第04章开发新的交易系统

不要在鸡未孵化出来时计算鸡的数量。

简 介

交易系统的性能受制于交易者对市场的直觉。只要可以想到的 交易系统，我们都可以将之公式化，并用现在的计算机软件测试。 前面的几个章节中我们分析了系统设计的基本规则。本章将开发并 测试几套原创的交易系统，以展示那些规则的实际应用：   

1.一套简单的趋势跟随系统——65SMA-3CC系统。

2.一套只用于做多的基于价格模型的系统——CB-PB系 统。

3.一套寻求趋势、度量趋势强度的系统——ADX爆发趋势寻求 系统。

4.一套自动模式切换系统——顺势一 逆势系统。

5.一套用于相关市场的场间系统——黄金一 债券系统。

6.一套用于抓取底部的系统——底部钓鱼系统。

7.一套用于逐渐增大仓位规模的系统——超常机会系统。

在本章中，每一个案例都代表了不同的设计思想。我最详细地 分析了65SMA-3CC系统，相同的原理适用于其他所有系统。对于每 套系统，都有一个在连续合约上长期测试的结果。

 我并非建议读者去使用这些系统，因为这些系统都受到假设测试 结果的限制。在这里它们只是作为开发交易系统的示例，展示一下交 易系统的设计艺术，以便引导读者开发适合自己交易风格的系统。

趋势跟随系统背后的假设

简单趋势跟随系统背后的基本假设如下 ：

1.市场以趋势的方式平滑上涨或下跌，并且趋势会持续较长 时间。 

2.向 上穿越移动平均线的收盘价给出趋势改变的信号。

 3.市场不会出现大型逆势价格震荡。

 4.价格运动不会离中期移动平均线太远。 

5.双面拉锯式的市场形态相对较少，不会导致大的亏损。 

6.重要价格运动会持续数周或数月。 

7.市场主要以趋势的形式运动。 

趋势跟随系统的本质如下 ：

 1.市场经常以波动方式在价格区间内运动，所以在交易区间内 亏损较大。

 2.资金曲线会有大的波动，因 为该模型在发现趋势反转之前会 “ 归还 ” 给市场较大比例的获利。 

3.这些系统需要相对“ 宽松 ” 的止损来避免错过大约5%的大型 盈利交易。 

4.这些系统在趋势强劲或虚弱时都会进入市场，于是它们能够 在短期但恶性的逆势运动中止损退出。

简单趋势跟随系统的优点如下 ：

1.它们保证在主要趋势的方向上进入市场。

 2.它 们在多市场和多时间框架上都具有获利性，时间框架的长 度可以为6个月到5年。

 3.这些系统通常是完善的。 

4.这些系统都具有精确定义的风险控制参数。

65SMA-sCC趋势跟随系统

该部分讨论如何公式化和测试一套简单的、非优化趋势跟随 系统，该系统使用尽可能少的价格运动假设。假设使用日收盘价 的65日 简单移动平均线来度量趋势。65日 移动平均与13周SMA (13× 5=65 )是等价的，代表一年的1/4。 这是一个中等长度的移动 平均，它将非常忠实地跟随市场的主要趋势。 

如图4.1所 示，当 市场趋势向上时，价格位于65日 SMA之

图4.1在1995年9月 的日元合约上绘出65日SMA，以 及该系统产生的信号。

图4.2 在I995年标准普尔500指数的那轮主要上涨趋势中，65SMA-SCC系 统一 直做多。 

上，反之亦然。在横向市场中，该SMA变 得水平，价格在其上 下两侧波动。很显然该交易系统抓住了主要趋势，并 紧紧跟随之 (见图4.2)。 

有多种方法来判断趋势反转。通常的方法是使用一条短期移动 平均线，比如说10日 移动平均线，和一条长期移动平均线。当短期

图4.3 1995年12月 英镑出现震荡式横盘，65SMA-3CC系 统产生一连串双面拉锯 式亏损。

移动平均线向上或向下穿越长期移动平均线时，便认为趋势已经改 变。短期移动平均线的 “ 长度 ” 对测试结果至关重要。该系统的另 一个弱点，是价格的运动速度通常比短期移动平均线要快，所以入 场时间总会迟一些。 

为了提高趋势判断的准确性，65SMA-3CC系统需要3个连续的 收盘价(3CC)高于或低于65日 SMA(65SMA)来决定趋势已经改 变。例如，当3个连续的收盘价位于65SMA之上时，便认为趋势已 经向上反转。同样，当3个连续的收盘价低于65SMA时 ，便认为趋势 已经向下反转。再次重申一遍，上述3个连续收盘价的需要是任意指 定的，也可以是10个或其他数量的连续收盘价。显然测试结果会随 着确认收盘价的数量变化而有所不同。 

如果害怕虚假信号(见图4.3)，那 么确认信号所用的收盘价 数量就像一层滤网，可以减少交易的数目。在一个快速运动的市场 中，需要较大数目的连续收盘价来延时入场(见 图4.4)。 相反地 ， 如果市场运动迟缓，那么较少数量的连续收盘价将给出虚假信号。 于是，需要权衡决定识别趋势变化的速度。 

一旦识别出趋势变化，接下来的问题便是决定如何入场。我们 应该在次日开盘时入场，以保证执行所得信号并实现订单。例如 

图4.4 1995年12月 原油市场的大幅震荡使65SMA-3CC系 统产生了许多交易，但 是收益甚微，原因是该系统没有明确的出场规则。

如果3个连续收盘价规则在今晚收盘时被满足，那么应该在次日开盘 时买进，在次日开盘期间内实现订单。对于买单来说，很可能在靠 近开盘区间顶部的位置被实现;而对于卖单来说，则可能在开盘区 间的底部被实现。滑移价差应该被忽略，而计入为滑移价差和佣金 所做的100美元的考量。该入场机制的主要问题是没有滤除任何入场 信号，而且是保证在入场条件被满足的第一时间进入市场。 

实际情况下关于如何入场有多种选择。比如，我们可以在3个连 续收盘价高于或低于65SMA时在收盘时入场。另一种选择是在次日 收盘时使用一张高于或靠近上个交易日最高价或最低价的位置限价 入场。在实际应用时我们还应该滤除—些入场信号，因为我们不可 能对每一个信号都下单。在已经持续了较长时间的趋势中，当价格 在65SMA之上出现短暂的长钉形态时，这种过滤显得非常有用。 

第三种选择是在信号出现后延期x天 ，然后在一个高于n日 的高 点或低点附近入场。这是另一种滤除入场信号的方法，目 的是寻找 更多具有获利性的交易。需要注意的是，如果使用限制订单入场 ， 有时订单根本不会实现，因数点之差而错过入场机会。所以，应该 在次日开盘时入场，以确保进入新的趋势。

在继续讲解之前，让 我们对该入场信号进行一下严格测

表4.1测试65SMA-SCC做多人场信号，使用超过21个市场，从 1975年1月 1日 到1995年7月 10日 间的所有可用数据。出 场在第n日 收盘时。 

试，目 的是判断65SMA-3CC的 入场是否比随机入场要好。我们 按照李布和卢卡斯(详见参考书目)的方法来测试入场信号。测试 时，在第n天收盘时出场，不使用止损，也不考虑滑移价差和佣金的 影响。为了简化起见，只列出看多入场。盈利交易的比例应该一直 大于55%。 该测试包括在超过21个市场、从1975年 1月 1日 到1995年7 月10日 间的连续合约上所有的看多入场。因为并非所有的市场都可 以回溯到1975年，所以使用的只是可以收集到的数椐。

如表4.1所示，平均55%的做多入场都是获利的，表明65SMA-3CC系统比随机交易要好。做空交易的结果与此类似，所以我们有 理由相信该系统可以提供可靠的入场信号。我们的任务是把该系统 与我们的风险控制和出场方法结合在一起。

 实际交易入场是在收盘时系统发出信号的交易日之后的下一个交 易日的开盘。这时我们注意到没有明确的出场信号，意味着做空的入场信号就是做多的出场信号，反之亦然。实际上，如果我们做多一份 合约，就卖空两份合约，相当于净做空一份合约，反之亦然。

 注意一点，在下面的测试中我们添加了一个条件来防止相同类 型的连续入场。当分析添加止损或出场的影响时，这使得我们可以 得到一个同等条件下的比较结果。但在实际应用时我们不需要这样 的条件。

在此我们总结一下什么内容还没有定义：没有使用初始资金管 理止损的明确的风险控制规则，也没有任何的资金管理规则来决定 需要交易的合约数目。为了简化起见，我们只是交易一份没有风险 控制的合约。但这并不是建议在交易时不使用风险控制止损，此处 不带止损的计算只是作为示例。稍后，我们将研究如何添加风险控 制并分析资金管理的作用。

 65SMA-3CC系统在强趋势中都可以创造利润，在横盘或非趋 势市场中它会导致亏损。它的胜率应该在20%~50%。 我们使用20年 的连续合约数据，在23个市场上测试该系统。可能某份合约在20年 里都没有被交易，所以我们从开始日期起使用所有可利用的数据。 为滑移价差和佣金做出100美元的常规考量。因此，这是对一套非优 化系统在一个较长时间段上和很多个市场中的严格测试。测试结果 见表4.2。 

这套简单趋势跟随系统，没有经过任何优化，但其测试结果的 确令人振奋c每个市场只交易一份合约就可以获得模拟利润1386747 美元，而且在23个相当分散的市场中就有19个可以获利。该测试共 产生2400笔交易，所以是一次可信度较高的测试。所有交易中大约 有34%是获利的，这是趋势跟随系统的一个典型比例。

回报率是3.3，在2400多 个交易中可以说是相当棒的。该数据 可用来估算破产风险，一般要求它高于2.0，超过3就非常受人欢迎 了。平均交易利润为558美元，加入交易费和滑移价差的考量后，是 一个非常诱人的数字。每个市场的平均获利是60293美元，大约是平 均最大日内资金回撒2014美元的2.74倍。这是一个完善的恢复因子 ， 可以包含最坏情况下系统连续的资金回撒。

总而言之，简 单的趋势跟随方法在许多市场上长时间的测试中，都可有效地工作，而且只用极少的假设，无需优化。 

测试结果也暴露出该系统的一些弱点。每个市场的平均获利是 平均获利标准偏差的90%。 这就意味着获利性会因市场不同而有较大 的变化。最大日内资金回撤是其标准偏差的108%，表明资金回撒也

图4.6  65SMA-3CC系统在一个较窄的盈亏区间内所有交易的直方图。注意只有 少数交易显示出较大的利润。

会因市场的不同而变化巨大。同时，平均交易利润的标准偏差也表 明测试结果会因时间和市场的不同而产生实质性的改变。所以，我 们可以将该系统的主要缺陷总结为：因时间和市场的不同会产生差 异较大的结果。 

将该系统的优点和缺点综合起来考虑，我们仍认为它是一套相 当棒的趋势跟随系统，它在长期交易中，在许多市场都会提供良好 的获利机会。但是因为在测试结果中有较大的变化，所以在使用该 系统时应相对保守一些，应准备较多资金来应对系统失效。 

下面我们对65SMA-3CC系 统的测试结果进行更进一步的分 析，以便发现更多结果。所有2400笔交易的柱状图显示出交易盈利 和亏损的分布(见 图4.5和图4.6)。 大型盈利交易的数量要比大型 亏损交易的数量多，还有许多较小的亏损交易。需要注意的是，这 些测试结果是在未使用初始资金止损的计算出来的。大部分交易 在一3000美元和2000美元之间波动，在 0附近出现的交易频率最高 (译者注：0即 为盈亏平衡的状态)。 很少有交易亏损超过一5000美

元，但盈利超过5000美 元的交易却不少。使用初始资金管理止损将 清除该柱状图的负半轴部分。

很明显，大部分利润来自少数几笔交易。在图4.6中 ，12.5%的 交易获得的利润大于3000美元。需要注意的是，如果出场太快，就 可能错过100个或者说4%的超级交易，正是这些交易使得趋势跟随 方法值得使用。

下面使用的许多方法都源自标准正态分布。例如，如果我们 测量球轴承的直径，测量结果将呈现正态分布。正态分布是一个 钟形的概率分布。标准正态分布是正态分布的一种特殊情况，其 均值为0，标准偏差为 1。 为了将65SMA-3CC交 易的分布和标准 正态分布进行比较，我们首先要对数据进行“ 规格化 ” 处理。比 较结果见图4.7。 

65SMA-3CC的 曲线比标准正态曲线要尖得多。要产生一个适 合我们数据的正态分布，我使用了微软公司Excel 5.0电 子表格，并 对数据进行了反复的手工调整。拟合的正态曲线如图4.8所示，平均

图4.8拟合正态分布表明65SMA-3CC交易分布有一条“ 胖胖的 ” 尾部，对于小 额盈利交易衰诫吏快 。

图4.9 65SMA-3CC系统在20年内、23个市场上，1565笔亏损交易最大获利 直方图。这是一份最大有利偏移图。 

值为0.16，标淮偏差为0.18。 该拟合的正态分布表明实际的65SMA3CC分布具有“ 胖胖的 ” 尾巴。这就意味着 “ 超级 ” 交易 ：出 现的可 能性比我们通过正态分布预期的要大。该图表明超常的大型获利或 亏损比正常预期的要多。 

修改后的正态分布在亏损侧与观察到的曲线可以很好地拟合 ， 但是小型的盈利交易却快速减少。这表明我们使用趋势跟随系统不 会得到非常多的小型盈利交易。小型交易通常产生于较宽的整固 期，而这些整固期并不常见。小型亏损交易更容易在整固期出现 ， 正如尖峰左侧拟合良好的曲线所示。

 图4.6右侧边缘的巨大长钉形态代表着大约4%的超级交易，即那 些使趋势跟随方法值得使用的交易。该分布表明我们很容易错过这 些交易，如果错过的话，我们的投资业绩将快速下滑。你应该试着 为自己的系统做出这样一条频率分布曲线，以便对系统的性能有一 个更好的认识。 

对亏损交易的进一步观察，使我们发现了65SMA-3CC系统的

图4.10  777笔 盈利交易的分析：获利了结交易的最大亏损。这也是众所周知的 最大不利偏移图。 

另一个弱点。图4.9是 1565笔亏损交易的最大利润分布图，该 图叫 做最大有利偏移(MFE)图 。该系统的显著缺点是，因 为没有明 确的出场策略，许多利润超过3000美元的交易都渐渐以亏损方式了 结。我们不得不谨慎考虑我们的出场策略，因 为只有4%的交易是超 级盈利交易。一不留神，我们就会被套牢在许多亏损交易中，而错 失真正的大型盈利交易。最大有利偏移图带给我们的另一条有用信 息是，选择获利目标点，在该点移动跟踪止损至收支平衡价位。例 如，我们可以在获利2000美元后将止损移动至盈亏平衡点，以减少 亏损交易带来的损失。 

我们还可以使用最大恶性偏移图来设置获利目标，用 以度量大 型头寸。例如，如果我们正在交易10份合约，那么我们可以在500美 元、1000美元、2000美元和3000美元等获利目标处各卖出一部分。 我们按照John sweeIney(见参考书目)的方法来继续分析777笔盈利 交易的最大资金回撒。该资金回撒基于日内交易。这些交易显示出 一些亏损，但最终以获利了结。从图4.10的柱状图中我们可以得到

图 4.11 65SMA-SCC系 统最大有利偏移的累积频率分布。注意水平刻度不是线 性的。 

几点有趣的顿悟。大约500笔 (64%)交易是立即获利的，在交易进 行的过程中亏损不超过250美元，另有100笔 交易资金回撒量小于500 美元。

因此，在交易过程中，几乎77%的交易表现出500美元或小于 500美元的亏损。很少有交易会在出现大于1750美元的亏损后，再获 利了结的。由此我们可以将初始止损设置在1000美元，就可以捕获 88%的盈利交易。认真挑选机械系统的初始资金管理止损价位，是 一种比较现实的做法。  

从图4.11的 累积频率图中我们也可以得出相同的信息。这种类 型的图表可以显示出具有最大有利偏移(比如说500美元)的交易所 占的比例。例如，该图表明50%的 交易都曾经达到1000美元的获利 目标。    

总而言之，对65SMA-3CC系统在23个市场、20年的数据上测 试的结果，表明它是一套完善的、可盈利的系统。当市场以趋势方式运动时，它 可以盈利。由于我们在测试时未使用任何的初始资 金管理止损，所以有些交易的亏损大于3000美元。如最大有利偏移 (MAE)图所示，我们可以通过设置1000美元的初始止损来消除 此类亏损。通过详细的分析，我们发现几笔盈利交易以亏损了结出 场，因此应该使此类交易尽量减少。约有4%的真正大型盈利交易 ， 其利润超过5000美 元，我们必须寻找一种出场策略，避免错过这些 超级交易。

初始资金管理止损的作用 

既然对65SMA-3CC模型的初始测试是令人振奋的，就让我们 做更多的测试吧。第一项工作是向该模型中加入初始资金管理止损。 我们对MAE的细致分析表明，可以将止损安全地设置在1000美元或 1750美元这样高的位置，就可以差不多捕捉到所有的盈利交易。 

但是，在测试初始止损的作用之前，我们应该在该系统模型中 加入另一个条件。在测试期间，如果我们的止损设得太“ 紧 ”，那 么在第一个信号出现后我们就会很快止损退出。于是在进入主要趋 势前会有一系列的交易都在相同的方向(都是做多和做空信号)， 在其中一笔交易进入主要趋势之前，它们可能都是亏损交易。所以 我们的分析就被扭曲了。我们希望得到与加入初始止损前完全相同 的交易。为了达到这一目的，我们必须加入规则来避免同类型的交 易连续出现，以确保我们在第一个信号出现后不会出现两个连续的 做多和做空交易。根据这种规则，如果我们止损退出，那么我们在 再次入场前必须等待相反的信号。当然我们在实际交易中不需要这 样的条件。

插入一个初始条件会有两种作用：1。 它可以减少最大日内资金 回撤，因 为一些实质性的大型亏损交易将被割除。2.它应该还可以 减少盈利交易的数目和总的模拟利润，因 为相同的止损也将滤除一 些实质性的盈利交易。下面通过一些计算来验证我们的这些观点是 否正确。 

这些计算结果见表4.3，可 以与表4.2中 所示的结果进行比较。 两个表中的市场和测试周期都是完全相同的。添加1000美元的止损 后，使总的模拟利润减少了21.5%，从 1386747美元降至1088804

美元。同时盈利交易的数目从810笔 降至689笔 ，或者说下降了 17.6%。 正如我们所预期的，平均最大资金回撤及其标准偏差也 都降低了，证明了初始止损的平滑作用。资金回撤下降到大约 18.5%，其标准偏差下降了40%，于是，添加一个硬性的、固定金 额的初始资金管理止损可以达到减少资金回撤、平滑系统性能的作 用。不过总盈利也有所下降。

我们从MFE图 中选择1000美元的初始资金管理止损。如果将止 损设为500美元，那么计算结果表明，利润、资金回撒和波动性都将 有更大的降低。 

我们可以继续使用该思路来分析美国债券和德国马克市场。我

图 4.12 初始资金管理止损对盈利交易数的影响。当止损变得紧凑时9越来越少 的盈利交易幸存。上部曲线为德国马克，下部曲线为美国债券。 

们对777笔盈利交易的分析表明，一旦资金回撤超过一1750美元，就很少会盈利出场。所以，在接下来的测试中，初始止损从250美元到 1750美元不等，目 的是观察初始止损对盈利笔数的影响。当初始资 金管理止损增加时，盈利笔数也随之增加，到达一定数量后便停止 增加(见 图4.12)。 这表明初始止损起了一个滤网的作用，当止损 变得宽松时，它就允许更多的交易通过。渐渐地，该滤网变得太过 宽松，以至于不再滤除任何交易，于是盈利交易笔数在达到一定数 目后便不再增加。

到目前为止，我们所使用的止损是固定金额的，没有考虑市场 的波动性。然而，在咖啡市场中，1000美元的止损可能显得太紧 ， 而在玉米市场中它又显得太松。于是在某些市场中，一个给定的止 损会像图4.12左侧的止损那样工作，相反的，在其他市场中，同样 的定额止损又像图右侧所示止损一样工作。 

我们可以使用基于波动性的初始资金管理止损来解决这一问 题。为了便于计算，我们将初始资金管理止损设为日真实区间的15日SMA的倍数，用来度量市场的波动性。我们使用与表4.2相 同的连

续合约来测试美国债券市场，将基于波动性的止损设为日真实区间 的15日 SMA的0.25~3.0倍 。

图4.13表 明低于平均波动性1.25倍的止损太过紧凑。而一旦止损 超过2.0，模拟利润和资金回撤会同时增加。资金回撤在止损倍数为 1.50时最小，这就意味着在太紧和太松之间有一个平衡点。在生猪 市场中也可看到非常相似的结果 (见图4.14)。

或许正如我们所预期的那样，当我们加大资金管理止损时，最 大单笔盈利也会增加。这是因为我们所设的止损距离入场价位越来 越远。在与表4.1相 同的时间周期上测试糖期货的结果可以很好地证 明这一点。其他计算 (未列出)表明，最大单笔盈利受初始止损的 影响很小，原因是这些交易常常从一开始就是盈利的。我们可以使 用基于波动性的止损，也可以使用同样作用的定额止损。对于每一 个市场我们不得不设置不同的定额止损，但可以使用相同的波动性止 损。需要注意的是，对于波动性止损，实际止损金额是随时间变化

的，所以必须保证该止损处于为风险控制所设的总金额限制之内。 

当然，在对初始资金管理止损进行测试时也存在许多限制。大 多数情况下，止损金额必须大于日内交易区间。如果止损小于日内 交易区间，那么软件将不能决定止损是否在盘中被触发。除非使用 日内数据，否则我们不能使用日线数据测试类似于250美元这样小的 止损。

 总而言之，从风险控制的角度来看，添加初始管理止损是非常有用的，因 为它减少了最大单笔亏损和最大资金回撤。但是，它也 滤除了一些盈利交易，所以在长期来讲总利润有所降低。我们既可添加定额止损也可添加基于波动性的止损，但这两种止损都必须遵 循完善的指导方针。

为65SMA-3CC系 统添加滤网

到目前为止，我们对交易系统产生的信号未做过任何形式的过 滤。正如我们所看到的，当市场处于整固期时，该系统将产生许多 短命的或 “ 虚假的 ” 信号。滤网就是试图对入场信号进行精选的一 组规则，通过设计，可以使系统更实际地用于市场中。记住一点 ， 我们没有明确的出场策略，做多入场信号同时也是做空出场信号 ， 反之亦然。现在，该滤网的目的只是为了减少整固期的一些信号。

我们可以设计多种类型的滤网。此处我们使用一个以动量为 基础的滤网，它使用前面讨论过的区间运动辨识指数(RAVI)。 RAVI是收盘价的7日 简单移动平均和65日 简单移动平均之差的百分 比的绝对值。当市场处于整固期时，短移动平均(7日 )和长移动平 均(65日 )会非常接近。反之，当市场做趋势运动时，这两条均线 会离得比较远。

我们也可以使用韦尔德的ADX(平均动向指数)作为趋势或非 趋势市场的滤网。说得明白一点，如果ADX下降至小于等于⒛时 ， 那么我们可以认为市场是处于整固期或者正在进入整固期。我们还 可以使用x日 高点一 低点区间，或者其他的动量震荡指标，来判断市 场行情。记住一点，任何指标，包括RAⅥ在内，不会每次都表现得 完美。

图 4.16 美国债券在其著名的熊市之后的整固期内，65SMA-SCC交 易系统产生 数个人场信号。圈出区域为在这一宽阔的整固区内出现的6个信号—— 3 个做多人场，3个做空人场。

首先让我们简要回顾一下65SMA-3CC交 易系统在整固市场中 的表现。当价格开始进入一个狭窄的区间时，没有明确的方向，较 长期的移动平均(65SMA)逐 渐变为水平。价格在这条平均线上下 波动。所以，如果以三个连续收盘价高于或低于甾SMA作为信号 ， 那么我们可以得到连续的做多和做空信号。

从某种意义上说，这形成了一个自我校正过程，因 为入场信号 在价格上不会相差太远。所以，即便连续出现几笔亏损交易，亏损 额也会相对较小。我们可以想象一下，在某些情况下，市场会在一 个比较宽的交易区间内快速地向两个方向运动。美国债券市场曾经 倾向于出现这种整固形态。对于65SMA-3CC系统来说，这是一种最 坏的行情，我们将获得很多短命的入场信号，导致产生相对较大的 亏损，原因是市场正在交易区间内快速上下波动。下面举一些这种 市场运动的例子。     

图4.16所示为1994年 9月 美国债券合约的整固期，它 出现在著 名的熊市之后。让我们来观察一下系统中出现的六个 “ 虚假 ” 信 号。由于市场是在一个较宽的交易区间内运动，价格在平均值之间 来回震荡，交易系统难免会给出很多虚假信号。通过这个示例我们 可以得到一条普遍规则：无论你定义什么规则，市场都会让系统发

图 4.17添加屏障值为 1.0的RAVI滤网之后，在该宽阔的整固区内减少了四分之六的虚假信号。注意只有RAVI大于1时 ，65SMA-SCC系 统才产生有效 的信号。

出虚假信号。 

  图4.17所示为对相同的系统增加滤网后的测试结果。现在在整 固区域只有两笔交易。RAVI线位于价格线之下，所以我们可以看出 产生于整固期的信号，其对应的RAVI大 于1。 因为该模型进入图形 左侧时为看空，所以图中第一笔交易为看多买进。添加滤网后的系 统只有当RAVI大于1，并且有3个连续收盘价高于65SMA时才产生购 买信号。      

较窄的整固区域在购买信号产生后迅速运动，使RAVI于1。 所以，该滤网滤除了接下来的两个信号，一个卖出信号和一个买 进信号。同样，它在6月 份也滤除了一个买进信号和卖出信号。当 RAⅤI恰好上升到超过1，且有3个连续收盘价低于65SMA时 ，产生 了最后一个卖出信号。于是，我们使用RAVI值可以滤除一些拉锯式信号。

那么在使用RAVI滤除信号时，屏障值应该是多少呢?对此问 题没有完美的答案，我们不得不使用这样或那样的方法来选择一个 值。将RAⅥ屏障值从1提升至1.5，滤除更多交易。如图4.18所示 ， 从1993年8月 开始该模型应该是看空，市场一路下跌，穿过两个整固 区域，每个合约获利13696美元。注意当趋势积蓄力量，在较低的整

固期开始前向上翘起时，RAVI是如何强势向上超越1的 。 

   这些图表表明我们可以使用滤网减少从趋势跟随模型中得出的 交易数目。我们可以使用不同的滤网，并且对于一个给定的滤网使 用不同的屏障值。注意这样的系统在任何时间都位于市场之中：或 者做多，或者做空。 

至此，添加滤网的作用应该比较清晰了：1.滤除一些虚假信号 ; 2.减少了最大日内资金回撤;3.提高系统的盈利因子，即在测试周期 上总利润对总亏损的比;4. 通常会增加系统期望;5.平均盈利交易的 长度增加。我们的结果取决于我们选择的滤网及其屏障值。 

这些观点可以得到更多数据的支持。表4.4所 示为给65SMA-3CC系统模型添加一个0.5%的RAVI滤网后，在 14个任选市场上的计 算结果，初始止损为1000美元，滑移价差和佣金量为100美元。这些 市场非常广泛，包括软件、谷物、金属、能源、外汇以及指数和利 率合约。我们可以与表4.2中未加任何止损或滤网的计算结杲进行比 较，以便评估止损和滤网的作用。

表4.5显示出0.5%的 RAVI滤网对系统期望值的影响。该滤网系 统具有一个较高的期望值，表明入场质量有所提高。

 表4.4和表4.5表明为交易系统添加滤网后，交 易数目会下降 ， 系统期望会增加，盈利因子也会上升。这些结果对滤网非常敏感。

我们可以选择不同的方式来过滤一套系统，例如，可以用ADX代替 RAVI。 而且我们不得不在多种选择之间做出权衡。 

首先，我们在23个市场中超过20年的数据上测试了65SMA-3CC 趋势跟随系统的性能，通过分析获利和亏损交易选择了初始资金管理 止损。接下来我们又对系统进行了过滤，减少了信号数量。使用同一模型进行测试的主要优点，是它可以使我们观察到交易策略改变前后 的明显对比，而在实际交易中是不必受此限制的。 我们在前面的分析中都没有考虑资金曲线管理的问题，允许系 统自由运作以获取最大利润。然而，系统之前总是处于市场中的。 如果我们添加一个中性区域，系统就未必总是在市场中了。我们还 可以考虑添加一条或多条出场规则来获得一条比较平滑的资金曲 线。有时出场策略也会制造一个中性区域。

为65sMA-3CC系 统添加出场规则 

在系统设计中，选择通用且有力的出场规则是一项有难度的挑 战，因 为市场总是呈现不同的价格形态。一种特别容易执行的出场 规则是初始资金管理止损。如果止损被触发就退出交易，毫无疑问 可言。但是，获利是另一个问题，因 为我们必须设计重新入场的规 则，使得交易在满足出场规则后继续进行。 

在65SMA-3CC系统中，把入场规则当做出场规则的方法的确 会抓住较长的趋势，代价是账户资金的较大波动。所以，加入出场 规则会使资金曲线变得平滑。如果可能的话，我们应该在每个市场 中交易多份合约，为每个出场规则分配一份或多份合约。这使我们 不会只有一个“ 最佳 ” 出场策略。

 除了入场触发出场方法之外，我们还可以考虑使用许多其他的 出场策略。一条简单的规则是使用定额跟踪止损。在这种情况下 ， 我们在交易时将设置一个止损，比如说距离最高资金1500美元。除 了定额止损，我们还可以使用以波动性为基础的止损，该止损为距 离最高交易资金的真实区间的倍数。一种出场策略是使用基于时间 的止损，比如说过去n天的最高价或最低价。另一种有效的出场策略 是在交易中的第n天收盘时出场。例如，我们可以在交易的第5天收 盘时出场。如呆我们交易多份合约，这些合约的交易时间从5~⒛天 不等，那么这种方法表现得相当棒。

如果在没有有效重复入场策略的情况下使用出场策略，我们会 错过重要的市场运动。所以，在使用趋势跟随策略时很少使用敏感 的出场策略。出场策略提供许多可供任意选择的机会，如果你喜欢 在交易中随意发挥，那么出场策略的设置将是你很好的用武之地。

在表4.6所 示的例子中，我们为65SMA-3CC系统添加了一条 14日 出场策略，滤网为0.5%的 RAVI ，初始资金管理止损为1000美 元。如果价格超过前14日 的交易区间，那么跟踪出场将了结该笔交 易。例如，我们正在做多，如果今天的收盘价低于最近14天的最 低点，那么我们将在明天开盘时退出交易。这是一种趋势跟随出 场，可以使我们在主要趋势接近尾声时退出，规则是—个14天 价格的反转。

添加出场条件后，系 统在市场中的天数平均减少了45%，同 时，获利性能和最大资金回撤都有所降低。当系统在市场外观望的 时间里，我们使用金融市场工具所做的所有投资盈利都将增加到自 己的总盈利中。所以，如果我们让交易系统受到更多的限制，那么 总盈利同时也会受到限制。在这种情况下，是 让资金曲线更加平 滑，还是让资金增长，取决于交易者自己的选择。

通道突破-回调形态

这一部分讨论的交易系统，源 自在成熟市场中所发现的一种 形态，即 市场中存在大量机构性活动。在这些市场中，大型投资者 倾向于削弱市场的运动。所以，他们在市场上涨时会起到压力的作 用，而在市场下跌时会起到支撑的作用。例如，当市场创出一个20天新高时，许多大型投资者将重仓做空，压制市场回到先前的整固 区。如果市场背后的基本面力量非常强劲，那么在经过短暂的整固 后市场将恢复上升趋势。在20日新高之后出现的回调期做多，并且 只进行做多交易的系统，叫做通道突破一 回调(CB-PB)系 统。 首先，我们举几个CB-PB系统工作的例子，并给出用于测试 的代码。接下来，我们在22个市场上测试基本的CB-PB系统入场策 略，以验证该思想的正确性。然后，我们讨论3个不同的出场策略 ， 以说明如何将相同的入场策略转变为完全不同的交易系统。这些系 统既有短期系统——在市场中7~9天，也有长期趋势跟随系统。我 们将对比分析使用1500美元 “ 紧凑 ” 初始止损和5000美元 “ 宽松 ” 初始止损的效果。这些分析主要集中于下列成熟市场：咖啡、欧洲 美元、日元、瑞士法郎、标准普尔500、 10年期国库券和美国债券。

该通道突破一 回调形态只用于做多。支持该系统的假设如下 ：

 1.市场在整固期结束后将开始一轮新的上升趋势，因 为它最近 刚创了一个20日新高。

 2.在整固期入场是一种低风险入场。

 3.出 场应该位于20日高点附近，使用跟踪止损出场，或者在交 易x天后出场。

现实情况是当市场出现一个20日新高后，会有一段延长的整固 期，甚至会再出现一个20日新低，所以看多只有50%至70%的正确 率。同时也很难寻找一致性的出场，因 为市场不会每次都以相同的 方式运动。因此使用CB-PB系统的另一个难题是寻找一个一致性的 出场策略。第三个难题是止损的设置。如果市场反转，并开始一轮 新下降趋势，那么一个用于风险管理和亏损控制的初始止损是必需 的，不管是简单定额止损还是基于波动性的止损。 

CP-PB系统形态的第一个例子使用的是德国马克1995年3月份的 合约。图4.19所示为日线图和附加在棒线上面的20棒交易区间。有一 个13点 的屏障加到20日区间线的两条线上，以 滤除一些假突破。从 图中可以看出，德国马克在向上突破其20日区间后进入为期7天的整 固区，然后才向上运动。向上运动一段时间后，它创造了一个新的 高点，然后又进入整固区。

图 4.19 德国马克在创造20日新高后出现回调。目标是在回调中买进。为了方便 观察，图中绘出20日 价格通道。 

理论上，可以在回调期买进，但我们不知道回调期将持续多 久，所以问题在于如何辨识回调的产生。在回调期内，市场通常也 会创造许多新的5日 低点。因此我们可以定义该突破一 回调看多入场 规则如下：市场必须创造一个新的20日高点，并且在接下来的7天中 再创一个5日 低点。一旦5日 低点形成，就在下一个交易日开盘时买 进。这些选择是任意的，具体数字可通过试验确定。例如，我们可 以在市场出现20日高点，又紧接出现5日 低点后，在下个交易日收盘 时买进，而非在开盘时买进。 

现在我们需要一个出场条件来测试该入场规则。为了简单起 见，我们将在交易的第n天收盘时出场，短期系统设n=5，中期系统 设n=50。 在此我需要重申一下，这些数字都是任意的，你可以选择 其他数值，例如用3日 低点取代5日 低点。

第一行将“ Xdays” 定义为一个输入变量，默认值为14日 。在测 试期间可以对该值进行修改。函数Highest Bar 将返回从20日最高点起 的棒线(交易日)数量。第二行首先检查自20日新高后是否已经过 了7个交易日，然后它检查今天的最低价是否低于前5日 最低价(即 一个新的5日 低点)。 如果两个条件都满足，那么我们就可以在下个 交易日开盘时买进。默认情况下，该系统将购买一份合约。第三行 是出场条件，如果今天是自入场起得第x天 ，那么就在收盘时退出正 在进行的做多交易。该系统将以入场日开盘价进入看多交易，并且 在出场日的收盘价退出交易。 

函数Highest Bar有一个缺陷，它从测试日开始向前数20天，所 以该函数有时给出的信号并不是我们所预期的最高点。为了准确捕 捉最近20天的最高点，该规则应该改为Highest Bar (High27 )[1]。 但是 从长远来讲，两种测试结果的差别不大。

 图4.⒛表明，在1995年3月 的德国马克市场图表中，使用14日 出 场策略工作良好。第一个突破产生于1994年 12月28日，回调入场产 生于1995年1月 9日 ，入场价位64.11，恰好是随后14天 的最低点。出 场时间选在1995年 1月30日 的收盘，出场价为66.52，在为滑移价差和 佣金做出100美元的考量后，获利2913美元。下一次入场产生于1995年2月 1日 的收盘，入场价位65.65交易进行中的最低点为65.07，产

生于入场4天之后，这58点 的风险为725美元。出场时间选在1995年 2 月23日的收盘，出场价位68.19，利润为3075美元。

所以，在 1995年 3月 的德国马克图表中，CB-PB系统产生了低 风险的入场点，准确进入逐渐形成的上升趋势。对于该图表来说 ， 在第14日 出场是一次幸运的选择，交易者可以使用基于个人偏好的 数字。 

在此需要注意的是，我们指明的是一种通用的入场形态，没有 关于DM价格形态的特别假设。同时，出 场策略也是任意设置的。 当然，如果我们在第5个交易日而不是在第14个交易日收盘时出场 ， 获利会相对较小。CB-PB系统模型提供了一种相对低风险的入场策 略，通过改变出场策略，我们既可以将它用于短期系统，也可以将 它用于长期系统。 

到目前为止，出场策略都是基于自然的趋势跟随，只是在出场 天数上有所变化。例如，我们可以将出场天数定义在5~50天不等 ， 就会获得完全不同的测试结果。然而，我们永远不会得出一个“ 完美 ” 的数字。我们可以期望市场以一种不同的方式运动，从而不使 用时间，而是使用我们已经熟知的价格作为出场信号。因为是在 市场回调时买进，所以似乎可以假设市场会重新达到最近20日的高 点。于是我们可以把市场重新达到最高点作为出场信号。下面是在 TradeStatiorl TM中所写的新系统代码 ：

If Highest Bar(High，20)[1](7and Low<LoWest(Low，5)[1] 

then buy tomorrOW on the open;

E×itlong at highest(h，20)[ 1 ]limit;

CB-PB规则的第一行与前面的完全相同。第二行指明了一个明 日多头出场，使用在最近⒛日高点交易的限制订单。对于1995年 12 月标准普尔500合约而言，这已经是一套“ 完美 ” 的系统模型。连续 有12笔盈利交易，总获利5000美元(见图4.21)。

 我们在DM合约上使用非常普通的价格形态得到了一种迷人的 短期系统，它在波动上升趋势中表现得特别优秀。我们没有做特别 的假设就捕捉到一种在任何市场中都可以见到的通用的市场行为。 CB-PB入场，在最近的高点出场，在整固形态中性能优良。

另一种出场策略包含跟踪止损，但是不会在长期趋势未转势前 就将交易斩断。所以我们在过去40天的最低点出场，这将把CB-PB 系统转变为一种长期的趋势跟随系统。

If Highest Bar(High，20)[1](7and Low<LoWest(Low，5)[1] 

then buy tomorrOW on the open;

Exitlong at highest(h，20)[1 ]limit;

CB-PB入场规则保持不变。第二行使用止损退出，止损设置在 低于前们棒线(交 易日)的最低点一 1点的位置。我们看到这将变成 一种趋势跟随出场。如果市场转头向下，那么我们的初始止损将使 我们获利出场。位于40棒线低点处的跟踪止损允许我们的交易穿过 较小的整固区。

注意我们是如何凭借对市场形态的直觉理解，得出三种不同的 出场策略来满足特定的交易偏好的。记住一点，我可以通过在近期 高点出场把它作为短期系统使用。对于中短期交易也可以在交易第 n 天收盘时出场，或者是使用跟踪止损。每种出场方式所产生的交易 系统都具有不同的特性，尽管它们具有相同的入场信号。交易者开 发交易系统时这种类型的修改是应该要考虑的。图4.”所示1995年3 月的美国债券市场可以帮助我们形象化理解这三种出场策略。

图 4.21 CB-PB系 统使用最近20日高点限价单出场，连续产生12笔盈利交易 ， 利润5万美元。

现在让我们更进一步地分析入场信号，看它是否比随机入场系 统要好。按照李布(Le Beau)和 卢卡斯(Lucas )(见参考书目)的 建议，我们尽量隔离该CB-PB系 统入场信号的影响。 

 我们对CB-PB入场信号进行测试，出场选在第n(n=5，10，15 和20)天的收盘，不使用止损，也不考虑滑移价差和佣金。卢卡斯 和李布认为如果入场信号好于随机系统，它在一定范围的市场中至 少应该产生55%的盈利交易。他们只测试了6年的数据和6个市场来度 量信号优于随机信号的水平。这里我们使用22个市场的连续合约从 1975年1月1日到1975年7月10日 期间所有可获得的数据。对于该入场 信号这应该是一次严格的测试，我们的目标是检查它的一致获利性 是否总是优于55%。 

表4.7表 明所有CB-PB入场中约有55%是获利的，所以我们有理 由相信CB-PB入场信号比随机入场要好。现在我们可以将该入场信 号与各种各样的风险控制和出场策略融合在一起，形成适合我们交 易风格的交易系统。

 第一条出场规则就是在交易第n天收盘时出场。我们所做的假设 是认为市场在入场信号后会以趋势方式运动，所以现在使用连续合 约来分析CB-PB入 场，初始止损为1500美 元，允许100美元的佣金

表4.7 在1975年1月1日到1995年7月10日 的所有可得数据上，CB-PB人场信号胜率(%)。

和滑移价差。如本部分开头所讨论的，我们的分析主要集中于“ 成熟 ” 市场。让我们考虑一下这种情况，即在第5天收盘时退出多头交 易。该测试使用从1975年1月 1日 到1975年7月 10日 期间所有可获得的 数据。 

第5日 出场的交易结果并不会给人留下深刻的印象(见表4.8)。 由于我们是在整固期买进，所以大部分交易在入场5日 后获利甚微 ， 我们应该考虑持有多头交易较长的时间。

 如果我们持有多头头寸50天 ，然后在收盘时出场，结呆如何 呢?测试条件与表4.8完全相同。从表4.9中 我们可以看出当n=50天 时，交易业绩出现了奇迹般的提升，每个市场的平均获利都增加为 原来的3倍 ，盈利因子上涨了46%。 所以我们的基本假设，即市场在 整固期后将做趋势运动，在这些市场上39%的 时间里看起来都是正确

表4.8 CP-PB做多交易，第5日 出场，使用1500美元初始止损，在1975年1月1日 到1995年7月 10日 的所有可得数据上测试。

表4.9  CP-PB做多交易，第50日 出场，使用1500美元初始止损，在1975年1月1日 到1995年7月 10日 的所有可得数据上测试。

的。我们通过在第50日收盘时出场，就把一个不完善的短期系统转 变为一个引人注目的中期系统。

前面我们曾经讨论过，初始止损应该基于市场的波动性。例 如，对于标准普尔500市 场1500美元的止损可能“ 太过紧凑 ” 。对 于在第50日 出场的CB-PB系统，使用5000美元而非1500美元的初始 止损，除标准普尔500之外，图 4.9中所有市场的获利都下降。标准 普尔sO0的获利增加至141840美元，56%的交易(55笔 )盈利，平均 交易利润2579美元。最大资金回撤为24795美元，盈利因子从 1.62能增 至 2.29。所以，初始止损会影响整个系统的性能。

 我们可以使用跟踪止损继续分析该入场信号的长期特性。从表

表4.10 CP-PB做多交易，40日低点跟踪出场，使用1500美元初始止损，在1975年1月 1日 到1995年7月 10日 的所有可得数据上测试。

表4.11 CP-PB做多交易，最近20日高点限价出场，使用1500美元初始止损，在1975年1月 1日 到1995年7月 10日 的所有可得数据上测试。

4.9中可以得出，我们应该使用允许趋势发展的跟踪止损。所以，让 我们任意指定出场为过去40个交易日的最低点，这将把中期系统转 变为长期交易系统。同前面一样，我们使用1500美元的初始止损 ， 并为滑移价差和佣金做出100美元的考量。

从表4.10可以看出该入场信号的长期性能，盈利因子接近于 3， 平均交易利润为1082美元。净获利与资金回撤的比例超过4.5。 这些 数字表明我们可以使用相同的入场信号，并把它转变为一套强有力 的长期趋势跟随系统。

 仍以CB-PB入场，出 场选在最近20日高点处。作为整固期间 的回补，我们有理由假设市场会重新达到最近20日高点。表4.11是对使用1500美元初始止损和100美元的滑移价差和佣金量后测试结 果的总结。 

在近期20日高点出场的CB-PB系统，只有在欧洲美元、标准普尔500、 10年期国库券和美国债券市场上得出引人注目的结果。大比 例的盈利交易使得该出场信号特别吸引人的眼球，不过平均盈利交 易的长度只有9天。 

我们可以开发这种策略的其他版本。CB-PB系统的一个特点是 满足了我们低风险进入多头交易的需要，我们可以使用多合约交易策 略来提升系统的性能。另一种方法是增加滤网减少交易数目。

 CB-PB系统具有一个灵活的入场规则，可 以适应多种交易形 式。在中长期系统中，CB-PB策略更具有获利性。短期系统只在几 个比较活跃的市场中表现良好。需要注意的是我们应如何使用相同 的入场信号，通过改变出场策略来开发不同的系统。

ADX爆发趋势寻求系统

在65SMA-3CC和 CB-PB系 统中，我们都假定市场即将做趋势 运动，虽 然我们并不确信市场是否正在进入趋势，因 为很难一直 准确地度量趋势。正如我们在第3章 中所讨论的区间运动辨识指数 (RAⅥ )，市场动量是对趋势所做的一种很好的度量。不幸的是 ，

为了减小指数中的噪声，我们需要做一定量的平滑处理，而这种平 滑处理通常会使指数反应延迟。 

图4.23所示为美国债券合约从1992年 12月 至1993年3月 期间完 美的上升趋势。日线下面的指数线为18日 平均动向指数(ADX)。 ADX度量给定时间上的动量，较强的趋势通常会引起ADX上扬。当 ADX超过20时，便认为市场处于趋势之中。但是ADX是一种延迟指 标，所以对于任何特定的指数值来说没有太大的意义。 

ADx与双重平滑的绝对动量紧密相关，所以常常具有同样的 延迟。在指示趋势方面，ADX常常给出迟到的信号，而且波动市场 不按原来方向运动，也将导致ADX上升。事实上，当市场强势反转 时，ADX还可能继续上升。 

在一轮强劲的趋势中，当市场在日内以趋势方向做出较大动作 时，日 ADX动量可能“ 砰然 ” 超过1.0，我 们说ADX“ 爆发”了。 图 4.24所示为美国债券市场1993年3月 份的数据，从中可以看到ADX 的柱状图不断向上爆发超过18日ADX线 。随着趋势加速，日ADX变 化量大于 1。 伴随着ADX的爆发，可以看到相对较长的棒线。现在我 们可以使用如图4.25所 示的思想建立一套交易系统，图 中圈出的是 入场信号。 

很明显，ADX的 爆发表明动量正在加速。所以这里的设计思想

已经改变为增加趋势跟随策略的成功率。注意是ADX爆发本身触发 了交易，ADX此处并非作为滤网使用。要获得更多信息，读者可参 考卢卡斯和李布所开发的类似系统(见 参考书目)。 我们的目标是

图 4.26 1990年6月美国债券的抛售在交易区间内创造一个具有良好动量的新低 点。该系统做空人场。不久，债券市场便向上反转，重新回到前期的整 固区域。 

在短期趋势的方向交易。如果3日 SMA大于12日 SMA，那么趋势是 上升的，反之亦然。表4.12所 示的测试结果，使用了一条简单的⒛ 日出场规则，为滑移价差和佣金做出100美元的考量，测试数据是 从1975年 1月 1日 到1995年7月 10日 间所有可获得的数据。

相当大的盈利因子表明在辨识盈利交易方面该入场信号是有效 的，于是ADX爆发是进入强劲趋势的良好信号。此处的盈利因子在 某种程度上估计过高，因 为我们使用的是连续合约数据。使用多合 约策略还可提升测试结果，交 易者可以尝试使用其他的出场策略。

如果将这些交易的数据与65SMA-3CC系 统的测试结果做一 下比较，我们会发现入场减少了，表 明ADX爆 发既是一个交易滤 网，又是一个交易触发信号。例如该系统在市场中的时间大约是 35%~45%，表明它有一个相当大的“ 中性区域 ” 。具有中性区域的 交易系统总处于市场之外，除非市场超过其入场屏障。6SMA-3CC 系统总是处于市场之中，并且是一种反转型系统，而ADX爆发寻求 系统要在市场外停留的时间大约是55%~65%。 

在这些计算当中，我们使用一个5000美 元的宽松初始止损以便 独立地观察该系统的性能。表4.13包含在所选市场上使用1500美元初 始止损的性能数据。两种初始止损的性能大致相同。 

ADX爆发寻求系统的缺点之一，是在短促的底部或顶部附近 ， 它常常会给出迟到的信号(见图4.26)。 这种短促的运动会触发该 系统的入场信号，但是反复无常的市场不会按我们预期的方向做趋 势运动。所以，我们在使用该系统时总应该设置止损。

 总之，ADX爆发寻求系统可以提供进入强劲趋势的入场信号 ， 在许多市场长期的数据上测试良好。该系统具有较大的中性区域 ， 所以它在市场中的时间只有35%~45%。 而65SMA-3CC系 统总是处 于市场之中，而且不具备趋势滤网。我们可以使用该系统入场或增 加头寸。通过使用不同值的ADX爆发，修改用于计算爆发的回顾周 期，以及使用其他出场策略，我们可以得出其他版本的系统。

顺势-逆势交易系统 

这一部分我们将研究顺势与逆势(T-AT)系统，它可以在逆 势模型和趋势跟随(即顺势)模型之间自动切换。如果你特别想阻 止市场的运动，但是在需要的情况下并不介意转而应用趋势交易 ， 那么你会喜欢该系统。该系统证明趋势跟随不是交易市场的唯一方 式。许多投资机构和资金经理，具有雄厚的资金、巨型的头寸、超 凡的执行力和较低的交易费用，他们通常假定市场在区间内运动。 这些老练的交易商会在新的高点卖出，在新的低点买进。当然区别 在于交易的时间先后：他们在大多数交易者做交易前的热身时，就 已经出入市场10多次了。

图 4.47 顺势-逆势系统在I993年9月 美国债券合约上的动作倩况。注意它是如何 准确捕捉整固期内的转折点的。它在上涨趋势中检测到两个转折点，但 迅速反转跟随上涨趋势。

这种交易系统的问题是需要找到一个一致性的标准来确定何时 跟随趋势交易，何时逆势交易。市场通常会创造新的25日 高点或低 点，但没有强大的动量。这被解释为市场正准备反转，所以我们应该 在高点卖出，在低点买进。但是，如果市场继续创造新高点或低点 ， 并且动量也在增加，那么我们必须立即反转头寸跟随趋势。

 对于该系统，我们使用18日ADX来度量市场趋势，并将ADX的 18日 SMA作为参考。  

如果ADX高于其18日 SMA，那么市场正在做趋势运动，我们将 在新的高点买进，并在新的低点卖出。反之，如呆ADX低于其18日 SMA，我们将在新的高点卖出，并在新的低点买进。由于我们是在 做反短期趋势交易，所以必须使用初始风险管理止损，否则亏损将 是难以承受的。

 我们还必须决定如何进入市场，简而言之，是将在下个交易日 开盘时入场。我们可以利用普通的20日 出场规则来检验趋势跟随方 面的特性。同样为了简明，我们将在没有明确出场的情况下测试该 系统，于是入场信号同时作为反方向头寸的出场信号。

 图4.27所示为美国债券1993年9月 份的数据，从中可以看出该交 易系统是如何工作的。市场在经过一段整固期后强力反弹，中 间有

图 4.28 T-AT系统在1985年12月的德国马克合约中错误地捕捉了转折点。注意它是怎样随着市场向下滑移并在9月 迅速反转到趋势跟随模型的。

图 4.29 在1995年6月 德国马克合约中可以看出，T-AT系统可能落人波动性反向 运动的陷阱。 

  一段短暂的横盘区域，观察该模型是如何压制新的高点，然后快速 反转进入趋势方向的。该系统在4月 和5月 的整固期内准确捕捉了高 点和低点。它在5月 份的底部看多进入反弹趋势，在6月 和8月 暂跌两 次，接着便快速进入上涨趋势。

如图 4.27所示，T-AT系统可以非常好地抓取一些转折点。该系

图 4.30 从1993年12月 的棉花市场合约中可以看出，T-AT系统对夏季出现的市 场漂移反应迟缓。它准确捕捉了双重底的第一个底部。

统也能捕捉一些细小的转折点，当 然有些转折点也会被错过。T-AT 系统的回调是亏损的主要原因，因 为它在逆势和趋势跟随模型间毫 无结果地来回切换。

 普通的T-AT系统在1985年12月 的德国马克市场上表现得相当完美(见图4.28)。 

DM市场在经过一轮下跌趋势后出现了一个较宽的整固区域。 注意T-AT系 统在经过一个不成熟的空头信号之后是如何在9月 份 迅速反转看多的。在后续的市场反转中，系统表现得完美无瑕。对于一套只使用单一趋势检测规则的机械系统来说，这是一个非凡的 结果。 

在使用该系统时必须附加良好的风险控制，因 为市场可能会做 出恶意的反方向运动，1995年6月 的德国马克市场便提供了一个很好 的例证(见图4.29)。 在实际合约高点出现的当天，T-AT系统发出 一个完美的空头交易信号。然后它准确地捕捉了底部卖出。但是它 在短暂的整固期内反转做空，并持续至5月 末的动荡反向运动。趋势 逆势交易需要对系统有较高的忠诚度和严格的风险控制，改进后的 系统将具有极好的风险/回报比。

 1995年6月 的德国马克合约还表明在波动市场中应用过度平滑的ADX是非常困难的。相同的平滑处理降低了ADX的敏感性，如果市 场在狭窄的区间内波动，应用起来就非常困难

T-AT系统的另一缺陷是，当 市场慢速漂移时，它总是以很慢 的速度给出反转信号，比如1993年的棉花合约在夏季顶部所出现的行情。

 T-AT系统准确地捕捉了第一个低点(见图4.30)，但必须通过 后来11月份的双重底，市场才转头上升。在趋势的开始阶段我们又 一次看到了暂跌形态，然后系统快速反转进入中期趋势。 

让我们简短地分析一下如何在Omega Research的 TradeStation TM 软件编辑器Power Editor中 编写该系统的代码。只有一个输入变量 ， 突破周期的长度，目前被设为25棒 (日 )。 在一个25日 新高处的逆 势入场被编写如下：如果今天的最高价是前25个交易日的最高点 ， 但是18日ADX低于其18日 SMA，那么就在下个交易日开盘时卖出。 逆势购买信号与此类似。

If high>highest(H，25)I1]and ADX(18)(average(adx(18)，18)then sell Tomorrow on the open.

 If low(lowest(L，25)[1]and ADX(18)∠(average(adx(18)，18)then buy Tomorrow on the open，

该系统以逆势思想为基础所给出的多、空卖单是对称的。假设 我们在一个主要底部附近有一个多头头寸，市场向上反弹数天后 ， 却反转向下开始一轮强劲的下跌趋势。在这种行情下，我们希望系 统能够从前面的多头头寸切换到空头趋势跟随头寸。类似的，如果 我们以看空开始，那么一z个伴随动量增加的25日 新高将是切换为 多头头寸的信号。所以，趋势跟随入场类似于逆势入场，但我们必 须先确定系统是看多还是看空。

这里的MARKETPOSITION是一个内置函数，如果系统看多 ， 它的返回值为1，而如果系统看空，它就返回-1。对于看多入场，我 们又一次有了对称的条件。如果我们在一个25日 新高处卖空，但市场又创出一个伴随着动量增加的25日新高，那么T-AT系统将切换为 做多。类似条件适用于做空的重新入场。

通过设计，T-AT系 统首先尝试逆势入场，在重新入场时则切 换为趋势跟随头寸。所以，当 该系统探测到重入市场行情时会导致 亏损。当然，如果接下来的趋势比较长，那么比较起来重入亏损非 常小。 

如果读者喜欢这种交易方法，可以尝试修改为其他版本。可以 不在开盘时入场，而在收盘时或在高于上个交易日最高价或最低价 处入场。还可以使用更加灵敏的入场规则，比如只要出现25日 新高 或新低就入场，而无需考虑ADX的条件。 

表4.14所示为在从1975年1月 1日 到1995年7月 10日 期间所有可得 数据上所做的长期测试，使用的止损为5000美元，为滑移价差和佣 金所做考量为100美元。表中只列出了结果为正的市场，因为该策略 需要比较活跃的市场。 

表4.14列 出了T-AT系 统的优缺点。第一，它不适用于所有市 场。第二，它会产生大量的交易信号。所以，这是一套交易成本较 高的系统，如资金回撤数据所示。初始止损必须相当宽松，我们设 在5000美元，以允许使用逆势部分工作。但是盈利因子和期望利润 都令人满意。所以，在成熟活跃的市场中，T-AT系 统看起来会工作 得相当棒。该交易策略需要交易者具有极好的风险控制和严格的执 行纪律。现在，读者可以根据自已的交易偏好，以 该系统为基础开

发自己的交易系统了。

图4.31所示为T-AT系统产生的1311笔 交易的频率分布图。该 分布图比65SMA-3CC系 统的分布图要宽一些(见 图4.5)，它 在靠 近5000美元初始止损的位置也出现了一个长钉型态。像6SMA-3CC 系统的分布图一样，它也出现了一个大型盈利交易的尖峰。表4.32 所示为正态化的分布曲线，与一条拟合的正态分布曲线进行对比。 我们很快可以发现，与 正态分布相比，T-AT交易的分布图有一条 “ 胖胖的 ” 尾巴。于是，在远离中心的位置，交易概率比正态分布 要高得多。获利侧的尾巴比亏损侧的要 “ 胖 ”，表明入场信号良 好。注意观察初始止损是如何斩除亏损交易的。但是在获利侧则没 有这样的滤除，这可以从分布图右侧的长钉型态看出。这是将在第 1 章中介绍的TOPS COLA规则用于交易系统的一个实例。 

总的来说，T-AT系 统向我们展示了如何开发一套可以根据市 场行情自动切换的系统。它与6SMA-3CC系 统不同，它的初始目的是进行逆势交易，而6SMA-3CC系 统总是进行依靠趋势的交易。如 果市场中出现反转的行情，将使T-AT系统反转到趋势跟随状态。这 种客观的反转确保在主要趋势的方向入场，于是我们可以在所有的 市场行情中获利。

黄金-债券场间交易系统

本部分介绍一种场间交易系统，它可以用来交易负相关或正相 关的市场。首先我们来分析一下将场间交易模型公式化所遇到的难 题。黄金一 债券系统被用来示例负相关市场，也在其他市场组合上进 行测试。下面将给出一个使用三个市场来做场间分析的示例，最后 将黄金一 债券系统修改为用于正相关市场的系统。本部分将说明我们 可以开发有趣的场间系统。我们对这种系统可能有较大的信心，因 为它包含某种程度的因果关系。所以它们对于我们的分析工具组来 说是很有必要添加的一项工具。

图4.32 T-AT系统正态化的频率分布，与拟合的正态曲线进行比较。

图 4.33债券和黄金价格一股，但并非总是，以反方向运动。所以，场间关系常 常是不完美的。

许多分析师已经认识到市场间存在关联，即市场间存在某种较 弱的因果关系。例如，当通货膨胀加剧时债券价格下跌，如果黄金 价格上涨就表明通货膨胀更加厉害了。所以，我们预期黄金价格和 债券价格以相反的方向运动(见图4.33)。 我们还可以使用工业金 属，比如期铜和期铝的价格来度量通货膨胀。主要的想法是当经济 活动增加时将提升期铜的价格，是通货膨胀的前兆，因此，我们预

期期铜价格和债券价格以相反的方向运动(见图4.34)。 

下面举一些场间关系为正的例子，即 某些商品的价格同时涨 跌。例如，上涨的原油价格表明出现了实质性的通货膨胀，那么我 们应该预期黄金价格上涨。外汇市场是这种相关市场的很好示例。 汇率反映了长期的基本面力量在经济活动中，比如通货膨胀和利 率。于是，我们预计美元与其他外汇，比如日元和德国马克大约同 时向反方向运动;所以，我们应该预计日元和德国马克的价格是相 关的，因此可以在一个市场中找到另一个市场的买卖信号。 

在分析场间关系时有几个难点。第一个问题弱相关市场的因果 关系具有时间上的滞后，所以在债券价格开始下跌前期铜价格可能 已经上涨了几个月。相关市场之间的尖峰和低谷之间的这种时间差 叫做时间滞后。问题在于时间滞后既不是常数也不具有稳定性。第 二个问题是每个市场都有自身的供需力量，它们通常会扭曲正常的 场间关系。举例说明，我们可能预计期铜和黄金价格会在大致相同 的时间上涨和下跌。但是，在某些时期期铜价格和黄金价格以相反 的方向运动(图 4.35)。 因此，基于场间关系的任何系统并不总是 正确的。第三个问题是每个市场的内在技术行情。每个市场可能在 不同的时间出现 “ 超买 ” 和 “ 超买 ” 行情。常见的场间趋势是比较 宽广的趋势，可能需要数月的时间才能显露出来。在这些市场中 ，非常短期的趋势可能会与它们之间的因果关系相反。这种运动会使 我们的入场信号变得非常复杂，因 为它们可能在场间趋势未改变的 情况下就触发我们的止损点而让我们出场。 

所有这些问题都会影响到系统中场间关系的准确形式，我们必 须决定是否希望使用两个或多个相关市场。   

黄金一 债券系统假设债券价格的运动方向与黄金价格的运动方 向相反。它是关于如何构建场间交易系统的一个简单而有效的例 子。该系统假设黄金价格的上涨是实质性通货膨胀的信号，所以会 影响债券市场。我们将使用一个双移动平均交叉系统，任意指定 10 日和sO日 简单移动平均来构建该系统。下面是系统规则 ： 

1.如果黄金市场的10日 SMA向上穿越50日 SMA，那么就在下个 交易日开盘时卖出债券。 

  2.反之，如果黄金市场的10日 SMA向下穿越50日 SMA，那么就 在下个交易日开盘时购买国家债券。 

这些规则的意思是说，出现向上穿越时表明黄金价格上涨，所 以预计债券价格下跌。这里我们没有使用任何滤网来滤除黄金市场 中的短期趋势，如果需要，当然可以为该系统加入ADX指标滤网。 要使用ADX滤网，需要14日 ADX是上升的，通过比较3日 SMA和⒛ 日SMA来决定短期趋势的方向。ADX滤网的规则如下 ： 

1.如果14日 ADX大于其14日 前的值，而且每日黄金收盘价的 3 日SMA低于20日SMA，那么就在下个交易日开盘时购买债券。 

2.同样的，如果14日 ADX小于其14日 前的值，而且每日黄金 收盘价的3日 SMA高 于20日SMA，那么就在下个交易日开盘时卖 出债券。 

我们在美国债券和纽约商品交易所黄金连续合约上测试这些模 型，测试周期从1997年8月 23日到1995年1月 1日 ，初始资金管理止损 为5000美元，为滑移价差和佣金所做的考量为100美元。正如上面讨 论过的，市场中的短期趋势对于该类系统的入场是一个问题。测试 结果见表4.15。

 这些结果表明，在黄金和债券的价格之间的确存在较大比例的 反向关系，但是从交易前景看，只有大约一半的交易获利。添加滤

网后的黄金一 债券系统显然比双移动平均交叉系统要获利更多，而最 大资金回撤大约只有一半。黄金一 债券系统可以作为一种滤网，用来 检测 “ 交易环境 ” 是否对债券价格上涨有利。 

我们知道市场间的价格运动存在滞后。由于通货膨胀的一点 暗示可以引起许多其他市场的运动，所以，我们应该在其他市场组 合上测试基本的黄金一 债券系统，比 如大豆和债券、铜和债券，以 及德国马克和债券等市场组合。谷物市场常常会发出通货膨胀的信 号，所以将大豆市场用作那些市场的代表。铜市场跟随工业板块的 运动，也是通货膨胀的一个先行指标。最后利率会反映社会经济中 较为广泛的力量，这些力量也会影响外汇市场，比如德国马克对于 负相关的市场，我们应用黄金一 债券系统时，初始止损同样为5000美 元，每笔交易只有一份合约，滑移价差和佣金考量为100美元，尽可 能从指示通货膨胀的市场中为债券市场产生买卖信号。

表4.16中 的数据表明，在预兆通货膨胀的市场中出现的趋势变 化可用来交易债券市场。对于测试的所有组合，铜市看起来提供了 最好的指示作用。在每一种情况下只有大约一半的信号具有获利 性。于是，这些系统遵循著名的经济预测原理：如果我们必须预 测，那么就经常预测。

到目前为止我们只使用了一个市场来为债券市场产生交易信 号。我们当然可以使用多个市场来得出交易信号，比如使用两个市 场，黄金和大豆来为债券市场产生交易信号，比 如选择这两个市场 的原因是它们的供需力量看起来是不相关的。为了完整性，我们还 测试了黄金、铜和债券的组合。

 我们将基本的黄金-债券系统扩展为3个市场，并且只有黄金和 大豆同时上涨和下跌时才为证券市场产生反方向信号。例如黄金和 大豆，如果它们日收盘价的10日 SMA一低于50日 SMA，那么将触发 债券市场的一个购买信号。历史数据测试表明，黄金一 大豆一 债券组 合系统比黄金一 债券和大豆一 债券系统都要好。像往常一样，我们使 用5000美元的初始止损和100美元的滑移价差和佣金考量。 

表4.17中 的测试结果表明，使用三个市场组合减少了总交易笔 数，如我们预期的一样。比如，黄金一 债券测试和大豆一 债券测试产 生了122笔交易，而黄金一 大豆-债券三个市场组合只产生了77笔交 易。使用三个市场，盈利因子也得到了提高，这是我们所预期的滤 网效果。例如，黄金-铜一 债券三者组合的盈利因子高达2.53，产 生 的利润与期铜一 债券组合基本相同，但交易数减少了35%。 这些测试

图4.36 原油市场和玉米市场之间大致相反的价格关系。

表明，通过使用三个或更多市场来过滤交易信号可以提高场间系统 的效率。但是加入更多市场后，有效性常常会降低，因 为市场间存 在许多随机噪声。

基本的黄金一 债券系统试图抓取黄金和债券市场之间的弱相关 性。这种弱相关性同样存在于其他市场之间。大多数趋势跟随系统 在原油市场上的测试结果都不令人满意，亏损超过40000美元。在原 油和玉米市场之间存在一种负相关性(图4.36)，而且原油和短期 汇率之间也存在这种负相关性。欧洲美元市场可以被用做短期利率 的代表。基于玉米一 石油和欧洲美元一 石油组合的黄金一 债券系统的 测试结果见表4.18。 这些测试使用玉米和欧洲美元市场的趋势变化

图4.37玉米价格和生猪价格之间的关系

信号来交易原油。

结果表明，如果我们从玉米市场和欧洲美元市场获取信号的 话，黄金— 债券系统可以在原油市场中获得小部分的利润。与典型的 趋势跟随系统相比，这是一个较大的提高。 

于是，这些结果表明我们可以使用黄金一 债券系统来交易弱相 关的市场。原油和玉米市场之间的负相关不是很明显，这与国际运 输费用的提高有关。当原油价格上涨时，运输费增加，美国的玉米 生产商必须通过降低玉米价格来支付更高的运输费用。原油价格和 短期利率之间的反方向关系是由于人们对未来通货膨胀的恐惧所产 生的。 

到目前为止，我们讨论的所有场间系统是场间的负关系。我们 当然可以扩展这些思想来交易正相关的市场。在正相关市场中，某 个市场出现上升趋势将在另一个市场中产生购买信号。日元一 德国马 克组合使用日元市场中的趋势变化信号为德国马克市场产生信号。 玉米一 生猪组合使用玉米市场中的趋势变化来为生猪市场产生交易信 号。玉米是用来喂猪的，玉米价格的上涨将引起生猪生产费用的提 高(见 图 4.37)。 为了在这些相关市场上测试黄金一 债券系统，我们 为外汇市场设置5000美 元的初始止损，但生猪市场只设置1000美元 的初始止损，原因是该市场的波动性较低。同前面一样，我们为滑

移价差和佣金所做的考量仍为100美元(见表4.19)。 

总之，这些结果表明我们可以成功地使用相关市场来产生交易 信号。使用来自场间系统的信号我们可能会感觉比较舒服，因 为它 们之间存在某种弱因果关系。至少我们可以使用场间分析来作为资 金管理算法 “ 背景 ” 信息。例如，一个场间系统信号可用来增加当 前头寸的规模，或者增加新的头寸。对于传统的单市场性系统，我 们还可以用场间信号作为出场策略。

一种用于底部钓鱼的形态

市场专用系统在特定的市场中表现得最佳，因 为它们可以捕捉 那些市场的特定形态。很难说明为什么特定的市场会显现标志性的 行态，开发这种系统时应该特别注意，在驱动这种形态产生的市场 机制可能会变化非常快。

 标准普尔500期货合约可以用来示例一种基于形态的交易方法。 例如，我们在一份从1982年4月 21日 到1995年7月 10日 的连续合约上 测试标准的简单移动平均交叉系统，该系统使用10日 和11日 简单移 动平均线。我们使用相对宽松的2000美元的初始止损，它容许细小 的随机价格波动，对滑移价差和佣金的考量仍为100美元。

 10日 和11日 双交叉系统虚拟亏损为181005美元，共530笔交易。 只有34%(178笔 )获利，最大日内资金回撤189370美元。一个有趣 的特点是所有的亏损(185545美元)都产生在做空交易上。我们认识到该市场从1982年开始总的来说是上升趋势。虽然上升趋势持续 了比较长的时间，但是该简单趋势跟随系统却表现得相当差，所以 标准普尔500期货市场不适合简单的趋势跟随方法。

 因为在前面的测试中所有的亏损都产生于做空交易，所以我们 会考虑尝试简单移动平均交叉系统的逆势模型。逆势规则如下：

1.如果10日 SMA向 下穿越11日 SMA，那么在收盘时买进。 

2.如果10日 SMA向 上穿越11日 sMA，那么在收盘时卖出。 

使用与前面的测试相同的测试周期、初始止损、滑移价差和佣 金考量，改用逆势规则后的获利变化是引人注目的。该逆势10日 和 11日 系统在531笔交易上净获利55920美元，上下波动240925美元。 48%的 交易(254笔 交易)是获利的，最大日内资金回撤量为32735 美元。

虽然逆势交易方法的结果不至于引起大家的关注，但它们确实 突出了标准普尔500市场不寻常的特性。同时还告诉我们可以找到市 场专用系统，而该类系统在其他市场中的测试结果可能非常差。例如，在瑞士法郎连续合约的相同时间周期期上，对10日 和11日 逆势 策略进行 测试时，亏损额为56775美元，而 10日 和11日 趋势跟随策略 在相同时间周期上只亏损了13088美 元。 

接下来让我们看一个例子，来说明“ 后见之明 ” 是如何影响系 统设计的。在标准普尔500市场的日线图中有很多 “ v” 形底，我 们尝试使用底部钓鱼策略来探测市场的底部。理论上，由于这是一

种逆势方法，所 以测试结果应当不错。用于标准普尔500市场的底 部钓鱼(译者注：底部钓鱼，一般理解为逢低购进的策略。在《 克拉默投资真经》，魏丹译，中 信出版社出版)一书中有详细的阐 述。)系统模型的规则如下 ：

 1.一个20日底部已经在最近5天内形成。 

2.今天的高低价差大于X;对于保守型交易X等于4;对于冒险 型交易x等于1(每个点代表全标准普尔指数点等于500美元)。 

3.今天的收盘减去开盘价差大于Y;对于保守型交易Y等于 3; 对于冒险型交易Y等于 0。

 4.如果规则 1、2和3都为真，那么在下个交易日收盘时买进。 

5.在交易的第20日收盘时退出。 

6.每份合约的初始资金管理止损等于2000美元。 

注意一点，我们可以使底部钓鱼的系统模型完全自动化。在入 场方面没有什么问题，因 为如果我们今天得到一个信号，那么我们

该系统具有一套保守型的入场组合和一套冒险型的入场组合 ， 保守型方法产生较少的交易。我们可以对该模型以各种方式进行修 改。最显著的变化是出场策略，比如我们将出场目标设在最近20日 的最高点。

 我们使用System Writer PlusTM和实际的标准普尔500合约来测试 该系统。延期日是在到期前那个月的20号。测试结果在表 4.20中被分 为两大块，因为System Writer每次只能处理s30份合约。我们可以将保 守型或冒险型组合的X和Y值看做未优化的组合。两种组合在两块数 据上都是获利的。 

两种方法的资金曲线见图4.38和 图 4.39。 保守型系统组合的资金 曲线比冒险型系统组合的要平滑。而且冒险型方法产生的资金回撤 量也比保守型的要大。

 使用1995年 3月 标准普尔500合 约数据产生的测试结果见图4.40 和图4.41。 图4.40中，x=4，Y=3，图 4.41中 ，x=1，Y=0。 该系统非 常准确地捕捉了市场的底部。在收盘时入场可以保证入场并降低滑 移价差。所以，这种基于形态的逆势底部钓鱼策略在标准普尔500市

图4.41 底部钓鱼系统，X=1，Y=0，在1994年12月的底部附近进人市场。

场上表现极佳。

 我们可以尝试使用其他的出场策略。在案例一中，我们将出 场定在20号的收盘，而在案例二中，我们使用跟踪止损在交易获利 1000美元后的五日低点处止损退出。在案例二中，x=4，Y=3， 初始止损为⒛00美元，滑移价差和佣金考量为100美元，测试周期 从1988年2月 12日 到1995年 7月 10日 ，44笔交易(45%获利)共获利 59025美元，资金回撒量为一7625美元。将这些数据与表4.20中 的第 二行数据进行比较可以看出，新出场策略产生大致相同的利润，但 是资金回撒量较小，盈利交易更多。案例一和案例二的资金曲线见 图4.32，从中可以看出案例二的资金回撤量比案例一要浅。 

为了测试底部钓鱼形模型在其他市场中基本的准确性，我们必 须稍微做一下修改，以使它更具有通用性。在其他市场中测试时 ， 我们将选择x=0.1，Y=0。 选择在最后20天的最低点，使用趋势 跟随出场，因 为并非所有的市场都像标准普尔500市 场的波动性那 么高。入场改为高于信号发出日的最高价处，而不是在次日收盘 时，以减少下降趋势中的入场数。初始资金管理止损为2000美元 ，

滑移价差和佣金考量为100美元。在17个 市场从1975年 1月 到1995年 7月 间所有可用的连续期货数据上测试该系统模型，每次只交易一 份合约。

通用化后的底部钓鱼模型在17个市场中的11个都是获利的，包括 德国马克、欧洲美元、黄金、日元、咖啡、橙汁、瑞士法郎、标准普 尔500、 白银、10年期国库券以及美国债券市场。于是该系统似乎在 趋势良好或具有良好震荡的市场上可以获利。测试结果见表4.21。

 这些数据表明底部钓鱼策略抓住了市场中的一些基本交易形 态。经过长期测试，在许多市场上获利的结果表明这种交易思想是 完善的。该系统在市场间的性能差异，是 由于形成这种形态后市场 运动的幅度不同造成的。 

将底部钓鱼系统在股票市场中进行测试，以分析它在不同时 间周期上的性能。图4.43(周 线图)和图4.44(日 线图)所示为通 用型底部钓鱼模型的工作状况。图4.43是 联合碳化物公司(Union Carbide)的 周线数据，从中可以看出该系统捕捉了1990年和1991年 的底部。该系统在整个上升趋势中停留的时间也比较长。在股票的 周线数据上，该系统测试结果良好。图 4.44为Caterpiller Tractor的 月 线数据。底部钓鱼系统抓住了1992年的底部，并一直在该股票中持 续到上涨结束。

总之，基于底部钓鱼模型的系统是市场专用系统的一个很好的 实例，我们可以以它为模型在标准普尔500市场上开发基于其他形态 的系统。该模型在经过通用化处理后可以成功地用于其他市场，包 括股票市场。在日、周、月等时间周期上它都可以很好地工作。所 以，底部钓鱼模型是抓住了价格变动的一种基本形态。

辨识超常交易机会

期货市场每年总会出现一两次超常机会，可以让交易者获得超 常的利润。如果我们可以利用这些机会，那么我们的账户业绩会有 显著的提高。理论上，当 市场呈现超常规机会时，我们应该努力增 加仓位规模。在增加仓位规模时可以使用一个固定的公式或者根据 自己的盘感。 

如图4.45所示，日 元期货在1995年9月 出现了这样一个超常的机 会。如果在这两个超常运动期间将仓位增加为原来的3倍 ，那么我们 会获得额外的40000美元，而额外的风险只是中等的。面对这些行情 我们需要有 “ 变为一头猪的勇气 ”，正如一位著名的资金经理所说 的这样。

系统设计的问题是找出超常规机会的一种一致性定义。一旦有 了一个一致性定义，我们就可以以自己喜欢的方式来使用它。特别 是我们可以使用主观交易来利用这些行情调整自己的仓位。

 此处使用的超常机会的定义比较简单。使用一条50日 SMA， 并在它的两侧画出3%的 交易带。当7日 SMA向 上或向下穿越交易带 时，我们便认为超常市场机会产生了。于是，如果7日 SMA向 上穿越

图 4.45 通过7日 SMA穿越50日SMA两侧3%的交易，带来辨识超常市场机会。

3%，便出现了一个上侧的超常行情(见 图4.45)。 相反的定义可以 用于熊市。最好的情况是市场在既定的趋势方向上强有力地继续运 动;最坏的情况是市场在让我们高兴一两天后进入整固区域，迫使 我们用初始止损了结交易。

 需要注意的是，同一个市场可以在几个月内同时出现良好的做 多和做空交易机会。有时一个短命的做多信号可以是强势下跌的前 奏，比如1978年的标准普尔500(图 4.46 )。 所以我们获得超常市场 行情信号后要特别警惕。 

下一个主要问题是出场策略。在交易的第⒛日收盘时出场是一 个简单而又良好的策略。另一种出场策略是当7日 SMA返回交易带 时了结该交易。读者可以使用其他出场策略，我非常希望读者能够 ——测试它们。

表 4.22所示为超常机会系统在几个市场上从1975年1月 1日 到1995年7月30日 所有可用数据上的测试结果。这些计算将普通的20日通道 突破与定义超常市场机会的规则组合在一起。看多入场信号需要7日 SMA高于50日 SMA的 1.03倍 ，目 的是抓取前⒛日中的最高价。相反 的条件可以用于做空交易。出场定于第⒛日收盘时，像往常一样 ， 止损为3000美元，为滑移价差和佣金所做的考量为100美元，目 的是 为了获得更准确的测试结果。

超长的测试周期(在某些情况下为20年)、 广泛的市场、相 对较高的胜率，表明该策略是一种辨识超常市场机会的准确方法。 MIDD数据表明，出场策略对该系统至关重要。作为示例，添加跟 踪止损和将交易带变窄后的+结果见表 4.23。 

在我们对破产风险的讨论中，假定如下变量为常数：胜率、回 报率和交易资金份额。我们应该考虑修改每笔交易所冒风险占账户 资金的比例，特别是在辨识出超常市场机会时。

 本章的测试结呆只是用一份合约得出的，这是一种运用自己的 判断力增加仓位的机会。根据这些单合约的测试结果，我们可以推 断出使用多合约会对获利产生实质性的作用。读者对于出场还可以 使用自由决定的方法，或者使用基于短期数据，比如一小时图来决 定出场。

 记住一点，我们可以使用基本面信息来确认超常市场行情的存 在。比如可能出现反常的天气、政治变化或者谷物欠收，即我们可 以在经济快讯中看到的此类事件。从纯技术角度来看，我们不需要 基本面分析的确认。但是，如果反常的基本面引发行情出现，那么

市场运动可能的持续时间和幅度或许可以给我们暗示，来帮助我们调整仓位的规模。

性能升级： 65SMA-SCC系统

在1995年 1月 到2000年7月 全球不同投资组合的数据上对65 SMA-3CC系统进行测试，初始风险为5000美元，合约交易规模可 变，使用50日 平均真实区间，滑移价差和佣金考量为100美元。这是 一种长期的趋势跟随系统，使用多元化投资组合效果更好。投资组合见表 4.24。

  心 现在该系统模型芷处于自1998年 9月 开始的资金回撤期中(见 图4.47)。 此外，当 前的杠杆可能太高，在考虑利息和交易费之 前的月标准偏差约为14%。 但是，盈利率为令人满意的0.25，与本 书后面讨论的水平相一致。考虑交易费和利息前的平均月盈利为 3.45%，由此可估算出年毛利润大约为50%。 最坏的理论资金回撤 量为43%，与近期的股市下跌相一致，大约为月盈利标准偏差的 3

倍，也与随后第7章 中的讨论相一致。这些计算确认了原系统模型 的准确性和基本趋势跟随系统的完善性。基本趋势跟随系统使用少 数几个参数，而且可以在参数不变的情况下用于广泛的多元化投资 组合中。 

目前已经持续了22个月的资金回撤超过了以前所有的资金回撤 长度，但是还少于理论预测的33个 月。这也使我们开始担心多元化 投资组合的水平和慢速出场的模型。我们所能希望的是市场出现强 势复原，因 为在多元化投资组合中出现如此长期的资金回撒是不正 常的。

ATR交易带突破模型

通过使用基于波动性的交易带，我们可以将超常机会系统的 思想进行推广。对于交易带突破模型，最简单的定义是对高于或低 于中长期移动平均线固定百分比线的突破。这种类型的交易带是超 常机会系统的基础。交易带的思想被解释为一种移动的通道，它可 以根据我们想象到的任何准则来进行设置。一种类型为波动型交易 带，在这种系统中使用平均真实区间(ATR)或价格标准偏差来度 量系统的波动性。这种扩展的主要优势在于它使交易带具有自适应 性，即可以响应市场的波动性。当波动性较低时，交易带比较接近 移动平均线。反之，在趋势的顶部和底部附近，波动性相对较高 ， 交易带也分得比较开。 

交易带突破系统模型不但具有突破型系统的所有优点，而且还 具有自动适应市场的优势。这种系统可以很容易地用于全球投资组 合。交易带可以基于反映市场运动中价格变化的任何形式的度量 ， 现在我们以平均真实区间为例来分析交易带。为了方便，我们使用 50日 移动平均线，通过计算过去50日 真实区间的平均值(ATR50) 来建立交易带。于是交易带的两条边界分析高于或低于50日 移动平 均线、ATR50的距离。多空出场都在收盘价的25日 简单移动平均 处，因为我们希望避免在整固区交易。我们使用两倍的50日 ATR 和5000美元的风险来交易多份合约。该投资组合包括北美、欧洲、 太平洋周边地区的主要流动性市场，比如股指期货、长期和短期利 率、能源、外汇、农产品和日用品。所以我们是在一个较为广泛的

图 4.48 波动性-交易带系统的资金曲线，它是超常机会系统的 扩展版。注意纵轴所示为1000美元的不断增长，而不是100万美元的账户。

市场上测试一套未经优化的、预先指定的系统。

 使用100美元的滑移价差和佣金考量，模拟的资金曲线见图 4.48。在不考虑交易费和利息的情况下，平均月盈利为2.9%，月盈 利的标准偏差为8.9%。 盈利效率接近 0.33，最大资金回撤量刚好低 于20%(约为月盈利标准偏差的 2.25倍)。 自1995年 1月 1日 开始有 11次连续出现的资金回撤，平均每次资金回撤的持续时间为4个月。 但是对这些资金回撤序列的指数分布拟合表明，一次主要的“ 最恶劣 ” 的资金回撒持续时间为”个月。 通过这些计算结果，我们得出了突破型系统的优点和缺点。这 些系统是完善的，可以使用相同的参数来交易许多市场。但是它们 容易受到虚假信号的影响，防止资金回撤的主要方法是采用多元化 投资组合。但是，只有市场间的关系发生转移，或者主要市场都不 出现持续的趋势时，才会形成长时期的资金回撒。

交易股票

到目前为止，本章中所讨论的所有交易思想都可以用于股票 交易。在这一部分，我们将在期货和股市上开发并测试趋势跟随模 型。我们先分析期货和股票交易策略的不同点，因 为它们与投资组 合设计和交易系统都有关系。

 最简单的股票交易方法是分批购买并持有策略，而且只看多。 一般情况下，当股票处于连续上升趋势时使用购买并持有策略很少 有失手的时候，因为购买并持有策略是一种没有跟踪止损的趋势跟随模型。所以，购买并持有策略可以经受大比例的和长期的(持续 12个月或更长时间)价格回调运动而不退出交易。这种策略总是处 于市场之中，所以不容易错过股市中突然产生的大型运动。还有一 点需要注意，购买并持有策略具有较低的交易费，并且是一种税费 经济型策略，因 为持有账面获利的股票无需缴纳任何税费。通过使 用非常慢的出场策略，持有头寸65个交易日或更长时间，交易者可 以在期货市场中使用这种购买并持有的股票策略。但是，正如该系 统定义的那样，我们不可能使用期货合约来执行购买并持有策略 ， 因为期货合约具有到期日，不像股票那样没有时间限制。所以，购 买并持有策略在期货市场中使用时具有较高的交易费和税费。 

期货和股票的另一个关键不同是该方法中暗含的杠杆作用。购 买并持有策略是一种典型的不具有杠杆作用的策略，与 期货交易相 比，波动性的影响是很微弱的。期货市场中的杠杆作用使得获利了 结策略(即 出场)非常必要，因 为那样可以锁定头寸的收益。把获 利了结策略用于股票市场时，税费问题马上就出现了，而且在出入 场时经常滞后于市场的运动。所以要想在股票交易中成功，股票的 选择是至关重要的。 

对于期货和股票来说，仓位规模的计算也大不相同，因 为合约 规模和可用杠杆都不同。交易者账户中的资金将限制可交易的股票 数目和每只股票的交易数量。在期货中有一个额外的因素：交 易者 的账户资金和要求的杠杆决定仓位规模。在交易股票时，现金账户 金额要远大于分配给股票头寸的金额。所以，购买1000股要比购买5000股容易，原因是投资组合中的资金问题和对流动性的考虑。

 平均每笔交易持续的时间将取决于分析所用的时间框架，月 数据、周数据和日数据被用来跟随股市中的长期趋势。对于股票 来说，主要选择周数据和日数据，交 易持续时间大约比周数据长 5 倍。市场的波动性越大，分析需要的时间框架越短。所以对于科技 股，日 数据比周数据更有助于分析。但在使用购买并持有策略时 ， 使用周数据比日数据观察得更清楚，因 为这种分析需要较长的时间 框架。 

我们可以设计多种股票选择策略来辨识自己满意的股票。最好是交易工业板块中的领先股。新高股列表、最活跃股列表以及领先 共同基金的控股公司，都是我们寻找值得交易股票的好地方。 《 投资者日报》(Investor’ s Business  Daily)会刊登一些专有的业绩度量 信息，并提供帮助辨识领先股的图表分析。因为随着时间的推移 ， 有些股票从引人注目渐渐变得销声匿迹，就如“ 小说情节 ” 的变 化。所以，阅读经济快讯可以帮助选择流行的投资主题。使用相同 的系统交易股票的结果，高度依赖于我们在自己的投资组合中所选 的股票。 

我们将一个基于动量的系统模型使用长期趋势跟随方法在许多 具有良好上升趋势的股票上进行测试。使用该模型，我们希望当股 票已经处于确定的上升趋势中，并且股价伴随较强的动量创出20日 新高时买进。使用ADX指标度量市场的动量。我们使用日价格和甾 日简单移动平均(SMA)作为参数，并且假定当前收盘价高于65日 SMA，而且过去20日的最高点也高于65日SMA时为上升趋势。然后 添加一个条件来确认股票的确正在进入上涨趋势。我们使用平均动 向指数(ADX)指标，要求18日 ADX的值高于20。ADX指标的选 择和它的参考值是根据期货交易的 “ 一般规则 ” 。如果两个条件都 满足，我们就把入场价位设在高于20日 最高点+2点 的位置。这里一 个点指的是股票交易中最小的增量，比如说货币单位的1%，或者根 据股票交易所制定的其他值。

 在计算交易规模时使用回调距离(Dist)或者3倍于平均40日真 实区间(ATR)的风险，真实区间是“ 有效 ” 日价格区间的度量 ，而 “ 有效 ” 日价格区间在期货交易中非常流行，并且允许价格中出 现缺口。真实区间是真实最高价(今 日最高价或昨日收盘价中较高 的那个)和真实最低价(今 日最低价或昨日收盘价中较低的那个 ) 之差。真实区间是对价格运动区间或 “ 波动性 ” 的度量，40日ATR 越高，在 那一点上市场的波动性越强。通过用股票市值中一个全 点变化(即 “ 大点值 ” ，通常为1美元或1个货币单位)来乘以40日 ATR，我们将40日ATR转换为美元(或者其他的货币单位)。 需要 注意的是大点值在期货合约间可以相差很大。然后我们用风险资金 (此处为5000美元)除以40日ATR的美元值，便得出仓位规模。仓

位规模会因波动性的不同而不同，价格处于整固期时，波动性相对 较低，而仓位规模相对较大。 

我们的出场策略非常简单：只需要使用65日 SMA。 这使得我们 可以在股市中停留尽可能长的时间。如果交易者使用日线数据，65日SMA距离价格线相对较远，可以忍受相当数量的反向价格运动 ， 从而避免被止损出场。使用周线数据后，忍受反向运动的能力大大 加强。ADX条件使我们尽量远离股市的突变区，并且20日最高价距 离65日 SMA不太远，于是股票重复创造20日 新高，然后向下折回到65日SMA。 ADX的第二个优点是可以在股市出现波涛汹涌的行情时 保护我们的账户资金。实际的欧米伽研究中心(Omega Research) 的交易平台(Tradestation TM)软件代码如下 ： 

现在我们来看一下该系统在股票和期货市场中是如何工作的。 图4.49所示为1999年 8月 份veritas软件公司(VRTS)股票的入场。

注意到收盘价高于65日 SMA(交叉)，同时20日最高价也高于65日 SMA。 18日ADX高于其参考值20。于是，VRTS满足了我们的入场条件，系统在8月 底一个20日 新高处开始一个看多头寸，建议规模为 1088股 。图4.50所示为系统是如何进入2000年的。1999年底至2000年初的科技股反弹带动VRTS大幅升高。趋势的力量使18日 ADX在

图 4.49 Veritas软件公司股票的日线图，作为建立系统模块的示例。18日ADX高 于其参考值20，收盘价和20日 最高价都高于收盘价的65日sMA，人场 条件得到满足。入场价格为20日 最高价加2点 。

图4.50 系统在收盘价的65日SMA(见图中虚线)处退出Verltas股票。因为18日 ADX在整个运动期间都大于20，所以趋势异常强劲。

图4.51 示例系统的人场设置，使用伦敦IPE Brent原油期货的连续合约。在股 票和期货上的人场相似——在趋势力量被确认时在上升市场中买进。

整个上涨期都高于其参考值。科技股在2000年3月 份的调整抓住了ⅤTRS，使它向下跌破其65日SMA，触发出场信号。 

注意相对较慢的出场策略是如何在实际了结头寸前放弃一大部 分未结清交易获利的。但是，这种相同的策略在整个交易过程中经 受住了几次尖锐的调整。VRTS在2000年夏形成一个底部，然后创出20日 新高。但是，ADX指标却低于20，所以它并未确认这些20日新 高。在低于先前的高点较多处出现的整固期中，该交易系统的一个 关键条件没有被满足。在2000年3月 的调整期，ADX一直保持在高于20的水平，在1999年开始出现低于20的低谷。ADX指标响应滞后的 原因是在计算时做了太多的平滑，这也是我们不用它出场的原因。

如图4.51所示，我们使用相同的系统在1999~2000年能源价格 上涨期间交易IPE Brent原 油期货合约。在1999年初Brent原油的价格 形成一个底部，然后向上反弹超过65日 SMA，18日 ADX也随之上 升，发 出强趋势的信号。该系统在1999年3月 20日新高处做多，每5000美元的风险做4份合约。该头寸于1999年10月 在60日SMA处被了 结，获利32000美元。当Brernt原油继续上涨时，ADX指标不再确认 趋势，于是我们避开了随后出现的整固期。该系统在2000年2月 的 新高处买进，但是持续增长的风险致使每5000美 元的风险只交易两

图4.52 该系统在巴黎MATIF虚拟偾券的连续合约上表明，某只股票或某个市场可能会满足人场条件，但未能按系统预期的方向运动，导致交易亏损。

份合约。市场从高点迅速下跌，该交易中度亏损，反映出出场策略 的缺陷。接续而来的价格下跌帮助ADX调整返回探测上升价格的状 态，于是它在2000年5月 又发出强烈的反弹信号。在期货市场中，65日SMA如 同在股票市场中一样可以忍受较大的反向价格运动，但是 需要平滑的趋势来锁定实质获利。Brent原 油示例表明在股市和期货 市场中的趋势是相似的，相同的交易规则可以用于两者之上，在趋 势期间产生类似的反应。自然地，如果市场趋势不平滑，或者从高 点处快速下跌，那么该系统将不具备获利性，因 为它不是用来适应 这些行情的。

 如图4.52所示，市场虽然满足了系统的入场条件，但是却未能 有效获利。我们分析巴黎MATIF虚拟债券，当 它经过一轮长时间的 下跌趋势后开始反弹，然后形成一个底部，接着便进入整固期。注 意ADX经常表现为一个与行情同时发生的指标，而非领先型指标 ， 因为它也是从收盘价中得出的。所以，ADX出 现“ 较大 ” 值并不足 以证明会出现持续数周或数月的强劲趋势。  

同交易股票一样，该系统可以使用日线数据交易共同基金。 图4.53所示为交易杰那斯20共同基金的结果。交易的平均长度为 98 天，从1993年9月 15日 到2000年8月1日只有10笔交易，假设交易费为

图4.53将该系统应用于股票的多元化投资组合，此处用杰那斯20共同基金来 代表。

“ 0” ，交 易利润为193436美元。但是，这与购买并持有策略在相同 时间上的获利相比便不值一提了，因 为该基金正处于持续数年之久 的上涨趋势中，在这段时期内上涨了大约16倍 。这种交易方法需要 资金也比较多，需要8万到15万美元不等。所以在基金之间的相关性 比较广泛的情况下，交 易共同基金的根本优势应该被仔细研究。

 股票投资组合的最佳规模是多少呢?在这个问题上很难找到 一致意见。要得出一个完全客观的答案需要太多的主观因素，但是 30~50之间的某个数字看起来是合理的。在工业板块的实战中可以 看到对这一数字范围很明显地支持，下面举例说明。著名的道琼斯 工业平均指数(Dow Industrial Average)有30只股票。一个共同基金 家属提供的投资组合集中在⒛~50只股票上，而杰那斯⒛基金直接 将这一概念嵌入到公司的名称中。许多被称为 “ 多元化 ” 的100万美 元以上的共同基金可交易80~120只 股票，而基金的15%~40%集中 在10只股票上。纳斯达克超过半数的数值集中在前30只股票上。所 以，一只在30~50之间的数字看起来是“ 优良多元化 ” 投资组合规 模的一个很好的猜想。相同的规模限制也适用于期货投资组合。

 基于完整性的考虑，我们在—个多元化投资组合的期货市场上 测试该股票交易系统。在账户金额为100万美元，每笔交易的风险为

图 4.54 将系统应用于多元化期货投资组合上的资金曲线。 

5000美元时，我们得出一个模拟的资金曲线，如图4.54所示。月标准 偏差为4.6%，平均虚拟月盈利为1.2%，产生一个0.26的 盈利效率。 平均交易长度为75日，最长的资金回撤序列为13个 月，这些月中61% 的时间都具有正值盈利。对于简单趋势跟随系统来说，该系统的整 体性能是相当可观的，证明我们可以建立同时适用于股票和期货市 场的简单系统。

小结

本章我们分析了7种主要的交易系统，每种交易系统都运用不同 的交易心理。65SMA-3CC系统是一种简单趋势跟随系统，它可以 产生稳定的业绩。我们以很大的篇幅对该系统进行了详细分析。读 者应该对自己的系统进行这样细致的分析。我们使用了许多重要思 想，比如最大有利和不利偏移、交易的频率分布，以及基于波动性 的初始止损的作用。读者应该努力去理解这些思想，并应用于自己 的日常交易中。总之，65SMA-3CC系统是一套完善的，并且具有获 利性的系统，它可以在趋势运动中获利。约4%的交易为巨型交易 ， 我们在选择出场策略时应细心斟酌，以免在这些巨型交易尚未转势 时便过早出场。

ADX爆发趋势寻求系统使用一层基于趋势力度的滤网，它可以 成功提供进入强劲趋势的入场。该系统具有一个较长的中性区域 ， 所以它在市场中的时间只有35%~45%。

 随后我们分析了顺势和逆势(T-AT)系统，它可以在逆势模 型和趋势跟随模型之间自动切换。该系统经常以令人称奇的准确率 捕捉市场的高点和低点。在使用这种系统时，应该采取良好的风险 控制策略，因为波动性极有可能会将你套牢。 

黄金-债券系统使我们有机会在正相关或负相关市场上使用场 间分析。该系统试图抓取市场之间微弱的相关性，在使用该系统时 可以选择趋势滤网，也可以不用。我们发现在美国债券和黄金、期 铜、大豆，以及外汇市场之间存在着有趣的联系。我们将黄金-债券 系统推广到相关市场，比如德国马克一日元和玉米一 生猪。至少我们 可以使用该系统来评估我们所交易时的背景是否对我们有利。 

底部钓鱼模型是作为一种市场专用系统出现的，它专门用于交 易标准普尔500期货。我们发现，把该系统通用化以后可以用于其他 市场，包括股票市场。该系统模型在日线、周线或月线数据上都可以 有效工作。我们使用该模型抓住了价格运动的一个基本特性。 

超常机会系统区别于其他系统的标志性特点主要是在交易期间 改变仓位的规模。它本身就是一种有效的趋势跟随系统。该系统假 设在主要趋势运动期间，运动的一大部分将超出50日 SMA两侧1%或 3%的交易带。

 对于65SMA-3CC系统，真正的实例计算表明它是一套完善的 交易系统，而且具有可观的风险调整能力。这些计算还表明资金回 撤会持续较长时间，除非大部分市场都开始出现持续的趋势。ATR 交易带系统类似于超常机会系统。该系统示例说明了如何开发完善 的、非优化的系统，这种系统在测试任何单个市场之前，可以进行 先验推导。于是，通过在股票和期货上测试这同—个系统，本部分 所阐述的思想可以用来交易股票和期货。

 读者可能已经注意到，我们没有根据往常的经验把测试周期 分为两个或数个子周期，最后在一个子周期上对系统进行“ 完美 化 ”，最后再在剩余子周期上进行测试。这种方法使系统接触新的数据，系统在这种“ 出于抽样 ” 的数据上所得业绩可以帮助我们确 定它在未来的性能表现。如果读者测试了多种参数组合，那么试着 找出最 “ 稳定 ” 的一组。稳定性意味着系统在大部分测试数据上具 有获利性，并且测试结果不会因测试条件的细微变化而产生大的波 动。关于这种方法的详细论述见巴伯考克、钱德、克罗、帕多，以 及施瓦格等人的著作(见参考书目)。 

我们的分析并不仅仅依赖于系统测试，而是把重点放在驱动交 易策略的思想上。我们在20多年所有可用的数据上测试这些系统 ， 并未对这些数据进行优化。于是我们测试系统是否基于准确的市场 运动，以判断它们是否会在未来的交易中获利。这些系统是围绕特 定的市场条件建立新策略的示例。在下一章，我们将阐述如何修改 著名的、已经被证实的交易思想，然后创建属于自己的交易系统。

第4章附录：附加的性能升级

这些性能升级是于2000年12月 底完成的，恰好是在为第2版所 做的初次升级之后。为了简化起见，我们使用较小的投资组合 (30个期货市场代表全球所有市场)、 单趋势跟随出场策略(在最近20日的高点或低点出场)、 初始风险为5万美元 (或者每百万美元的 5%)来产生交易，包括在高波动性的市场中，比 如标准普尔500指 数期货。

 CB-PB系 统仅仅在6个市场的原始组合上突破，但是在多元化 投资组合上没有获利，因 为这些市场中的大部分在测试周期内都未 出现上升趋势。或许该系统需要附加滤网来使它能有效地工作。

 ADX爆发寻求系统在30个市场的投资组合上测试良好。自1995 年1月 起平均年盈利约为33%，月标准偏差为12.4%，最大峰至谷资金 回撤为35%，恰为月标准偏差的3倍。与其他的趋势跟随系统一样，资 金曲线在1998年9月 出现峰值，并且在2000年底重新反弹至1998年高点 的13%。 盈利效率比较可观，为0.19，与 其他的趋势跟随系统一致。 

T-AT系统在多元化的30个市场组合上表现较差，基本没有获利。 它与趋势跟随系统的相关性较弱，为0.43。但是，这并不足以说明可以 在一个高度多元化的投资组合上交易该系统。

黄金-债券系统在过去6年 的数据中都是获利的。该交易系统 背后的思想是当黄金价格强势上涨时就做空美国长期债券期货(反 之亦然)，因为黄金价格的上涨意味着通货膨胀时期的开始。测试 周期从1995年1月 1日 到2000年12月 20日，与第1版中所用数据大约 有7个 月的重叠。我们使用5万美元作为初始止损，以便为所有信号 提供足够规模的交易。该系统在42笔交易上获利229669美元，盈利 因子为1.39，如 表4.25所 示。于是该测试进一步确认了第一版中的 测试结果。

标准普尔500底部钓鱼系统模型的目标是使用趋势跟随出场交易 在标准普尔500指数中常见的v形底。我们从1995年1月 1日 到2000年 12月 21日 在标准普尔500上测试，使用5万美元初始止损。系统在20号收盘时出场，测试报告显示在62笔交易上获利668150美元，盈利 因子为1.57。 在真实数据上的重新测试确认了在第1版中对该系统的 假设，测试结果见表4.26。 

我们在30个市场的全球投资组合上测试超常机会系统，使用50 日移动平均±1%的 交易带，然后在20日高点或低点处出场。1%的 交易带比3%的交易带产生了更多的交易。需要注意的是，在欧洲美 元和Euribor合约中，1%的交易带也显得太宽，以至于不能产生交 易。这两个市场一般使用长期趋势跟随模型。从1995年1月 到2000年

表 4.26  标准普尔500底部钓鱼系统业绩表(1995年1月 1日 ~2000年12月21日 )。

12月 的平均年盈利约为31%，月 标准偏差为11.3%，最大资金回撤为66%。 相对较大的资金回撤和延长的无利润期都表明该投资组合没 有充分多元化，最好是使用本章前面所讲的波动性交易带。因为1% 的交易带是任意指定的，而与市场当时的波动性无关。