> For the complete documentation index, see [llms.txt](https://yuting0103.gitbook.io/quantbrains/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yuting0103.gitbook.io/quantbrains/untitled.md).
# 資金標準化函數與風險平注配置
**建模（策略）與標準化**
建模聽起來很正式，其實也就是**我們現有已經寫好的策略**，但是要進入管理我們需要先將它做一個標準化的動作好方便我們進行後續的資金管理（包括管理策略本身的部位部署以及跨策略跟跨商品間的關係），標準化的意思就是我們要先來定義何謂一個"下注的基本單位"，而這個單位能夠方便我們來進行買賣的規劃，像是當我們說我們要買一單位的糖，買一單位的台指，買一單位的日經，買一單位的小麥，買一單位的玉米。幫我們進行採買的人或管理系統能夠很迅速的接受指令，知道我們到底要買多少。
情境1：請幫我提取帳戶總資金的2.5%來購買小麥。
情境2：我現在想要購買 0.8個單位的小麥，請幫我提取帳戶相對應的資金進行購買。
換句話說，從數學上來看，（單位）標準化的過程就是帳戶總資金％數要如何對應（最大／滿艙）口數的一個基本映射關係，既然是映射那當然我們就把他函數化就可以了，其實就如同匯率轉換的概念，當我們說我要買資金2％的台指，透過這個函數（匯率）我們就可以馬上知道指的是"買幾口"
這個標準化函數的觀念其實不是什麼新東西，相信做程式交易的大家一開始就已經有了，因為這就是我們策略寫好之後會遇到的第一個問題--**我該用多少錢跑這個策略**，只是通常我們不會把它寫下來（函數化），但我會建議說既然我們都已經決定要做程式交易、要建構量化思維，我會建議從這個量化思維的第一步就要把它給確立下來，不是只在腦袋裡確立，最好是要真的寫下來，寫在我們的策略裡或是我們所使用的資金管理工具環節裡，對於後續自動化流程與管理架構的建立會有很大的幫助。
**我該用多少錢跑這個策略？**通常如果沒有問人的話，我們大概都會先去看歷史的最大回撤，也就是MaxDrawdown（ＭＤＤ）做為參考，先假定我們所撰寫的基礎策略都是跑一口單，如果ＭＤＤ是３０萬，大膽一點的大概就會用一口保證金加一個ＭＤＤ開始進行操作，膽子小一點的可能就會用兩倍甚至三倍ＭＤＤ，也就是６０萬或９０萬開始進行操作，這其實通常就是我們做程式交易的過程中腦袋裡第一個出現的**標準化函數雛形**（資金管理的最初）。然後隨著我們可能對程式交易或系統交易的研究多了，我們還會學到更多的資金標準化函數，最有名的當然是海龜，海龜或許是公開文獻上（我書讀得少，其實也不很確定）第一個導入風險值（動態）作為資金標準化函數的系統（只是講公開文獻，或許不公開的系統可能不是第一個，畢竟交易的東西很多本來就都很私密不會隨便公開）。
現在我們就可以把這個標準化函數寫下來，但為了方便日後做多帳號**比例式**的管理，我們會先取一個**較大的數值**作計算，例如我們系統裡預設的２０００萬跟５％ （這個數值基本上是可以**隨便**設，在實際下單會透過實際帳戶金額跟槓桿比例重新換算成我們實際應有的下單部位，設定一個較大的數值原因主要是希望後續部位換算在四捨五入後仍接近理論值）
（預設值不用動）
然後我們就可以在你的策略裡或你自己的資金管理工具裡去寫下這個資金標準化函數模組。為什麼會建議你寫下來，因為我們在做的是＂量化＂，盡可能寫下一切是可以模組化或函數化的部分，對於不論是在投資組合框架的思考上還是後續的全自動化都會有幫助，而不要只是放在腦袋裡，想說這支策略ＭＤＤ是３０萬，所以我用６０萬來跑這個策略，那隻策略ＭＤＤ是５０萬所以我用１００萬來跑，當你日後東西越來越多，那一定會亂掉，所以有個地方（策略裡或工具裡）能夠寫下來或實做下來對於＂未來的邏輯擴充跟思考＂很重要。
所以我們現在已經可以寫下我們第一個（最大／滿艙）部位跟資金串聯的函數
像是 口數＝（２０００萬＊５％）／（２＊ＭＤＤ）
或是 口數＝（２０００萬＊５％）／（ＡＴＲ＊BigPointValue） （by海龜）
所以我們的策略可能本來是單口進單口出
將上面的 口數＝（２０００萬＊５％）／（ＡＴＲ＊BigPointValue） （by海龜） 寫成口數計算模組後加入策略裡
就可以得到一個與資金串聯第一步所需要的策略（方便後續做管理）
**註**：To現有使用評價大師或量化思維戰略交易平台的舊同學與新同學: 上面這些步驟為了方便剛入門資金管理的同學迅速套用現有的策略，在X1版本之後的Connect模組已經預設直接提供auto的選項讓你不用真的去動手寫上面的程式碼，主要是為了方便大家可以直接掛你原始的單口策略就直接進入資金管理的處理（我知道速食主義跟懶是一種天性，花錢買了平台想第一時間什麼都不想動就掛上去直接用XD，所以二代平台比第一代Xeus多了很多隱藏跟auto XD），但有空的時候這篇文章的內容或討論區裡關於RiskParity模組的細節跟脈絡還是建議要閱讀一下。這一篇以及預計接下來的幾篇也是想乾脆把整個脈絡幫大家更清晰地串一下策略/風險(機率)管理/資金管理的關係。
延伸閱讀：\
[淺談風險平注與策略標準化](http://quantbrains.club/phpBB32/viewtopic.php?f=5\&t=60)
關於風險平注的概念亦可以參考以下書籍
1\. 海龜投資法則 2. 順勢操作 3. 動能投資法
以上是正常的學習資金標準化函數/風險平價的路徑，**建議練習動手進行原有策略的修改**，會讓我們更容易理解套用風險平價之後"回測報告"內前後的差異
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://yuting0103.gitbook.io/quantbrains/untitled.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.