1 市场和交易的变化所带来的冲击
本书讨论的主题是：如何在股票、外汇和期货市场中改进你的交易方法。虽然书中包含了许多技术方案和电子表格，但是，我们把重点放在如何作决策和如何解决问题上。我们将分析为何许多交易策略和预测会失败，并表明该怎样改进交易的结果，以及创建较经得起时间考验的方案。
在这里，讨论问题的方式尽量贴近现实：交易系统有局限，交易工具和交易者也一样有局限。用于提高利润和减小风险的技术将集中在那些有着最大提高潜力的区域，而不是仅仅做一些精细的微调。大部分较麻烦的问题都与风险有关系。富有经验的交易者通常知道该如何处理利润，新手也经常会有许多获利机会，而对待风险的毫无理由的乐观态度则是很多交易者失败的根源。因此，本书的各部分将持续不断地提到对于风险的评估和控制。我们将不厌其烦地就这一点进行讨论。
变化的因素影响了市场和价格
最近一些年，我们见到了许多政治和经济上的巨变。中国的崛起、欧洲货币系统的变化，以及俄罗斯的动荡，全都意味着对于交易可能带来的巨大变化。同时，科学技术已有了极大的进步。更强有力的计算机体积变得更小，任何时期的价格都能在多彩的屏幕中显示出来。
以前曾经很灵的方法不再奏效。IBM在下跌，价格形态变化，市场的波动率增大，甚至季节规律也不再相同。自动化交易已在全世界被宣布为“破坏性的”。交易者坐在庞大的金融交易室的荧屏后面，被高性能的屏幕包围着，在任意两国的两个市场间寻找套利的机会——一天24小时持续不断。
市场的这种进化是一个单方向的结构变化。自动化交易的引入在美国和英国不是什么反常的事物，而是一个趋势。到最后，即市交易者将会消失一不是所有的都一起消失，而是逐渐由自动化交易开始，一直到即使是最大的交易所的大户室。交易者进行适应这种变化的策略调整，可能比再测试一个程序、应对通货膨胀或重设止损位需要更多的努力，这是万万不能忽略的。
连同逐渐增加的复杂性一起产生的是更多的竞争。即市交易者曾经因及时知道每个价格变化而占有优势，但现在即使我们已长达数小时之久或数天远离市场，仍然能立即获得价格和成交量信息，并赶上市场当前变动的步伐。要成为竞争中的获胜者，需要具备更多的能力。本书将会帮助读者搞清楚一些问题，提供一些新方案和对于一些新工具的理解，并说明该如何使用它们。
变化中的市场分析技术
技术的进步已经引起了交易这个行当的巨大改变。新的工具和技术很快地被应用，即使提高不到一个百分点的绩效，也将带来巨大的回报，这些回报足以激励一个个庞大的研究项目诞生并获得经济上的支持。而随着计算机处理能力的增加，挑战那些极限已变成一个迫在眉睫的事情。
用新工具来显示图形和分析价格也是很迷人的。来自全世界的即时数据正在以十亿分之一秒的速度被处理。我们能做得更快，成本更低,即便我们并不总能确定我们到底在干什么。
基本面
“基本面”总是价格变化的理由。基本面分析是指对于公司利润、分红以及利率变化而引起的价格变动做研究。在股票和商品市场上，价格预测的方法是比较现在和过去的经济数据，并判断政府政策对利率及发展的影响。而突发事件则会带来市场的波动和不确定性。
大体上，股价的方向和企业的状态有关，相关指标可以包括国民生产总值（GNP）、消费者价格指数（物价指数）、零售额、就业率以及利率。如果经济正在扩张，你就能够期待资本市场上扬。寻找完全独立运行的、与市场走势毫不相干的企业仍然是一个具有挑战性的任务。
供给和需求决定商品和材料的价格。供给多，价格就低；需求多，价格就高。价格变化的基本原因是很清楚的，是这些因素的变化或对于变化的预期导致了价格的变化。
最早的计算机价格预测模型之一使用了一种叫作多次回归（方框1-1）的技术。有关进口、出口、生产、消费、利率、通货膨胀、技术和其他的要素的数据可以连同价格被一起分析。基本分析通过对于输入计算机内的数据加上权重来解释过去已经发生的东西。如果你无法提供正确的数据，你就无法得到一个很好的答案；输入很多数据也可以，但那就会需要比较长的时间来处理。有时，提供过多的数据将使得计算机得出自己所需要的答案，我们称之为“过度适应”。
方框1-1用基本分析确定一商品的价格
一个简单的回归模型依靠基本因素的历史数据来计算商品价格。在这一例子中，大豆的价格是供应和需求的评价：
Est_Price=constant+（weightSxsupply）+（weightDxdemand）±error
预估价格二常数+（权重Sx供应）+（权重Dx需求）±误差
这里，
预估价格是当前估计价格
供应是总生产量
需求是总分配量
误差是反映结果准确性的误差
而常数、权重S和权重D则由一个回归程序计算出
以1964年到1975年的数据计算，常数=-1.64，权重S=3.97，权重D=0.81。这表明，以权重S这个非常大的值表示的大豆供应方面的巨大变化，比起需求的变化要重要得多。本例中，只有数年的数据被用于计算，否则误差值会更大一些。
一项回归分析的结果会被分配上一个“信心”水平，指出它的准确范围。它被以“加上或者减去一个误差值”的方式表达。（比方说,五月利率将会降低到5.5%±1%的水平）
一项基本数据的回归分析告诉你价格应该是在什么地方。如同计算期权的公平价格一样，它是相当固定的，只提供单一的、被认为是“正常的”价格范围，并不包括市场对未来变化的预期。
大体上，这种传统的方式对于交易没什么帮助，因为它在有关风险方面什么也没说。如果现在的价格水平是在计算出的水平之下，但价格又开始下跌而非上涨，那么你要到什么时候才能说：大概哪儿出了些问题？这种预测仅仅表明价格应该在哪个价位上，它不告诉你任何有关它将如何到达那里的线索。
基本分析依然有用，但它仍然是机构和长线交易者的领域。它需要一个资金充足的投资者，以便抵挡市场运行中由于次要因素而引起的价格大幅波动。就其他交易者来说，用基本分析方法的风险太高，会消耗太多的时间和精力，而且距离利润也非常遥远。
计量经济学的这种分析方法适用于股票指数，但是不对个别股票有效。当然，即使是对于股票指数，其效果也很一般。
现在已经有了一些较新的方法，诸如在本书后面章节中讨论的神经网络和专家系统，已替代了计量经济学的分析，能够提供一些额外的准确性，以及更多的弹性。
技术分析
技术分析是一个宽广的领域，它用价格和有关的数据决定何时买入和卖出，试图解决基本分析无法解决的时机选择和风险控制问题。技术分析使用的方法可以是价格形态分析如星象学一样很灵活的方法，也可以是数学公式和频谱分析那样精确而严格的方法。
时间价格图的解释首先出现在早期家庭计算机的应用中，从那时起，一些技术分析专家就从基本分析者中分化出来。再近些时候，他们之间的界限又变得模糊了。基本分析提供了价格移动的原因和方向，而技术分析则提供时机选择和风险控制。
这两种方法可以分别被采用，这就是：依据基本分析作投资决定,然后用技术分析构建和实现计划。这个过程也可以用一个专家系统的方法，或一种复杂的神经网络系统，或这几种方法的综合。唯一的前提是，每种方法都要从原理上讲得通，并能够达到预期的目标。
使趋势自动化
计算机化的技术分析大多是与移动平均值相关联（方框1-2）。在20世纪80年代早期它得到了最为流行和广泛的应用，至今还作为许多技术分析程序的基础。所有影响市场的因素都被归结为当前的价格。一个简单的对于这些价格的移动平均值给出了一个趋势。较长期的200天平均值对于大多数股票是一个方向的基本指示。短期的5、10和20天的趋势，以及月线和周线常用于时机抉择、入市、离市，另外也用于有“杠杆”作用的期货和期权市场。
方框1-2计算移动平均值的一种更容易的新方法
目前，一个移动平均值在策略测试程序或电子表格中都是一个函数。三天移动平均值可以用下式表示：
@Average(close,3)=(close+close[1]+close[2])/3
或在电子表格中表示为：
@AVG(B3--B5)/3
一个指数式的趋势是另外一个简单的函数，即@EXP_MA(close,10)。这都使得价格分析非常容易进行。由日均值形成的趋势场线掉头向上时，给出一个买入信号，而向下调头时，则给出一个卖出信号。
移动均值或类似的指示经常用于确认一次进入市场的决策。虽然有理由相信价格将会升高，基本分析却可能是很复杂的，且经常有一些没料到的外部因素影响，淹没了正常情况。为了等待一个移动平均值上扬，可能会牺牲某些初始的利润，但这样才能有更高的正确概率，并且更有效地使用资本。
在20世纪70年代期间，趋势交易是十分成功的，并一直延续到20世纪80年代。即使在现在，它也是了解价格方向的重要依据，但现在用一个简单的趋势系统来交易已变得更加困难了。以前我们经常听说这句名言——“趋势是你的朋友”。而现在我们则更多地听说，有大批的系统化趋势跟随者一窝蜂地“推动市场”和“触发停损”。
趋势跟踪向许多投资者证明技术分析是可行的。某些分析专家拥有实时的当天数据，可以持续地进行趋势交易，这是把同样的逻辑用在小时或15分钟图表上。也有一些专家寻找另外的指标或者更精巧复杂的工具，它们经常是从其他行业中适用过来的。
指标
时机选择指标，例如相对强弱指数和随机指数现在已变得十分流行，许多报价设备向用户提供能够自行调整参数的大批技术指标。相对强弱指数(RSI)是由WellesWilder发的，它是过去的14天内总的上升日与总的下降日之比(由0~100表示)。
@RSI(close,14)=100xRS/(l+RS)
这里，RS=@ SUM(Total_Up_Moves，14)1@ SUM(Total_Down_Moves，14)
交易者可以根据自己的需要，选用任何其他时间周期。
由George Lane开发的随机指数也是相当流行的。它给出了对应于先前“髙一低”范围收盘价的相对位置，这个位置是由所计算的周期的长度所确定的。原始的随机性称为揊astk?，它的范围是从0至100。通常它不用于交易，因为它对价格的变化太敏感。取而代之的是“S1-owK"(也称为%D)和SlowD-SlowK的三日平滑值，这两者成为流行的交易数值。5期的随机性由下式给出：
@Fastk(series,5)=100x(close-@Lowest(5))/
(@Highesl(5)-@Lowest(5))
@SlowK(series,5)=@Moving_Average(@Fastk(series,5)3)
@SlowD(series,5)=@Moving_Average(@Slowk(series,5)3)
和RSI一样，交易者根据自己对价格敏感程度的要求，选择相应的时间周期。
股票市场腾落指数
除了使用价格指标外，很多计算是根据成交量，或者上涨与下跌股票的数量。很有意思的是，你可见到不同的指标在使用上如何有不同的侧重：
BT(Bolton-Tremblay):BT=(Advancing-Declining)/Unchanged
SchultzA/T:SAT=Advancing/(Advancing+Declining+Unchanged)
McClellan振荡指标：McC=Advancing-Declining
对于每一指标，一个新数值的产生是靠增加当前值至前一日的累计数值而得到的，如同在Bolton-Tremblay指数中一样。
BTX=BTX(1)+BT
虽然这种指标有构造简明的优点，但目前并不能证明一个基于Advan-cing(上涨家数)和Declining(下跌家数)的指数对移动均值信号有所改进。这些指数需要交易者自己分析和选择，因为它们无法过滤噪音,对于如何处理那些连续上涨或下跌数据也不是很清楚。除了一个原来就很复杂的价格系列，你现在有了在此基础上的另一个更加复杂的指数。
技术分析目前的状态
简单的移动均值和指标不能给出技术分析的全景图。于是出现了许多精妙的图形化应用程序，它们允许用户画趋势线和通道。它们可以用波谱分析去寻找周期，给出江恩线和角度，给出费波那奇曲线和艾略特波浪计数，以及ARIMA(自动回归式移动均线)模型一一这个模型持续地为每一个新添的数据复算最佳的移动平均值。
测试软件也推动了这个行业向前发展，任何一个采用未经测试的交易策略或理念的人，都可以在大量的测试数据中，打入简单的指令和测试法则以测试其理念。最为流行的软件是DowJones的TeleTrac,Omega的"SystemWriter"以及Equis的MetaStock。这些程序免除了对计算机专家的依赖，它们用一种便于使用的方式提供了标准的“函数”(如本章前面所述)来计算一个移动平均值、真实价格范围、最高价和最低价，以及许多其他的数值。例如：
Average(Price,Length)
平均值（价格，长度）
Bollinger_Band（Price,Length,StdDev）
布林线（价格，长度，标准差）
Bullish_Divergence（Price,Osc,Strength,Length）
牛市背离（价格、振荡频率、强度、长度）
Linear_Regression（Price,Length）
线性回归（价格，长度）
方框1-3使用新计算机软件来编制系统
“效率比值”是指10天的价格变化除以十日收盘价差值之和。这个比值EfR给出了10天内价格移动的效率（或者相关妁噪音），它将用于第8章中所述的自适应移动平均值。
TeleTrac允许计算插入它自己的电子表格格式。第一列是被产生价格的名字，第二列给出了公式，结果按所选的每一时间间隔给出，从即时到月，本例用的是日数据：
“SystemWriter“使用Omega的完全可编程的Easy Language找出同样的比率：
noise=@ Summation(@ AbsValue(close[0]-close[1].length)
signal=close[0]-slose[10]
if noise<>0,then Efficiency_Ratio=signal/noise
"System Writer"最后一行代码用于测试噪音在进行除法之前不可等于零,在头一行中嵌入了TeleTrac代码的头两行。
以上这些函数给出了简单移动平均值、布林线、牛市背离指数以及线性回归指数的角度。它们易于理解，甚至无需使用手册。长度是指用于计算的周期数量，价格是任意数据系列，无论日、小时或用户定义的其他时段。
策略测试软件有两种形式：
(1) 电子表格形式的系统，例如Teletrac,其中每一个计算值变为一个新的行，而每新的一天则成为新的一列。
(2) "系统写手"(System Writer)，拥有几乎所有计算机编程的功能，用类似于BASIC的语言(方框1-3)。在Omega的软件中，每种计算都可以由所需的日期来显示。
买入和卖出信号以及移动平均线，振荡指标以及用户自定义的价格可以被显示于分屏的屏幕图像上，每个测试结果的计算过程和详细的统计都可以很容易地检索与打印出来。
新技术
由于计算机功能变得更加强大，某些新技术已逐渐成熟为市场分析的技术，被称为人工智能的领域包含最有希望的神经网络以及简单的形态识别、专家系统和模糊逻辑，这些都将在本书后面阐述。
神经网络已经作为一种最佳的方法替代了回归分析，用于寻找基本面如何影响价格的线索。但是，神经网的强大功能仍未被充分使用。它仅是最初始的利用，用来在红利、经济条件、价格，或供应、需求和价格之间找到同样连续的关系。它有能力鉴别今日的一系列因素如何与历史上特殊的情况作比较，这是一个同样复杂和实用的研究方法。
进化与退化
很容易证明，现代通讯和计算机改变了全球各处的经济、交易工具和市场参与者。这些变化的广度已经要求我们把它看作为一种进化。毫不奇怪，一个20世纪70年代能很好工作的系统，到了20世纪80年代就不再有效了。
经济变化改变了价格的关系，许多国家实行浮动汇率和利率，自1975年起美国开始允许黄金自由交易。其他的国家为了扼制经济的起伏采用了制定合同控制价格的方法，例如欧洲货币系统或OPEC(石油输出国组织)。对于每一个事件，在价格模式上都会有一些影响，有时波动巨大，有时波动弱小，有时变化也并不明显。一种简单的观察这种进化的方法，就是在不同类型的市场中比较趋势跟踪系统的绩效。
成熟的市场和价格趋势
当市场变得更令人熟悉和被更多的人接受时，市场参与者增加了，更多的参与者带来了高水平的“噪音”。多年来，美国股票市场一直是养老基金、个人投资者及其他国家的主要投资乐园。大量的交易是由与盈利无关的活动引起的。养老基金因新增投资资金而增加了它的部位,一个公司卖出股票以便向一家购物中心投资，或一个家庭从共同基金(mutualfund)中取钱去付医药费。大量的价格移动并不受经济趋势或精明的买卖时机的影响。
新兴市场不具有大量的参与者，因而“噪音”水平不高，这使得简单的趋势跟踪系统比较容易获利，表1-1和方框1-4比较了不同成熟程度的市场。它们表明一个新的市场用一个简单的系统比较容易交易，但是对一个成熟了的广泛交易的市场就不可能用同样简单的方法来获利。
对比新兴市场与成熟市场
结果表明，最新的活跃的世界市场，如香港恒生指数和MATIF的CAC-40仍然对所有被测试的趋势速度都给出了有收益的结果。恒生指数对较快的趋势有较高的年回报率，表明其短期价格摆动可以被一个相当低的噪音水平所支持，但其长期趋势发展则较差。如果这种噪音增大，趋势将经常被中断，造成上下坐电梯式的损失。
方框1-4趋势跟踪系统的获利能力比较
由于市场变得成熟，价格模式的变化可以用一个简单的趋势跟踪系统来表示。它表明较新的或刚出现的市场有很清晰的走向。当它们成熟时，对于价格的更多的预期增加了噪音，使得价格模式变得更复杂。出自不同的原因连续进入市场的下单使趋势常被中断。
表1-1给出了一个简单的趋势跟踪系统的测试结果。系统使用了下列规则:
1. 一个指數式移动平均值确定趋势。
2. 当今日的指数式越势值上升时买入。
3.当今日的指数式趋势值下跌时卖出。
4. 系统总是在市。
5.没有交易费用。
结果表明：
1.最成熟的市场（Dow）在被测试范国内使用任何趋势都无法进行交易获利。
2.新兴市场，例如恒生和CAC-4O（从1983年至1987年）给出了有特色的短期走向"当它们越向成熟时，开始在长期绘势中得到更大的收益，而不是短期趋势。
3. 德国马克是一个有深度的市场，像所有其他主要咬通货币市场一样，给出了收益下降的趋势。
4. IBM给出的是长期趋势（难以交易的5日走势短线机会徐外）。
5. 原油的波动性及大型商业垄断和OPEC试图进行价格控制，掩盖了价格的自然走向。
CAC-40的测试表明，最近五年趋势交易的回报与早期相比下降了50%,它也给出了早期较快速交易带来的较大的收益，但是随着市场成熟，趋势速度的分布就更加均匀。当你从短期5日趋势转换到75日周期时，回报率仅有很少的下降。
德国马克总是与其他硬通货币一起被活跃地交易着。但在过去五年中，马克的活跃性上升了，因为马克在欧洲经济结构中担当了支配的作用，并与世界范围内更大的交易活动相配合。前五年(1983-1987)比近几年能获得更高收益，并且利用周期较长的趋势比较有效。两个周期皆表明，依据最快的趋势进行交易是最困难的，因为它很可能是由短期波动性、频繁的价格突变以及在Forex交易中激烈的竞争所带来的结果。最佳的趋势可能因长期的经济重心转移而改变，也会因为人们对欧共体的信心以及美国在贸易中的竞争能力而改变。随着市场不断成熟，用快速交易方法产生利润的能力将会不断下降。
这里只给出了IBM前五年的数据。除了一个五天趋势之外，通常你使用的趋势越长，你的利润就越高。当包含交易成本时，利用15至45天趋势所产生的较少收益很可能消失。5天趋势带来的18%的收益看来是不寻常的，但这只能是一些小投资者的机会。
我们知道，机构投资者无法做短线交易，因为他们不可能交易足够大的部位和试图把市场价差拉抬很远以获得期待的收益。散户投资者却都可以钻这个空子，当然前提是他们的手续费和交易费用足够低。以五日价格趋势做交易，最多每周一次，如果交易的手续费是0.5%,那么本来18%的年收益最终将变成年亏损8%。
Dow代表了最成熟的市场，几乎采用每种趋势交易都会带来巨大的亏损，表明该市场的波动率与股票价格的净移动比较起来是十分高的。成熟的市场有着大批的参与者，代表了持有多元意见的投资者。机构经常性地调整投资组合，或投机性地出清股票去暂时投资房地产或其他某项资产，这给每日的交易活动带来了很高水平的噪音。当其他地区的国际性市场趋于成熟时，它们也会跟随Dow的发展规律。
最后一个例子是NYMEX原油的一个期货合同。它也表明几乎采用每一个趋势周期来交易都是亏损的。但原油又不同于成熟市场，它只交易一种货物。OPEC限制原油生产控制了油价变动，并且没有小额投资者的参与机会。石油现货和期货市场都由非常大的商家所支配，他们通常是为了发货或对冲风险而买卖，这种结构（试图控制价格和下大单的资金实力雄厚的投资者）增加了波动，掩盖了实际的价格趋势。
结构的变化：季节性
今天你还能做出像1960年时同样的交易决策吗？不，许多市场都出现了一些新的“衍生物”。如今，外汇期货、期权市场、各种类型的股票指数期货以及短期和长期利率，这些都大大不同于10年前的市场。
甚至农业市场（最古老的进入市场交易的商品）也有了改变。庄稼仍然是按季节耕种与收获，但是保持了几百年的季节价格模式也不再是可靠的了。在20世纪80年代，美国谷物的价格就随着过剩的生产反而上升，使得交易者很糊涂，农夫们则兴高采烈。后来，这种现象被确认为“等值”，即自由贸易产品具有保持一个固定的国际价格的能力。当美元下跌时，美国的谷物对于非美元国家的购买者变得更有吸引力，引起了岀口的需求和价格上升。
另外还有奇怪的事，比如正常的季节价格规律也会有变化。20世纪70年代中期开始，农民们建造了许多储粮设施。以前没有这些充分的存储设施时，农民需要事先出价给本地谷物仓储者或者马上卖掉收获时无法保存的每一件东西。他们可以去租借库房，但是要早早签约并付出至少3个月的费用。而农庄自有的存储设施释放了收获季节的价格压力，由于可以有100%的仓储，就可能抑止收获季节价格的下落。
采用了自有的仓储设备后，运费变成了农民的随意支配的自由支出；当粮食存放在租来的空房中时，农民就需要把口袋里的钱全都给仓储者。农庄的存储行为和价格像是捆在了一起，要区分出这部分的价格很困难，因而产品最终价格变得飘忽不定。
橘子汁提供了另外两个季节性的例子。冬天时水果遭霜冻如今不再使得消费者必须花高价了。当佛罗里达中部的温度在零度以下时，橘子汁价格会迅速上升，但并不能持续多长时间。过去的几年中，巴西总是急于填补上美国橘子汁供应的空隙，而消费者也乐得付出低价消费，由此造成了本地生产者的损失。如果这一次政府屈从于消费的压力，允许果汁从有大批储备的巴西人那里进口，那么下一次霜冻会是什么情况呢？是价格急剧上涨，还是消费者期待大量巴西的替代品到来？不管出现哪种情况，季节规律都已经被破坏了。
第二个例子是，由于北美和南美作物季节正相反，橘子汁、大豆和其他作物可以在相反的季节大量生产。美国秋收时，巴西农民正在春耕。正当一国转季时的贮存减少时，地球的另一半正处在收获季节。当美国的农作物收成不好时，南半球却可能是大丰收。世界的进口市场是可互换的。当俄罗斯人需要谷物时，他们会寻找最好的价钱，而不仅仅是到美国市场上买。这对于季节性模式会产生什么影响呢——这使得供应和需求成为一个全球的概念，并很难进行预测。
市场的进化
上述内容不仅仅是农业中的现象。金融市场全球化早已不是什么秘密，其影响是深远的。即使政府换届或者交易所取消，美国也将不再会是唯一的经济中心。毫无疑问，中国和俄罗斯将在世界贸易中起不断增长的作用，中国（占世界人口1/4）积极地想进入世界贸易格局，俄罗斯已经很清楚地表明他们欢迎市场经济。这对于供求平衡方面的影响都是巨大的。如果这种转变很快，随之产生的不平衡将在商业和投机上提供史无前例的短期机会。无论如何，将来都不再像过去那样了。