非常有用。
这种从月尺度向日尺度的转换可以推广至峰至谷资金回撤的计算。因为日内数据(与月数据相比)平滑性要差一些， 所以交易者需要使用较大的倍数。例如，最差日内资金回撇的一个良好估计是5σ日，或者近似于月资金回撤的标准偏差。类似的，最差月资金回撤近似于年资金回撒的标准偏差。
杠杆的校正
本节将分析调整月盈利标准偏差σm的简单规则。在前面的一些小节中我们已经看到，最差资金回撤和平均月盈利可以使用σu表示，于是我们需要理解如何改变u夹控制风险和回报。因为使用历史数据模拟投资组合比较简单，所以在这里将讨论范围限定在一个期货的投资组合上。
我们希望知道每月每个市场会使σM“增加”多少。自然的,每个市场对o,的贡献取决于仓位规模的计算方法和每笔交易的风险资金。我们使用多达80个期货市场的投资组合的历史数据进行计算，得到这样的简单规则:如果我们在每个市场上的风险占总资金的1%，那么单个期货市场一般每月为σ 贡献0.15%，具体取决于交易规模的算法。这意味着σ依赖F投资组合中的仓位规模算法、风险资金和交易的市场数。于是预测o的规则可以写为:
σw (%) =0. 15 (投资组合中的市场数) (以百分比表示的初始风险)
举例说明，如果每笔交易的风险为100万美元的1%,那么对于60个市场的投资组合，我们将预计看到9%的月盈利标准偏差。这个简单的等式表明，我们可以通过减少初始风险占总资金的百分比，或者削减定额风险来降低波动性。我们 还可以通过减小投资组合的规模来降低波动性。如果修改资金管理算法或者费用结构，那么常数0.15可能增加至0.3.或者减少为0.08。虽然账户规模增加时会存在一些非线性， 但总的来说，这些变化是接近线性的。对于多系统投资组合，这种关系可能更加复杂，但也可使用上述形式重新计算。
