第10章 寻找优势
发现市场中的历史模式
科学是狂热和迷信的最好解药。
——亚当.斯密
交易者常常会谈到要在市场中拥有优势。这句话的意思是指交易者的期望值必须是正数。算牌能为扑克玩家带来优势，但是交易者该如何在他们的市场中“算牌”并拥有胜算呢？其中一种方法就是历史研究。尽管历史可能不会在市场中完全重演，我们仍可以识别出一些与过去的方向性优势相关的模式，并猜测这些模式在短期内和以前有相同的走势倾向。了解了市场的历史，我们就能用模式来指导我们的交易思路。
那么，我们该如何研究市场的历史来发现这样的模式呢？在交易者博客上，很多人都在问这个问题。如果你想将自己训练成一个交易者，如果你会测试不同的模式，你的能力就会大增。总而言之，如果你知道自己的优势，你就有信心坚持交易。
关于模拟测试，一本书都讲不完，但是，我会领你入门。只要你有历史数据和Excel,你就能找到一些很好的交易思路。我们开始吧……
第091课：在交易中应用历史模式
一位交易大师说因为标准普尔500指数已经跌破了200日均线，所以他看空了。你可以据此开发自己的交易系统吗？跌破移动平均线真的就该做空吗？
唯一能够确定答案的方法就是研究。否则，投资和交易与迷信差不多了。市场过去曾以某种特定的方式运行，但这样并不能保证市场现在仍以同样的方式运行。尽管如此，历史依然为我们提供了最好的指导。市场像人一样，不能被准确预测。但是，如果我们在不同环境下观察人们一段时间，我们就会对他们的倾向有一个大概的了解。同样，如果我们对不同历史条件下的市场进行深入研究，我们也会从中找到一些有价值的规律。
显然，在大众交易刊物中极力吹捧的移动平均线策略并不是十分可靠的。当我写到这里的时候，我看了一下，如果交易标准普尔500指数，指数上了200天均线就做多，那么从1980年开始算，平均收益率是8.68%。如果指数低于200天均线，随后200天的收益率为7.32%。这样的差距并不大，很难构成做空市场的理由。大卫·艾隆森在写《实证技术分析》（Evidence-BasedTechnicalAnalysis)的时候测试了6000多个技术指标，他发现了这些指标都不太可靠：单个的指标无法准确地预测未来的收益。
在投资前要进行调查研究：人们常说的交易智慧有时候是错的。
历史模式帮助我们进行自我训练的一种方式就是：帮助我们区分神话和事实。我们常常听到：“趋势是你的朋友。”然而，我在博客上的研究发现，赢利后继续交易的收益不如亏损后继续交易的收益多。对于人们常说的交易智慧，仅仅从字面上去理解是不够的，就像你买车一样，你肯定要先试驾，然后再掏钱，交易策略的可靠性和有效性同样需要调查。
有些交易者会犯相反的错误，他们按市场的历史模式机械地进行交易。很多人最终爆仓了。市场模式是相对于我们所研究的历史周期而说的。在牛市中很赚钱的模式在熊市中就不行了。如果我的数据库包括很多牛市信息和熊市信息，我会追溯到很久之前，以至于去研究市场推动力量完全不同于现在的市场。自动化的交易系统已经彻底改变了市场的模式，尤其是短期的模式。如果你只研究了20世纪80年代前的市场，那么你的研究结果就没有考虑到自动交易的不利影响。做模拟测试时，你选择的数据要足够长，要包含各种市场状况，但是也别太长了。
我的交易方法是将市场的历史模式看做定性的研究数据。简单地说，定性研究是形成理论的研究，而不是检验设想的研究。我把市场模式看做是交易理论的来源，而不是固定的结论。基本的设想是，下一个交易时期不会与最近几个交易时期有太大差别。如果一种模式在过去X个时期内一直存在，我们就可以设想这种模式在下个时期会继续存在。像任何设想一样，这种设想是可以被检验的。这种观点不是盲目相信，而是有据可依的，但不能视为固定的真理，不能盲目地用于交易。
历史检验形成的是交易设想，而不是结论。
基于这种原因，我不推荐在研究历史模式的时候使用推理统计。就像心理医生会在病人身上寻找各种行为模式一样，我更多的是在寻找一些定性的差别。简单地说，我希望去形成设想，而不是检验设想。在交易中，交易结果可以检验我的设想是否正确:如果我的收益明显很多，我们就可以得出这样的结论——我是在凭知识交易，而不是随机交易。
如果我们只是为了定性，那么测试数据的长短就不是很重要了。只要我们把历史模式的研究结果只看成是设想，我们就能从过去的几周、几个月、几年或几十年的交易中勾勒出我们的交易思路。基本的设想仍然不变：即下个时期不会与最近几个时期有太大差别。带着这种想法，我们可以在不同时期、不同时间框架下根据不同的模式形成多种设想。比如，我们可以这样设想：收盘时如果价格涨到了前一天的R1轴点之上，涨势很强劲，那么可以考虑买入。我们还可以这样设想：如果上周的走势很弱，那么可以考虑买入。即使多个不相干的模式都说要做多（或做空），这也不是确定的结论，但这是一个可靠的设想。
当多个独立的模式均指向相同的方向时，我们就会得到非常可靠的设想。
当然，如果我们提出了很多设想，即使再有把握，也只是可能而已。我们可以看看一个星期中的几天和一年中的几个星期，道琼斯股票行情不错，所以我们会找到某只看似吸引人的股票的某种模式，比如IBM在夏季的第一个星期三会上涨，但这只是一种可能而已。好的设想应该合乎情理，你应该知道这些设想为什么有道理。比如，市场下跌一段时间以后，有些人要回补空头仓位，有些人会进场做多，此时你买入是有道理的。在以M开头的月份的周四买入股票是没有道理的——无论你从历史数据中得到了什么信息，这个设想都是没有道理的。
当你第一次学着提出好的设想时，你的方法要简单，找到的模式要很有把握。你可以通过研究图表找到很多设想。也许你会注意到，当一支股票的成交量异常放大时，就该卖掉这支股票；或市场第一天下跌，第二天跳空低开，那么就有可能会盘中上涨。你可以用历史数据来测试这些思路。你在交易和观察中注意到了什么模式吗？你要将这些模式记录下来并使其保持简单，这些模式会让你进行定性研究。
训练提示
有几个业务通讯邮件很善于测试历史模式，并能为你的思路提供灵感。它们的作者是第09章提到的杰森·乔菲特、罗布·汉纳和罗尼·杨。他们三人均为经验老到的交易者和市场模式研究者。
第092课：利用正确的数据合理地设想
在上一课，我强调了设想要形式简单。这不仅仅是为了你的学习方便；只要我们不追求暴利，不加很多限制条件，我们就会形成很不错的设想。你可以直截了当地问自己：“如果第一周暴跌，那么第二周会如何？”相比而言，如果你这样问：“在3月份，黄金在上涨，债券在下跌，如果第一周暴跌，那么第二周会如何？”第一个问题比第二个问题好，第二个问题等于在加条件了——也许很多年中只有三次一所以很难从中归纳出结论。我在研究模式的时候，会注意这个模式在过去出现了多少次，如果出现了20次，我会特别留意；如果模式出现的次数很少，我会用字母n表示很少出现。附加条件越多，限制也就越多，就很难总结了。
最简单的模式最告生命力。
当然，模式在一个测试期内出现的次数在一定程度上取决于你所研究数据的频率。股指期货的一个交易日有415分钟，所以在一个20天内你可以观察到8300个一分钟模式。如果你要研究日线数据，得到相同数目的观察对象就需要有一个30年以上的数据。带有高频率数据的数据库在短时间内很难控制，并且还需要使用专有的数据库使用方法；而我所进行的历史研究非常简单，就是在一个Excel文件中使用数据库功能。虽然我在可管理的时间框架内分析的数据并不多，但是足以满足我的需要。显然，一个要检验多个时间范围内多个变量的系统开发者需要一个数据库或一个专用的系统检验平台，比如TradeStation。本章中提到的形成设想的活动对于那些想要系统地、慎重地选择交易模式的主观交易者们再适合不过了——主观交易者不是正规的系统开发者。
在提出值得进行研究的设想之前，你需要收集数据。你收集的数据要囊括一段时间。你所选择的这些数据要包含你要研究的市场状况和交易模式。比如，如果你根据板块间的轮动做交易，你就要收集板块指数和交易所交易基金的数据。如果你利用缺口模式做交易，你至少需要知道每天的开盘价、最高价、最低价和收盘价。以我为例，我研究的一些交易模式要知道创造新高或新低的股票数量，所以我要收集这些数据。
正如你可能猜想到的那样，数据库会很快变大。数据电子表格会包含以下内容：日期、开盘价、最高价、最低价、收盘价、成交量、变化率和一些你所跟踪的指标。对于股票或期货合约，你都可以建一个大的电子表格，尤其是你需要日内数据的时候。我强烈建议交易者从日线数据开始分析。这个过程会使数据集易于管理，并会帮助你提出更长时间范围的设想，从而对日内的观察和判断进行补充。用日线数据可以找到很多好的波段交易模式，并且干净、普遍、可靠的数据比较好找。
一些最可靠的模式持续的时间是几天到几周。
有几个地方都能找到历史数据。很多实时交易平台都在服务器上保存了可观的历史数据。你可以利用这些软件下载历史数据，比如e-Sigml和RealTick(两个我亲自使用过的数据提供商），并在收盘后手动更新你的数据库。此种方法的好处在于，你不必从商家那里花钱购买历史数据。这种方法还会让你获取到你想要的数据，并以你需要的方式进行保存。这是我收集大部分股指期货的日内数据和纽约证券交易所跳动指数的方法。我把这些历史数据存到电子表格中，很直观。整个工作表的更新过程，包括建立图表，最多只需几分钟。
你可以使用的第二种方法是从数据提供商那里购买历史数据，这也是我所使用的方法。我从尖峰数据公司（www.pinnacledata.com)购买日线数据，这家公司提供的在线更新软件是傻瓜式的。尖峰数据公司的很多数据可以回溯到很早的时候，有些数据和指标是很难搞到的。这些数据可以自动存入Excel工作表中，可以用不同的工作表存储不同的品种。你必须进入不同的工作表并找出所有与某种设想和时间框架相关的数据。可以将各种数据复制到一个工作表中，然后进行历史研究（以后还可以增加数据）。我从尖峰数据公司找到的有用数据有：涨跌信息、新高和新低、成交量（包括上涨成交量和下跌成交量）、利率、商品和外汇价格以及周线数据。这些数据都是整体市场的数据，不是个股数据。关于个股数据，我发现实时行情软件中的历史数据够用了。
为了收集干净的日内数据，我发现跳动数据公司（WWW.tickdata.com)是一个非常值得信赖的商家。他们的数据管理软件能让你在任意时间框架下将数据以Excd的形式存储。这是一个快速建立日内数据的好方法，包括股票和期货的价格数据，还有一大堆指标数据。
如果你从数据供应商那里购买数据，你会有充足的数据用来研究，并且更新过程也会非常容易。在行情软件中手动更新数据比较繁琐，而且很花时间，但是，会很明显地为你节省很多开支。你收集数据的方式要简单，这也很重要。如果这个过程很繁琐，很快你就会放弃这个方法。
作为你自己的交易教练，你要使学习进程令你兴奋、愉快；这就是使你保持积极性的方法。你要把焦点放在你已经留心的模式上面，然后收集相关的数据。你首先要关注股票、板块、指数或期货合约的价格、成交量等指标。增加历史数据决不是问题，关键是要以一种方式组织这些信息，这样你可以轻松找出你想要什么以及什么时候需要。在你能熟练地观察历史模式之后，你会惊讶地发现自己在实战时立刻就能看出这些交易模式。
训练提示
收集日线数据和周线数据，如此一来你就可以研究几周内的交易模式。从简单的开盘价、最高价、最低价、收盘价这些数据中都能总结出来很多设想，数量会多得让你吃惊的。上涨交易日之后的收益和下跌交易曰之后的收益有什么不同？如果一个下跌日的振幅是过去20天中的最大值，这一天后会发生什么？连续三个上涨日或下跌日后会发生什么？一个下跌周中的下跌日后的收益与一个上涨周中的下跌日后的收益有什么不同呢？只要研究价格数据，你就可以非常轻松地学到很多东西。
第093课：Excel基础知识
在这一课中，我会简单讲述一下我在研究市场历史数据时使用Excel的几个要点。如果你对电子表格还没有一个基本的了解（单元格是如何命名的，如何将信息复制和粘贴进单元格，如何将数据从一个单元格复制到另一个单元格，如何在工作表中创建数据图表，以及如何将简单的公式写入单元格），你会需要一本针对Excel用户的入门教程。我这里不会讲解如何引用其他工作表的知识，也不教你如何编写复杂的宏，现在我们所讲的是真正的基础知识。通过市场数据提出设想所需的一切都能通过运用这些基础知识完成。
那么，我们开始吧！寻找市场模式和主题的第一步就是将历史数据下载到Excel中。你的数据提供商会提供下载数据的指导说明，一般情况下，第一步工作涉及从行情软件或数据提供商的服务器复制数据，并将这些数据导入Excel。举个例子，如果你正在使用e-Signal(www.esignal.com)看行情，点击你感兴趣的图表。然后，点击菜单项“工具”，再点击“数据导出”选项。此时会弹出一个带有图表数据的电子表格式的对话窗口，如果你希望包含某个元素，你就在方框中打个勾；如果你不需要某些元素，就把方框中的勾去掉。
在e-Signal的对话窗口中，如果你点击“复制到剪贴板”按钮，你会将所有已选中的数据放到Windows剪贴板上，数据作为文本存储在剪贴板上。然后，打开一个空白的Excel工作表，点击Excel菜单项的“编辑”，选择“粘贴”选项，这样，选中的数据就放到了你的Excel电子表格中。
如果你需要的历史数据比e-Signal的对话窗口提供的历史数据多，你需要单击选中图表并用你的鼠标向右侧拖动，这样就会看到更多历史数据。快速移动鼠标，然后完成以下过程：点击“工具”，选择“数据导出”等等。如果你需要比e-Signal(或其他行情软件）服务器上更多的历史数据，这时你就需要订购尖峰数据等公司的数据产品了。
如果你需要多个指标或品种多年前的数据，你需要从历史数据提供商那里下载数据，这些历史数据提供商已经验证了数据的完整性和准确性。
如果你正在使用尖峰数据，你可以使用他们提供的Goweb软件每日自动更新所有的数据。这个程序将所有最新的数据放到C盘Data文件夹中的Excel工作表里。Data文件夹下的IDXDATA文件夹包含了具体品种的数据（标准普尔500指数的开盘价、最高价、最低价和收盘价和创52周高点的纽约证券交易所股票的支数），每个品种的数据分别存储在各自的电子表格中。只要你一打开这些电子表格，你就可以选中你所感兴趣的历史时期的数据，点击Excel菜单项中的“编辑”，点击“复制”选项，打开一个新的空白电子表格，点击“编辑”，然后点击“粘贴”选项。从尖峰数据复制数据并将其粘贴到你自己的工作表，在这个过程中不必修改数据的格式等。
就我个人而言，如果我不能轻松地将数据下载到电子表格中来进行分析，那我不会订购这样的服务。你还可以购买服务器服务，服务器上面有大量的日内和日线数据，这样你就可以轻松地从一个服务器得到你需要的所有数据。总的来说，我认为e-Signal和尖峰提供的数据是可靠的干净的。当然了，收集数据的渠道很多，我建议你到处看看。
当你下载数据并进行分析时，将你的电子表格保存在文件夹中并用你自己可以认出的名字来命名，文件夹有助于你头脑清醒。一段时间之后，文件会越来越多，保持条理性才不会头昏。
一旦你将数据导入了工作表中，你需要使用Excel中的公式来将数据转换成你感兴趣的模式。Excel中的公式都以符号开头。例如，如果你想计算10个价格的平均值（最早的数据在第二行，之后的数据在下面），你可以在D11单元格输入“=average(C2:C11)”，不需敲引号。这样就可以得到Cl到CIO单元格中价奋的平均值。如果你想要生成移动平均值，只要先单击选中D11单元格的右下角，然后按住鼠标左键并向下拖动，最后释放鼠标左键就可以了。每在C列的一个新单元格中填入数值，D列单元格内平均值就会更新，由此生成10日均线。
一般说来，Excel中的每一列（标有字母）代表一个你感兴趣的变量。通常，我表格中的A列是日期，B列是时间（如果我正研究日内数据），C列是开盘价，D列是最高价，E列是最低价，F列是收盘价，G列是成交量（如果我对此进行研究），H列往后是我感兴趣的其他变量，比如其他指数或股票的数据、指标。数据的每一行对应一个时期，比如说一天。通常，最早的数据在第二行，之后的数据在下面。我保留第一行用作数据标签，使每列都标记清楚：日期，开盘价，最高价，最低价，收盘价，等等。当你筛选时，你就会明白为什么这些标签是有作用的。
以下是一些我经常使用的简单统计函数，我经常使用这些函数来对数据进行定性研究。在每个例子中都假设我们正在研究C2到C11的数据：
·=median(C2:Cll)——计算中间值。
·=max(C2:Cll)——计算最大值。
·=min(Cl:Cll)——计算最小值。
·=stdev(C2:Cll)——计算标准偏差。
·=correl(C2:Cll,D2:Dll)——计算C2到C11和D2到Dll这两组数据的相关系数。
通常，我们不会分析原始数据，而是分析一段时期内的数据。公式=(C3-C2)给出了C3单元格和C2单元格的差值。如果我们想用百分比表示这个差值（以便于我们分析一个时期到另一个时期的价格变化百分比），公式应为=((C3-C2)/C2)*1000这个公式表示单元格C3和C2的差值占初始值（C2)的比再乘以100,以此得到一个百分数。
当我们想更新后面的单元格，我们就不需要重新编写公式了。正如上面提到的，我们先点击带有公式的单元格，再点击Excel菜单项的“编辑”，点击“复制”，然后用鼠标左键点击带有公式的单元格下面的那个单元格并按我们的需要向下拖动。电子表格会计算你拖动鼠标选中的每个时期的价格变化。只要公式编好了，更新数据就会变得如此简单：从你的数据提供商那里下载新数据，将其粘贴到表格的适当单元格内。如果你用这种方式组织你的工作表，一天只需花几分钟的时间就可以完全更新数据了。
如果你创建了一个带有公式的电子表格，更新分析结果的工作大部分就是复制和粘贴。这样，仅在几分钟之内你就可以更新很多分析结果。
再次强调，在你开始实际分析之前，需要对基本公式、行和列的安排以及数据的复制进行一些练习。我强烈建议你，在进行后面的工作前，能够熟练地从数据提供商那里下载数据，以及在Excel中对数据进行复制、粘贴、公式编辑这些操作。一旦你具备这些技术，你会终身受用，这些技术也会大大提高你提出可靠交易设想的能力。
训练提示
支持动态数据交换的交易平台能使你将电子表格链接到平台的数据服务器，那么电子表格就能实时更新。这对你在交易时跟踪指标非常有用，省时省力。动态数据交换的使用说明见第09章的罗尼·杨的相关内容。
第094课：可视化自己的数据
一种研究数据间可能存在的关系的好方法就是你自己亲自观察数据。你可以在Excel中创建简单的表格，它能使你看到两个变量在一段时间内是如何相关联的，从而识别出你在电子表格的行和列中没有注意到的可能模式。比如，当你绘制一个以市场平均值为对照的指标的图表时，你可以注意到市场方向改变之前的背离模式。如果你经常注意这样的模式，这些模式就有可能成为有价值的历史数据研究的基础。
同样，一个为Exce佣户准备的基本教程会包括创建不同图表的详细方法，这里的图表包括柱形图、折线图和饼图。你还会学到一些细微操作包括在图中改变颜色、改变图形以及给不同的线和坐标轴加标签。在这一课，我会领你复习一些Excel的基础知识，这些知识会让你开始你的数据研究工作。
通常，你可以通过观察数据元素之间的关系识别出可能的交易设想。
首先，创建一个简单的图表：A列为日期，B列为一组价格，C列为另一组价格（见表10.1)。这个图表能帮助我们看出第一个品种的波动和第二个品种的波动之间的关系。数据都是虚构的，第一行是标签。A列是日期，B列是市场指数的收盘价，C列是矿业股票的收盘价。
要想生成图表，用鼠标选中数据，包括标签，并点击Excel菜单项的“插入”。选择“图表”，然后会出现一个带有各种各样图表的菜单。点击“折线图”，然后选择子菜单中第一行最左边的图表选项。这是一个简单的折线图。然后，点击“下一步”，你会看见折线图的一个小示例图、“数据区域”和“系列产生在‘行’或‘列’”。你应该选择“列”，因为你是按列将变量分开的。继续点击“下一步”，你会看见“图表向导第三步”，在这里你可以输入图表标题以及X轴和Y轴的标签。这时，输入“市场指数和矿业股票”作为标题，“日期”作为“（X)轴”标签，“价格”作为“（Y)轴”标签。然后点击“下一步”。
对话框“第四步”会询问你是将图表作为你的电子表格的一个对象，还是将图表放在一个新的工作表中。选择“作为新工作表插入”选项，然后点击“完成”。
你会看到，“向导”把A列的日期放到了X轴。“向导”同样为我们建立了一个Y轴，并将Y轴根据数据的大小标上了价格刻度。非常遗憾的是，因为矿业股票价格远低于市场指数价格，我们看不到矿业股票价格的波动。
为了修正这个问题，将你的光标放在图表中市场指数的那条线上，然后用鼠标右键点击。这时会弹出一个菜单，你要选择“设置数据系列格式”。点击“坐标轴”选项卡，然后点击“系列绘制在次坐标轴”按钮。这时，图表会发生改变，你会注意到出现了两个Y轴：一个是市场指数的价格，另一个是矿业股票的价格。这样你就能更清楚地看到市场指数和矿业股票的相对涨跌情况。点击“确定”，你就会看到一个新的图表。如果你想要用新标签标记Y轴，你可以将光标放在图表中央（远离数据折线）用鼠标右键点击。这样会弹出一个菜单，你要选择“图表”选项。这时，会出现一个对话框，你可以在里面敲入“数值（Y)轴”（左侧）和“次数值(Y)轴”（右侧）的新标签。
如果你用鼠标右键点击图表中的任意一条折线，在弹出式菜单中选择“设置数据系列格式”，你会看到一个“图案”选项卡。你可以点击“粗细”选项旁边的箭头，使线条变粗一些。你还可以点击“颜色”选项旁边的箭头来改变线条的颜色。
如果你用鼠标右键点击X轴或Y轴，你会看到一个弹出式菜单，点击“坐标轴格式”。如果你选择“字体”选项卡，你可以选择坐标轴标签的“字体”、“字形”和“字号”。如果你选择“刻度”选项卡，你可以改变坐标轴的数值范围。在进行一些练习之后，你就可以自定义你的图表的外观了。（译者注：〇ffice2007和0ffice2010的相应操作相对简单。）
那么，你的图表告诉了你什么呢？你可以看见矿业股票的走势与市场指数的走势并不一致。当市场指数大幅上升或下降时，矿业股票却趋于向相反的方向运动。在这么短的时期内，这个图表本身不会告诉你什么惊人的消息，但是确实提出了一些有趣的问题：
·为什么矿业股票的走势与市场指数的走势相反？矿业股票的走势可能与黄金市场的走势一致吗？
·如果矿业股票随着黄金市场的走势运动，黄金市场的走势也与市场指数的走势相反吗？如果真是这样，原因是什么？二者是否可能受同一种因素一美元的力量影响呢？
·这样的关系会发生在某一个交易日内吗？当我们见到有人在大市场中买入或卖出时，我们有可能识别出矿业股票的买入或卖出信号吗？
回顾你所创建的图表可以帮助你看清不同市场间的关系和市场内的关系Q
很多时候，通过研究图表关系，你可以提出有价值的问题，并让你产生有趣的，能给你带来收益的交易思路。关键是要问“为什么”，比如，我所观察到的关系的产生原因是什么？记住，在你进行自我训练的时候，你需要提出设想，这里没有比简单古老的头脑风暴法更好的方法了。当你真正能从图表中看清数据间的关系时，使用头脑风暴法就变得容易多了。尽管你不会快速得出可靠的结论，但是却可以渐渐学会如何提出可靠的交易思路。
训练提示
绘制标准普尔500指数（代码是SPY)和标准普尔500指数的基金的图表，然后分析它们之间的联动关系，分析最高价和最低价的变化关系，这相当于板块分析。我喜欢跟踪的板块是：XLB(原材料板块）、XLI(工业板块）、XLY(非必需消费品板块）、XLP(必需消费品板块）、XLE(能源板块）、XLF(金融板块）、XLV(医疗保健板块）和XLK(科技板块）。如果你不想使用这样的绘图方法，你可以在决定点网站（www.decis1onpoint.com)查看板块相关指标及图表。另外一个关于股票和板块图表的优秀网站叫竹线图(www.barchart.com)。
第095课：创建自己的自变量和因变量
当我整理我的电子表格时，我一般会将原始数据尽量往左放(A列、B列、C列等等）；原始数据的变化作为自变量放在中间；因变量放在最右边。我们来看看这样做的意义。
我们把自变量叫做预测因子。这些变量会影响市场。比如，我们可以研究标准普尔500指数前一个交易日的价格变化（自变量）对下一个交易日收益（因变量）的影响。原始数据包括了我们所选择的时期内的标准普尔500指数的价格。自变量为前一日收益的移动计算结果。因变量为次日收益的计算结果。自变量就是我们认为能够带给我们交易优势的东西；而因变量就是我们为了挖掘这种优势而进行交易的东西。
如果我将我的原始数据放在数据表的左边，接着放入原始数据形成的自变量，再接着放入因变量，这样就有明确的分析结果了。
我再具体解释一下。先下载标准普尔500指数过去1000个交易日（收盘价）的日线数据，相当于4年的数据。如果我从尖峰数据获取数据，我会在Excel中打开一个空白工作表；点击Excel菜单项的“文件”，点击“打开”，进入C盘的“Data”文件夹，双击“IDXDATA”文件夹，文件类型选择“所有文件”，然后双击“S&P500”文件，然后选中过去1000个交易日的单元格，在Excel中点击菜单项的“编辑”，点击“复制”，打开一个新的空白工作表，然后再次点击菜单项的“编辑”，光标选中A2单元格，点击“粘贴”。尖峰的数据就会出现在我的工作表中，第一行用来写数据标签（日期、开盘价、最高价、最低价、收盘价）。
如果你从其他地方下载数据，用于获取数据的菜单选项会有所不同，但是结果会是一样的：复制数据，然后粘贴到一个空白工作表的A2单元格，然后再创建你的数据标签。于是，你的原始数据就占据了A列到E列（A列是“日期”、B列是“开盘价”、C列是“最高价”、D列是“最低价”、E列是收盘价）。现在，对于F列（单元格F1)的数据标签，你可以输入（不要输入引号）：“SP(1)”。这就是你的自变量，即当天的指数变化率。你首先需要在单元格F3中输入（仍然不要输入引号）：“=((E3-E2)/E2)*100)”。这是该指数中A2交易日与A3交易日收盘价的变化百分比。
现在，让我们在单元格G7中创建我们的因变量。在单元格G1使用标签“SP+1”。在单元格G3输入公式“=((E4-E3)/E3)*100)”，代表该指数中下一个交易日的收益百分比。
为了完成你的工作表，你需要点击选中带有公式的单元格F3和G3;点击Excd菜单项“编辑”；选择“复制”选项。你会看到单元格F3和G3被突出显示。然后，用光标选中单元格F4和G4,并将鼠标向下拖，一直到整个数据结束的单元格，放开鼠标，使所有单元格突出显示。再次点击Excel菜单项的“编辑”，然后选择“粘贴”。你的工作表会对每个单元格按公式进行计算，这样你的工作表的数据部分就结束了。原始数据放在A列到E列。自变量（预测因子）放在F列；我们感兴趣的交易变量——因变量——放在G列。把这个工作表作为练习表保存在一个Excel文件夹中。我们会在未来的课程中用到这个表。
请注意，尽管我们下载了1000个交易日的有价值数据，但是我们样品中的实际数据点只有9%个。我们不能从第一个数据点计算SP(1)，因为我们没有前一日的收盘价，因此，我们必须在第三个数据行开始使用我们的公式。同样，我们也不能从最后一个数据点计算SP+1，因为我们不知道次日的收盘价。因此，我们仅可以使用我们下载的1〇〇〇个数据中的998个来进行分析。如果你就想要1000个数据，你就必须下载1002个数据。
练习一段时间以后，这些操作就会变成第二本能。完成工作表只需一两分钟：打开你的数据文件，复制并粘贴原始数据，编写公式，再复制单元格。在本例中，我们所要研究的是前后两天的收益之间有什么关联。我们在创建工作表的同时并提出这样的问题：“如果第一天上涨，第二天买入合理吗？第一天下跌，第二天卖出合理吗？还是说差别不大？”我把自变量叫做预测因子，因为我们并不真正知道自变量是否与我们感兴趣的变量有关系。自变量仅仅是预测因子的原因还在于，我们并不是在做统计显著性检验，无法确定这个变量就能预测。我们所使用方法和画图差不多：形成设想。
请记住，在本例中，我们是在使用历史关系来描述市场模式，并不是用统计学方法做分析。我们是在形成设想，并不是在检验设想。
如果我以前一直研究前一周价格变化与下一周收益之间的关系，工作表其实是一样的，只是数据为周线数据，不是日线数据。总之，如果你正在研究前一周期数据对下一周期数据的影响，上面给出的方法是最简单的分析方法了。这种方法保证所有的观察结果都是独立的，并且没有重叠数据。
为了让你明白我的想法，我们用日线数据来研究前一周（五个交易日）的价格变化与下一周的价格变化之间的关系。F列中的自变量应该是“=((E7-E2)/E2)*100)”——过去5日的价格变化。G列中的因变量应该是“=((E12_E7)/E7)*100”：接下来5个交易日的价格变化。请注意，当你根据前面讲的方法将那些单元格复制到工作表中时，F8、F9、F10……G8、G9、G10……等单元格中的结果并非完全是独立的。前5个交易日的收益与F8、F9和F10的数值重叠，未来5个交易日的收益与GS、G9和G10单元格中的数值重叠。如果你所使用的原始数据的周期比你研究自变量和因变量的周期更短时，这种情况会一直存在。
推理统计检验取决于自变量数据是独立的，所以在统计显著性时，不适合将数据重叠在一起统计。我只是为了形成设想，我可以容许一定程度的数据重叠，所以我可以用日数据来研究多达20天之久的数据关系——尤其是当重叠量在整个数据所占的比例很小时。也就是说，我不会使用1000个交易日的日线数据来研究未来200个交易日的收益。用4年的数据研究前一个5日价格变化对下一个5日收益的影响是没冋题的。
如果你的历史数据包括了很多种冇场状况：上涨、下跌、横盘振荡、高波动性、低波动性等等，你的研究结果就会非常可靠。
一般情况下，因变量会包括预期价格变化，因为预期价格变化是我作为一个交易者所感兴趣的东西。自变量包括可能与预期价格变化关系很大的任何数据，这些数据都是我通过观测得到的。通常，我会注意那些与次日收益相关的因变量（以帮助形成当日交易思想）以及与下周收益相关的因变量（以帮助形成波段设想）。如果我想从更大的时间框架看待市场，我会研究下一个20个交易日的收益。使用不同时间框架的交易者可以使用不同的时期的数据，包括曰内数据。总的来说，我发现1一20天的周期对我的研究最有用。
再次强调，熟能生巧。我鼓励你在开始进行实际的历史研究前，能够熟练地下载数据并将变量放在你的工作表中。毕竟，你的结果只有在你输入数据并在数据上赋予变化时才会有效。
训练提示
根据我的例子，你可以分析向下跳空缺口第二天的平均收益。自变量会是开盘缺口，公式是=((b3-e2)/e2)*100(今曰开盘价与昨日收盘价之差的百分比）。曰价格变化会是=((e3-b3)/b3)*100(今日收盘价与今日开盘价之差的百分比）。你需要通过使用股指期货数据或交易所交易基金的数据来准确反映市场开盘价；大盘指数无法反映出准确的开盘价，因为不是所有股票在股市开盘时就可以进行交易。
第096课：自己进行历史研究
如果你已经下载了数据并算出了自变量和因变量，你就可以开始观察两组变量之间的关系。在上一课中，你已经保存了标准普尔500指数数据的工作表，其中F列是前一交易日的价格变化，G列是下一个交易日的价格变化。打开该工作表，我们开始进行研究。
你首先要做的是将该工作表中的数据复制到一个新建工作表中。我们首先将数据复制到Wmdows剪贴板，然后粘贴到一个新工作表里。这样就清除了原来工作表里的所有公式，因为剪贴板只能保存文本数据。如果要自己分析数据，该过程必不可少。
所以，选中工作表中除了末行以外所有的单元格。因为没有最后一行，没有次日收益数据，所以我们没有将最后一行纳入我们的分析。选中单元格，点击Excel菜单项的“编辑”，然后选择“复制”。然后，你就可以退出该工作表，并让Windows将数据储存到剪贴板。打开一个新建空白工作表；点击单元格A1;点击Excel菜单项的“编辑”；选择“粘贴”。你的数据会被转移到新的工作表中，而且不含公式。
一旦完成以上操作，你需要删除数据标签下面的第一行数据，因为没有相对于前一日变化的数据。当你选中整行、点击“编辑”、选择“删除”来删除这一行时，下面的行会向上移动，所以数据标签和数据本身之间没有空行。
5见在你要选中所有数据（包括第一行的标签），选择Excel菜单项的“数据”；然后选择“排序”；在“排序”下拉菜单里选择SP(1)选项。你可以点击下拉菜单里的“降序”按钮：这样，标准普尔500指数的最大日收益会排在第一行，第二大日收益排在第二行，以此类推。最后一行是标准普尔500指数最大的日亏损了。
"排序”函数将你的自变量按值的大小进行划分，以便让你了解因变量是如何受到影响的。
现在，我们已经做好了研究数据的准备。为了进行说明，我假设你的数据标签放在第一行，数据有999行（998天的标准普尔数据加上一行标签）。在G列最后一行的下面（单元格G1002)，输入“=average(g2:g500)”（没有引号），敲击“回车”。在单兀格G10〇2下面（G10〇3)，输入“=average(g5〇l:g999)”，然后敲击“回车”。这样你可以大致了解：一半的交易日很赚钱，一半的交易日不太赚钱，分别看看它们次日收益是否变得更好或者更差。请注意，你也可以输入“=average(g2:g250)”、u-average(g251:g500)”、“=average(g501:g750)”和“=average(g751:g999)”将数据四等分来粗略分析次日收益。
你的数据能够显示出：交易萎靡日之后标准普尔500指数的次曰收益大部分为正值，而交易活跃日后的次日收益一般不多。对你来说，你认为要多大的差别才行？正像我在前面强调的那样，我不会利用这些信息开发一个统计学上占优势的机械交易系统。相反，我是想做定性分析，看看是否有重大发现。如果有什么重大发现，我就能形成交易设想。如果上涨日后的平均次日收益和下跌日后的平均次日收益的差别在0.01%和0.03%之间的话，我是不会感到兴奋的。如果强势交易日后的平均收益为负值，弱势交易日后的平均收益为正值，这样才更有趣。
在进行多次排序时，你就会感到有差别，这些差别可能会引起有价值的设想。
那么，我会如何使用这些信息呢？也许我会进一步挖掘、研究那些四等分数据，然后发现强势上涨交易日次日的收益很差。如果真是如此，我会有这样的设想：对于标准普尔500指数，如果第一天强势上涨，那么第二天开盘后是横盘振荡的。对于标准普尔500指数，如果我看出了第一天强势下跌后第二天收盘上涨。我可以这样设想：如果第一天强势下跌了，那么第二天会有大反转。历史数据让我关注某些模式，让我提出了设想，但不是可靠、确定的结论。
历史数据还可以提升我的交易行为。如果我正在做中期波段交易，如果市场在某天下跌了，我会加仓；如果市场在某天强势上涨了，我反而不会加仓。如果我持有空头仓位，我可能会在大跌交易日收盘时兑现部分利润，而不是在上涨交易日收盘时兑现部分利润。
如果我们没有找到任何明显差别呢？这同样是一个发现。这就告诉我们——在这个时间框架内，在这段时期内一-没有趋势。这告诉我们一个道理：市场大涨也好，大跌也好，你的期望值不要太高。此时我们不要认为趋势是我们的朋友，也不要去逆势交易。我们还应该知道从别处寻找潜在优势。
写下你研究发现的关系；这会对你日后的研究有指导作用，并让你事半功倍。
如果你没有分析出数据间的可靠关系，那么你可以看看是不是还有其他的设想。比如，你可以利用周线数据和月线数据看看前期收益是如何影响后期收益的，而不是只看日线数据。你还可以研究另一个品种的次日收益。也许你会在商品或小盘股中找到比标准普尔500指数更多的证据，证明有趋势。
你的创造力真正可以起到作用的时候是在你选择自变量的时候。你可以用工作表研究：当日的看跌看涨比率和次日标准普尔500收益的关系；当日成交量和次日收益的关系；当日金融板块的收益和次日标准普尔500收益的关系；当日债券收益和次日收益的关系。如果你已经能够熟练使用工作表进行分析，这个过程就仅仅是从一组变量转换到另一组变量那么简单了。这样，你就可以在相对较短时间内研究很多设想。
熟练掌握整个过程的关键是使用Excel中的“排序”指令。“排序”指令将你的自变量从大到小或从小到大排列，让你知道你的因变量发生了怎样的变化。在图表中可视化你的数据时，“排序”是一种可以让你了解变量关系方式的好方法，突出了重要的市场热点。但是，一定要保存带有公式的原工作表——之前你命名为“练习表”的那个工作表。我们关于Excel技术的练习还没有结束！
训练提示
我建议你研究以下内容：看看强势上涨日和强势下跌日与次曰收益的关系。你可以通过指标一-比如腾落指标或上涨成交量与下跌成交量的比率——定义强势上涨日和强势下跌曰。然后排序分析。你可能会发现强势的市场继续强势，弱势的市场要反转。然后，你可以通过排序选择下跌曰，再分成很弱的市场和比较弱的市场。通常，你在上涨曰所看出的模式和下跌日的模式不同。
第097课：将数据编码
有时，你感兴趣的自变量会是分类变量，而不是一串连续的值。如果我想要研究一个人的体重（自变量）和肺活量（因变量）之间的关系，我的所有数据都应是连续的。然而，如果我想研究性另IJ(男/女）与肺活量之间的关系，我现在该研究的就是分类变量与连续变量之间的关系。相反，如果我只想分析一个人的肺活量是否正常，我就要对我的因变量进行深入的分析。
在进行市场分析时，有时我们想要分类地查看数据而不是连续地查看数据。在我研究的过程中，我通常会将分类查看与连续查看结合。原因是：
如果你重新打开我们之前创建的数据表，那个研究标准普尔500指数当日收益与前一日表现的关系的“练习表”，你会看到日期数据在A列，开盘价、最高价、最低价和收盘价数据在B列到E列，当日价格变化在F列，次日价格变化在G列。在上一课的分析中，我们按当日价格变化将数据排序，然后又研究了次日平均价格变化与强势交易日或弱势交易日的关系。我们的因变量，次日价格变化，是连续的。我们通过比较平均值来了解自变量与因变量之间的关系。
然而，平均值有时也会误导人：几个极端值可能会影响结果。这些异常值可能使两组平均值之间的差异看起来比正常的大很多。我们可以通过改变因变量来消除这种偏差。我们将次日价格变化放在G列，不过现在要在H列加入一个虚拟变量。这个编码会告诉我们G列中的价格变化究竟是上涨还是下降。这样，在单元格H2中，我会输入（不要输入引号）：“=if(G2>0，l,0)”，然后按“回车”。这样，如果单元格G2中的价格变化为正，单元格H2里的数值会变成“1”；如果单元格G2中的价格变化是0或负收益，单元格H2里的数值就会变成“0”。然后，我会点击单元格H2,点击Excel菜单项的“编辑”，点击“复制”，点击单元格H3并拖动鼠标直到数据末尾，然后“回车”。虚拟变量0和1会占据H列的所有单元格。
我们想知道自变量是否与上涨曰/T跌日频率或价格振幅有关。
现在，我们来进行前一课讲到的“排序”操作。我们选中工作表中所有单元格——包括新插入的H列——然后点击“编辑”和“复制”。退出数据表，保存文件。打开一个新工作表；点击“编辑”，点击“粘贴，所有数据——没有公式——会显示在这个新工作表中。我们像前一课那样再次将数据按F列（当日价格变化）降序排列。同样，我们将数据二等分，在G列最后一个数据下面输入“=average(g2:g500)”，再在下面输入“=average(g501:g999)”。
正如上一课所讲的，这个工作表能告诉我们强势交易日（按价格变化排序后的前半部分）次日的平均收益和弱势交易日（按价格变化排序后的后半部分）次日的平均收益的差别。
在H列，紧挨着G列中两个平均值的单元格，我们输入公式“=sum(H2:H500)”，下面输入“=sum(H501:H999)”。这样我们就能知道：强势交易日和弱势交易日后分别有多少个交易日是上涨的。因为我们将数据进行了二等分，如果当日表现与次日价格变化关系不大，我们就应该知道两部分数据大致相等。反过来说，如果我们看到在强势交易日后的上涨天数比弱势交易日后的上涨天数少很多，我们就可以提出设想了。
如果G列中次日变化的平均值有很大差别，但是两种情况下G列中获利天数差不多，那么这就意味着前一日的收益不会对获利日比例有太大影响，但是那一天的交易量可能会受到影响。总的说来，我喜欢看到两个数值之间有明显的差别。这样，如果下跌日后的次日收益的平均值比上涨日后的次日收益的平均值高，并且上涨日的比例比下跌日高，那么，我可以提出一个设想。
注意，我们同样也可以把自变量变成虚拟变量。假如我想看看上涨日或下跌日（自变量）后是否接着出现上涨日或下跌日（因变量），我可以在F列（当日价格变化）编入一个类似前面H列的变量，并在I列以相同的方式为G列（次日价格变化）加入变量。然后，我会把这个工作表复制到一个新工作表，将数据按H列排序，这样我们就可以将1和〇分开。然后，我们可以研究H列单元格是1的I列数据的和，并与H列单元格是0的I列数据的和对照。
如果我们想要研究事件对预期收益的影响，虚拟变量会对我们很有帮助。比如，我们可以将所有的星期一编码为1，星期二编码为2,依此类推，然后按编码对次日收益进行排序，来告诉我们收益在一周的某天过后收益更佳。当我们想要建立两个或更多自变量的复杂条件并研究他们与未来收益之间的关系时，编码同样对我们很有帮助。这种编码方法多少会有一些复杂，但这会是下一课的基础。
训练提示
如果你将成交量放入你的工作表，你可以将成交量上涨日编码为1，成交量下跌日编码为0。这样，你就可以比较当曰上涨或下跌的成交量与次日收益的关系。现在你需要做的就是将数据按当日价格变化排序，然后再分别按市场上涨或下跌情况进行排序，比较市场上涨或下跌情况与上涨成交量或下跌成交量的关系。
第098课：检查市场状况
哲学家斯蒂芬·培伯提出了情境主义，并用其来描述一种世界观，在这种世界观认为，一定环境下的知识就是真相。短期的价格模式可能在大牛市有正预期值，而在熊市可能就是负期望值了。开盘后第一个小时里的短线反转与中午出现的短线反转可能含义不同。举一个《重塑证券交易心理》中的例子，你知道“向右转(BearRight)”在高速公路上表达一种意思，而在阿拉斯加的荒野中却表达另一种意思。
我们可以给市场数据赋予一定的含义，然后根据这个含义来研究交易模式。我们现在想要问的是：“在这种状况下，未来的期望值有多大？”我们默认有期望值。只是要在具体的市场状况下——我们才能讨论期望值。
很多非常成功的交易设想只适用于某些市场——不是所有的市场，也不是永远适用。
我们继续使用前几课使用的“练习表”中标准普尔500指数的历史日线数据。我们先复习一下：电子表格中A列是“日期”，B列到E列依次是开盘价、最高价、最低价、收盘价。F列是自变量，即当日价格变化，在单元格F22中输入：“=((F22-F21)/F21)*100”。G列将作为我们的市场状况变量。在G22,我们输入：
=if(E22>average(E3:E21),l,0)
如果当前价格在标准普尔500指数前一日的20日简单移动平均线以上，单元格G23显示“1”；如果当前价格不在20日移动平均线以上，则单元格G23显示“0”。单元格G1的数据标签可以是“移动平均线”。我们的因变量是次日价格变化。在单元格H22,应为“=((E23_E22)/E22)*100”，H1的标签应为SP+1。
为了完成这个工作表，我们选中单元格G22和H22;点击Excel菜单项的“编辑”；点击“复制”，选中G23下面的单元格直到数据的末尾，按“回车”键。我们像之前一样选中并复制工作表里的所有数据，保存工作表，命名为“练习表2”；让Window^数据保存到剪贴板备用。打开一■个新工作表；点击单兀格A1;点击Excel菜单项的“编辑”；选择“粘贴”；这样文本数据就进入了我们的工作表。注意：这时，我们就必须删除2—21行，因为2—21行没有20日移动平均的数值。我们也要删除末行数据，因为我们没有第二天的数据。你想删除哪一行，就选中该行左边的数字，点击Excel菜单项的“编辑”，再选择“删除”，你就可以删除整行了。你删除的那一行会消失，然后下面的数据会占据你删除的那一行。
请注意：使用移动平均线作为你感兴趣的变量会缩小你的数据，因为初始值不会有移动平均值。你在确定样本大小时，必须考虑到这一点。
现在我们对数据进行双排序，以进行市场状况研究。假如说我们想知道价格在20日移动平均线以上，上涨日过后的期望值与价格在20日移动平均线以下，上涨日过后的期望值有什么不同。我们像之前一样将数据基于F列“SP(1)”按降序排列，使最大的价格变化出现在工作表的最上面。现在，我们只选择价格变化为正的单元格的数据，将其复制到另一个工作表里。我们的第二次排序将基于G列，仍然是降序排列。这样会将市场在20日移动平均线以上交易的上涨日（编码为“1”）与其他交易日分开。与之前一样，我们会通过计算在G列编码为“1”的H列单元格的平均值，并与G列编码为“0”的H列单元格的平均值比较来研究次日收益的平均值。
下面，我们假设有538个单元格是上涨日，其中383个单元格的G列编码是“1”、155个单元格的G列编码是“0”。比较“=average(H2:H384)”和“=average(H385:H539)”。你也可以按“上涨日”或“下跌日”将H列单元格在I列中编码“1”或“0”，公式为“=if(H2>0，l，0)”，然后比较“=sum(I2:I384)”和“=sum(I385:I539)”，看看移动平均线以上和以下的上涨日的天数是否有明显差别。
为了满足你的好奇心，我们使用标准普尔500数据作为原始数据，我发现当我们在20日移动平均线以上交易时，一个上涨日后的次日变化平均值为-0.04%;而我们在20日移动平均线以下交易时，一个上涨日后的次日变化平均值为-0.18%。这是个很好的例子，其中的发现没有让我感到震惊，但给我们一些启发。我还可以做其他研究，看看在下跌的市场中上涨交易日后面的走势如何，也许我会得到一个设想：在下跌的市场中遇到强势下跌时做空。
通常，你会从排序后的数据中看到差别，这些数据鼓励你继续研究，但是却不能单独证明一个交易设想。
编码与排序结合使用可以创造出很多种市场状况。比如说，如果我们输入“=if(E21=max(E2:E21)，l,0)”，就可以研究当日价格是过去20日中最高价的市场状况并看看这种市场状况是如何影响收益的。如果我们同样考虑另一个自变量，如创52周新高和新低股票的数量，我们就可以研究在新高股票数量超过新低股票数量时或新低股票数量超过新高股票数量时的市场表现如何。比如，如果将新高放入F列、新低放入G列，我们可以在H列输入“=if(F21>G21，l,0)”进行编码，将因变量（可以是次日价格变化）放入I列，再按新高/新低排序。
像我们之前提到的一样，不创造太多的市场状况条件是一个明智的选择，否则你会对你有问题的情况中一个非常小的例子纠缠不清，那么提出设想也会变得十分困难。如果符合设想的市场状况少于20个，你可能需要放宽标准。
作为你自己的交易教练，你可以利用这些条件来了解各种市场状况下的业绩。板块运动、相关品种，这些条件都可以影响市场行为。在探索这些模式的过程中，你会在实战时敏锐地感觉到这些模式，从而帮助你选择和执行交易。
训练提示
如果你对长线交易或投资感兴趣，你可以创建周线数据或月线数据的电子表格并研究月收益之类的自变量对次月收益的影响、VIX水平对次月波动性的影响、市场情绪指标数据对次月收益的影响、石油价格变化对次月收益的影响等等。你还可以对一年中每月（或月初/月末）数据进行编码，来研究日历变化对收益的影响。
第099课：筛选数据
假如说你想分析标准普尔500股指期货的日内信息。因为你是从实时行情软件那里下载的数据，现在你的电子表格看起来会有些不同。第一列是日期，第二列是时间，后面分别是开盘价、最高价、最低价和收盘价。如果你是这样做的，那么下一列可以是某个时期(每分钟，每5分钟，每小时等等）的交易量。
假如说你想了解标准普尔500市场在一天中某一时刻的表现。你要做的就是从大量数据中筛选出那一时刻的数据，只研究那一时刻的数据。我们以往采用“数据排序”作为我们研究这方面数据的主要方法，但是这里我们要使用Excel的筛选功能。
我们就以一个简单的问题开始，来说明我们要如何进行筛选。假如我们想知道今天头半个小时的成交量与之前20个交易日头半个小时的成交量平均值相比如何。这会让我们对市场波动有一个大致的了解：市场波动与价格波动正关联。成交量同样让我们对机构大户的行为有了相应的了解。假如说，如果我们发现交易头半个小时内价格会突破振荡区间，我们可以据此了解大户的行为。
分析成交量可以帮助你、判断谁在市场中交易。
为了进行这项研究，我们会研究标准普尔500股指期货迷你合约的半小时数据。我从我之前提到的平台获取当日数据；在这个例子里，我使用的是e-Signal。为了达到这个目的，我们来创建一个迷你合约的半小时图；点击图表，然后向右拖动滚动条，让图表显示过去信息。当我们选中大约最近20日时，点击菜单项“工具”；选择“数据导出”，取消不需要的数据前面的勾。我们需要的只是“日期”、“时间”和“成交量”。点击“复制到剪贴板”按钮，然后打开一个新Excel工作表。光标选中单元格A2,点击Excel菜单项“编辑”然后选择“粘贴”，这样我们就将当日数据放入工作表里了。我们在第一行输入各列的名称：日期，时间和成交量。（如果你的数据是从e-Signal下载的，名称会和数据一起下载下来，你可以用光标选中A1然后再将数据放入工作表）。
接下来，我们要做的是选中我们想要使用的所有数据。点击Excel菜单项的“数据”，选择“筛选”，然后选择“自动筛选”。在列名旁边就会出现一组小箭头。点击“时间”旁边的箭头，从下拉菜单中选择交易日开始的时间。对于我来说，我生活在芝加哥，使用美国中部时间，那么我就要选择8:30am。然后，你会看到上午8:30到9:30这半个小时的成交量。点击“编辑”，选择“复制”，打开一个空白工作表，点击“编辑”，选择“粘贴”。这样就将上午8:30的数据放到了一个单独的工作表中。如果你有20个值（过去20日），你就可以输入公式“=average(c2:c21)”，然后你就会看到头半小时交易量的平均值。当然，你可以筛选其他任何时间，来了解所选半小时成交量的平均值。
当你知道某一特定时期的成交量平均值时，你在实战时就能知道机构的动作如何——如果成交量随着市场方向而放量或缩量，则更明显。
在你想从数据中选择性地找出部分数据时，这种筛选功能非常有用。比如说，在一列中，你将星期一编码为1，星期二是2,依此类推。然后，你可以筛选历史数据中所有的1，这样你就会清楚地看到每个星期一市场表现如何。同样的，你可以将一个月的第一天和最后一天编码，然后筛选数据来观察与之相关的收益情况。
总的说来，当我想了解在特定环境下某一特定时刻的市场表现时，我发现筛选对日内分析最有帮助。然而，坦白地说，筛选并非最有优势，我也不推荐初学者一开始就学筛选。如果你开始认真研究日内模式，我强烈推荐你从跳动数据公司等数据提供商那里获取干净的数据。你可以使用他们的数据管理软件来创建任意周期的数据并轻松地将这些数据下载到Excel。对历史日内数据更深入、长期的研究需要比Excd更强大的工具。受限于电子表格的大小和简单的操作，我们不可能使用Excel研究长期的高频数据。
不过，当你想了解短期内市场的表现时——比如说，大缺口开盘后第一个小时内的交易——利用日内数据进行研究和筛选可能会非常有用。你会发现有趣的持续模式和反转模式思路，或帮助你在更大时间框架下执行交易。
训练提示
筛选可以帮助我们研究某一时刻的收益模式。假如说市场在过去两小时内呈下跌趋势：如果这两个小时分别是最初两小时和最后两小时，这两种情况下的收益相比如何？如果前一曰是下跌日，那么这两个小时对接下来几个小时的收益会有何影响？这样的分析对短线交易者非常有帮助，尤其是在你将价格变化自变量与纽约证券交易所跳动指数之类的当曰预测变量相结合使用的时候。
第100课：利用你的发现
本章只提供一种使用简单电子表格和公式来帮助你研究历史数据中可能模式的方法。记住：我们只是对数据进行定性观察，定性观察是用来形成设想的，而不是证明设想。从不同角度处理和观察数据是一种技术，就像执行交易一样。经过一些练习并积累了一定经验之后，你就可以在市场收盘后或开盘前一两个小时之内研究多种模式。
关键是要弄清楚：是什么使当前市场与平时不同?价格是在移动平均线之上还是之下？是新低比新高多很多，还是新高比新低多很多？是不是某一个板块很强或很弱？前几天市场是强还是弱？我们总是会在一些极端例子中一当指标或模式最为异常的时候——找到最大的潜在优势。但是，有些时候那些罕见的因素非常难找到。非常高或非常低的成交量、强或弱的看跌看涨比率、大的开盘缺口，这些都是我们要研究的对象。
我们要在极端的市场活动中寻找最大的方向性优势。
如果你已经弄清楚了一种明显的模式，这种模式就会成为一种设想，你可以利用这种设想来进行交易。如果市场很弱，且看跌看涨比率很高，那么20天后的价格是上涨的，实现这种设想的概率是五分之四（40/50)，我就会去寻找近期的底部。如果分析完之后，我发现市场正在走低，但是只有少数股票和板块很弱，那说明我的设想很有可能会实现。最后，我可能会在价格底部买入，使我在这个模式中拥有比较高的回报风险比。
考虑到这种市场状况同样非常重要：如果我们认为市场下跌的20天后上涨的概率很大，这让我们期待一个短期探底的过程。然而，我的新数据告诉我市场越来越弱：越来越多的股票和板块正在创造新低。历史形态似乎不会出现了。这同样也是非常有用的数据。如果市场违反了过去的走势倾向，这说明有异常情况。如果我们恰当地利用了异常情况，也能赚大钱。
我们要把模式看成是设想，对于设想是否会实现，我们要做好两手准备。市场中的某种历史模式就是一个市场需要遵循的剧本，你的工作就是要确定市场是不是在按剧本进行。
我们的分析只是告诉我们历史倾向。如果市场没有以历史的方式运行，这就是在提醒我们，有不同寻常的环境因素在起作用。
所冇这些都说明历史研究是有爪的合理的辅助手段，但是我的经验是，历史研究的最大价值所在可能是在心理方面。对形态日复一日、周复一周、年复一年的研究以及使用Excel对市场结果的分析使我对模式产生独到的见解。同样，当模式发生改变时：当历史倾向消失时，我能敏锐地感觉到。
如果某种模式失效了5次，那么说明市场可能已经改变了。如果市场在最近几次表现得与历史表现大相径庭，那么我就认为市场模式正在改变。如果在多个时间框架内不同变量多次表现异常，这些异常现象更让我确定市场在变化。
多年来，当我看到了各种各样的结果后，我就不会天真地做趋势跟踪了。我不会习惯性地认为上涨的市场会继续猛涨或者下跌的市场会继续猛跌。我开发了一些工具，这些工具能帮助我确定有趋势的市场何时变强、何时变弱，这些方法可以预测反转。在各种市场状况下，观察这些指标长期的表现——实际上是在定量分析这些指标 使我自信地分析数据，并对交易思路保持信心。
很多交易优势源于用独特的方法观察市场并在行情启动前捕捉到行情。我们容易思维僵化，喜欢死盯着少数市场和模式。作为你自己的交易教练，你需要保持开放的心态并及时了解新信息。阅读，与有经验的交易者谈话、仔细研究多个市场、以历史数据来检验模式、了解世界大事，你就会发现普通交易者轻易看不到的东西。如果你具有了开阔的视野，你就会常常形成新的想法。
训练提示
当你研究历史模式时，打开你的历史数据，仔细地研究不符合某种特定模式的市场状况下的收益。如果你按照模式机械交易，那么当资金曲线回撤时，你就知道如何应对。很多时候例外的情况反而是大行情；比如说，大部分情况可能会表现出反向趋势，而且是大行情。如果你明白这一点，你就可以寻找、研究那些例外情况，甚至还可能辨别出那些例外情况并从中获利。
资源
成为你自己的交易教练博客是本书的主要辅助资源。你可以在博客的主页找到与第10章相关主题链接及更多文章，网址为：http://becomeyourowntradingcoach.blogspot.com/2008/08/daily—trading—coach—chapter—ten—links.html
我自己对历史模式的兴趣很大程度上归功于维克多·尼德霍夫的作品。他的网站叫每日投机，里面有很多交易思路：www.dailyspeculations.com
亨利·卡斯滕斯的在线资源，《交易思想检验简介》（AnIntroductiontoTestingTradingIdeas)，是一个非常有价值的普及资源：www.verticalsolutions.com/books.html
迈克·布莱恩特的交易系统非常有用，下面这个网站收集了他的网站上一些免费下载文件：www.breakoutfutures.com/PreDownload.htm
罗布.汉纳的博客检验了多个历史交易模式，可以很好地激励你进行研究：www.quantifiableedges.blogspot.com
两种在检验交易思路方面非常突出的收费服务分别是杰森.乔菲特的网站情绪指标交易者（www.sentimentrader.com)，和尼·杨的市场说话网站（www.markettells.com)。
亨利、罗布、杰森和罗尼均为本书第09章提供了部分内容，有助于我们检验交易思路。