3 合理的期望带来可实现的结果
各种技术的组合、盲目乐观的情绪以及某些交易名家的成功经历，很容易导致不现实的期望。在看到风险之前，我们先看到的往往是利润。我们很可能没有询问利润的有效性就想当然地忽略了风险。当开发一个交易策略时，如果不懂得什么情况最有可能发生，那就可能会浪费你的时间和精力，还要花费大量的金钱。
有得必有失
每一个蕴含利润的机会皆有风险，利润越大风险越大。每一个系统的交易方法有它自己的风险与回报的优劣平衡，这种平衡总是令人不愉快的。试图寻找一个无亏损的交易策略，或一个可吸收无限资金的套利模式，是一种错误的想法。
有一个纯粹的“趋势跟踪方法”可以有较少的亏损和较大的利润，它被归类为一种“保全资本”的方法。为了保持较小的亏损，快速离场是必要的。这个系统保持连续在市场里寻找趋势，但一旦价格向相反方向移动就退出。因而，亏损交易的数量大于获利交易的数量。如果你增加了自己对风险的容纳能力，使用一个较慢的趋势或较大的止损，则系统将有一个较大的获利交易百分比，但同时也就有了较大的单次交易损失和资产的上下波动。使趋势走得很慢并拉大止损距离，你就有了一个由长期在市的仓位组成的较为被动式的投资组合。
“反趋势策略”很典型地允许以更多的风险来获得多次小的收益。当策略出错时，会有大的亏损。它的得失平衡和趋势跟踪方法有相关联的连续关系。随着获利幅度减少，获利交易的数量增加了，亏损的交易则数量减少而幅度增大。
趋势和反趋势交易者有相似的选择：多次小的亏损或多次小利润，被少数大的利润或大的亏损来相应地抵消。
“商品套利”追寻“无风险”的交易机会，例如一种“地区套利”，当同样的产品在不同的地区之间的销售价差若大于运费和保险费，就有利可图。竞争可以如此剧烈，以至于套利者只能寻求小的利润和小的数量，当然小到一定的值时，就不值得为此而努力了。
产生稳定的交易收益并没有什么秘密的方法，某些方法会比另一些方法好些，但它们中没有一个是能违背“有得必有失”的原则的。在做出一个交易抉择之前，识别和了解各种此消彼长的因素是非常重要的。见表3-1。
风险与回报
我们都知道伴随着较高的利润有较高的风险，只有永不交易的系统才是永无亏损的系统。当你坐在配有高级分析工具的性能强大的电脑前，你很有可能会忘记：这些限制仍然是存在的。
当你看到成百个策略的交易结果时，利润似乎是很明显的。买卖期权和期货的高“杠杆”使得许多测试显示的年收益高于100%。与大多数投资回报相比，这样的高收益显得格外引人注目，一上来就令人陶醉。但是，如果用一个传统的进行风险调整过后的形式表示，并确保有足够的资本保证安全，那么交易结果将落在一个更敏感的范围——年收入5%-25%。这在第4章和11章中将予以讨论。你会发现：一个具有很高获利能力的交易方法，经过风险调整以后的回报，并不比一个保守的债券基金要好多少。
小心毫无理由的好结果
开发一种交易方法是一件很困难的工作。根本的指导思想可以是多年来观察市场运行模式或价格间数学关系的结果。测试和验证的过程也是很困难的，每个计算都要检查，并且进入价/退出价必须反复检查。它可能十分冗长无味，以至于在某些时候你将乐意接受好的测试结果，并停止寻找误差。你开始无暇顾及那些大的单次获利，而去查看较大的个别亏损。但是，误差会引起正负两方面的影响，一个程序在它的误差没被纠正之前是无效的。
一个具有年回报20%的交易策略，且回报/风险率大于3.0，这个策略完全是个值得羡慕的成就。如果你给一个系统增加止损控制以减少其风险，你会发现，回报也跌下来了。又或者，你试图选择具有更好机会的某些特殊交易，从而减少了交易的频率，那么每一次交易都必须产生较大的利润以达到原来的回报率。你在场外的每一天，在等待入场信号的同时，回报率都在下降。
最后，所有系统都必须遵循“此消彼长”的原则。如果它不遵循，你就有理由去怀疑它。一个无亏损的系统，具有一个5.0以上的回报/风险比率，或连续10年回报高于50%，必须有抵消这些收益的相应限制。你不能仅仅接受表面的结果，你必须找到和了解它们的问题在哪里，最好不要盲目乐观。
让计算机来出力
计算机的数据处理能力是强大的。计算机在技术上的最大进步是综合大量信息并产生结论的能力，世界上有什么比能够解决一个价格预测问题还要好的应用程序呢？
输入基本面和用于股票价格评定所需的经济数据，这是个很简单的任务。输入供求信息（影响食物、能源及其他日用商品价格的基本因素）也一样。向数据库增加那些影响不明显的数据（例如，金融数据、资金的提供、失业率及每笔资本收入）也是可能的。这些数据与其他事件组合时，将对价格产生影响。
计算机可以装备高级的分析工具，以便在那些解释价格移动的数据中寻找关系。最流行的是一张多元回归的表格——在很长一段历史时间内寻找大量因素之间的固定关系。近年来，神经网络已经替代了回归分析而更加受到欢迎。例如，当石油股票比平均线下跌了10%以上时，价格会回升。而当欧佩克（OPEC）召开紧急会议时，价格上升。当这二者同时出现时，价格就升得更高了。基本面提供了一个合理的、传统的方法去预测价格移动。
在过去，计算机运行速度的限制削减了可以相互匹配的数据的数量，计算过程很冗长，虽然能给岀一个清楚的关系，但却摇摆易变。由于不是所有的价格移动可以被解释，预测的质量也就很不确定。更新更快的计算机可以分析更多的数据，这将可以减少不确定性和提高预测能力。输入尽可能多的数据，让计算机来寻找相互间联系是一个简单的方法。
但是，这种方法通常无法提高绩效。许多统计的组合，都可以解释价格移动。哪一种组合是正确的呢？是不是任何一种都是正确的？由于有足够的数据，就计算出了无数的模式。计算机的功能可以找到所有的模式，但却无法识别哪一个是正确的。
识别可靠的模式
一种计算机分析的常见应用叫模式识别，试图寻找其他人尚不清楚的联系。假如，计算机可以扫描失业率数据，并发现在11月份大于3%的下降将带来下一年5月至少4%的新开工住房，连续18年都是如此。
这是一个完美的答案还是仅仅是一种巧合？这要取决于计算机扫描多少数据。如果你开始以失业影响住房为前提，并认为越多人就业就有越多的房子出售，则你只需要扫描两串数据系列来确认你已经相信是正确的关系。
如果你用跨度为50年的美国统计学数据库来寻找完美的联系，以上的例子将是你找到的各种联系之一。另一个完美的联系比如说是从智利大批进口葡萄的同时吉卜赛蛾的大量出现。就业和住房听起来是有道理的，但你如何确定这能比蛾和葡萄的联系更有意义呢？你所能做的仅仅是，在一个测试前就确定你的逻辑，然后使用计算机来验证你的看法。因为我们从来不曾想到使用一个与吉卜赛蛾有关的交易程序，所以与之相关的最美妙的结果也必须被忽略掉。方框3-1表明当一个联系是“显著”的时候该如何计算。
将大量的微芯片用于交易
大公司比起个人有更多的选择，当他们需要解决一个更复杂的问题时，可以买一台大型计算机以取得更强的功能。他们会有一个非常惊人的大型计算机中心和一张高价电费单。
某些答案需要漫长的计算，在成千个数据系列中寻找有意义的关系，这可能需要很多时间，即使在大型机上也是如此。可是，将一组宇航员放置到月球上去的飞船导航图和登月着陆指令，用微机来算也只需几分钟。为什么会有这么大的差距呢？因为导引探索者登月的计算机既有目标又有很确定的物理关系。行星运动的效应和重力虽然复杂，但是有规律的.只要指定时间，每件事都可以算出来。
方框3-1 18年的数据匹配的统计意义
你可能认为，在18年飭数据中寻找出一个完美的价格模式是个令人惊讶的发现。但是，如果用计算机来检索一个天数据库则不那么令人惊讶。例如，5年的数据，就存在25-32种可能的上下模式。
如果你扫描5年中上下模式的32个系列，其中必有两个系列相同，虽然这不能证明有任何关系a在32个机会中只有一个机会任意两个系列将是相同的。因此，如果你打算只取两个系列，并认为它们是互相关联的，它们也确实被证明是相同的，那么你将会有3.1%的概率成功。如果你能够匹配6年，则将是64个机会才有一个，或1.5%的概率。
评价结果
统计学指出，如果一个事件被认为可能有统计意义（非随机发生），它发生的概率至少要小于5%。但这只是最基本的需求，它发生的概率应该要少于1%，才可被称为有意义；少于0.1%，则被称为很有意义。
何时18个全部相同是有意义的？
寻找一个结果模式的重要性只需要几步：
第一步：在18个涨跌序列中，有多少不同的组合？在这序列中每18项之一项中只有两种可能性（涨和跌），然后有2x2x2x……X2（2的18次方）或者是总计262144次。
第二步：有两个完全相同的系列的概率是多少？
如果你打入计算机多于18年的总计组合系列数即262145，其中一个系列必定是重复的，当一半数据（131072个系列）被测试过后，有50%的机会其中一个是重复的a
第三步：什么时候才有一个“有意义”的1%机会？
当你只综合两个各具有18次价格上下移动的数据系列时，在262144机会中只有一次是相同的（很小的概率）。在综合2622个这种数据系列时，有1%的机会会出现两个相同的模式。在随机选择的情况下，统计学表明它不大可能是巧合。
虽然预测一个价格可以被陈述为一个很清晰的目标，但答案却是很不清楚的。答案也许并不藏在计算机中所有被存贮的数据里。核对信息的方法也许并不是市场工作的方式。
你无法借助使用一个更强功能的计算机得到一个理想的答案，你只是较快地得到一个答案而已。不管有多大或多快，计算机也只能按你告诉它的方法去解决问题，它不能解决本来就没有答案的问题。
过分简单化一个方案
指标已被证明是有用的，可以正确显示股票和金融市场的主要价格移动。平衡点成交量、短期利率、客户保证金负债额、“内部人”交易、共同基金的现金持有百分数、摆动指标、相反意见指标，以及无数其他的指标都自称具有精确的预测能力。很明显，它们在价格移动的关键点确实产生了买卖信号，但是在其他一些时间里，价格与信号却呈相反移动，或者根本就毫无动静。
一个指标就是一个乐观的过分简化的解决方法，这算是一种努力，对于复杂问题试图寻找一个简单有序的解答。
组合好几个指标似乎并不能如你所愿减少虚假信号，相反，新的组合指标和其组成成分一样，具有相似的不稳定性。
这种令人失望的不稳定性并不是指标的错，而是用户的错。指标的构建是为了强调某一特殊的市场特性。存在趋势的时候，OBV能给出一个确认；而随机的和相反的意见将表明何时一个市场超买或超卖，但不能指出何时是买卖的最好时机。
一个可靠的策略是只在必要的时候使用有关的信息或特定的指标。在另一些时间，这些指标毫无价值。企图任何时间都从指标中读出些答案来，是一个错误的分析方法。市场并不是总会自己说明什么。
标准的经济分析，经常基于多重回归分析，它试图在数据之间形成连续的关系。它需要所有数据都以历史上相同的方式相互作用，即使当市场已经是被不同的力量驱动或根本没有力量驱动了。这种技术类似于强迫形成一种联系。这个问题目前可用神经网络来避免，使用阈值分析以隔离不同的市场情形。一个单独事件或一组事件的组合，将会启动使用一个适用于此情况的一组信息。例如，一次不寻常的大规模通货膨胀将会使系统的注意力集中在利率，并开始观测生产者价格指数（PPI）、高盛商品指数、收益曲线以及美元，在这些数据中寻找确认。第九章中将更多地叙述此问题。
数据不断增加
价格图和系统测试都有个很有意思的特性，这就是许多模式的发现取决于数据的长度，你不能只用一个星期的日数据就找到“头肩底”的信息，或者用一年的数据找到一个重要的牛市。对于绩效的期望也会因为使用太小的数据或部分选择的数据而歪曲。
随着测试所用价格数据的增加，原本获利的交易显示出更多的亏损可能。一个长期的横盘和波动区将会产生持续的大幅亏损，这在小时间跨度的测试中是显示不出来的。
你用的数据越多，你看到的价格模式也就越多。一个500天的数据测试较之250天的测试，价格将会有较长的连续移动；1000天比500天更好。数据越多意味着每种价格模式和它们的组合就越多。将有更多的新高和新低，以及拉锯区间和价格突变。总的来说，当你使用更多的数据时风险就变得更大，而收益却很少保持同步增长。
当你开始交易时，你也正在添加当前的数据到你的数据档案中，一年之后，你提升1000天测试至1250天，组合的周期中将包含新的或更加极端的模式，正如你现在已经测试了1250天一样，随着数据增多，交易风险也增加了。结果，当你开始交易时，风险可能会大于在测试时所看到的幅度。
系统的使用
计算机和系统给予了个人交易者和机构交易者更多的能力。套利、剥皮（strip）、多重决策生成程序和专家系统若没有现代的技术则不可能实现。现代技术也对风险控制及动态资产分配做出了贡献，它允许在没有实际亏损的状况下测试交易理论。
使用计算机化的策略不是轻而易举的事，较之传统交易方式，它实际是更加有纪律及受限制的一种形式。它要求用户仔细地审查自己的程序和决策制定过程，并将它们排列成有序的形式。在进行这样操作的同时，许多交易者其实是在自问自己到底想干些什么。自主的自由交易—~应用人的本能和选择外部因素的能力——是一个伟大的交易者所必需的。计算机并不能开创一个例外的获利模式。对于那些一贯从市场中获利的交易者来说，计算机化的程序经常充当一个指引。它可以告诉他们趋势的方向，给出关键的价格水准，并告诉他们其他人的持仓情况。
某些成功的交易者已经使用系统作为交易的基础。他们能发现哪一个交易机会更有潜力，能在一个较好的价格进入，能在他人利润回吐前退出。你可以发现，他们把许多成功归功于系统，但同时，对于他们所用方法的一个仔细的、系统的测试却表明，它根本不能产生净利润。投资者的技巧才是真正使他们成功的原因，尽管这些投资者都说那是系统的功劳。
许多投资者不能确定计算机化的策略是提高了他们的绩效，还是仅仅给了他们一种平静的心情。这就是说，因为生活是一场每个人针对于无序的斗争，某些投资者宁愿使用一个坏系统，也比什么系统都不用的好。系统的优点在于其确定性，并且可以用测试来验证。不是所有的系统都因其简单明了而有效。本书打算帮助你掌握系统交易方法，同时告诉你该如何提髙系统的交易绩效。
正确的仓位，错误的原因
当一个市场交易者掌握了一个有基本面支撑的仓位时，成功的希望增加了。但是，大多数系统交易的规则都不允许波动太高，而这些波动对于一个基于政府的政策、供应与需求或企业未来的期望而建立的长线仓位来说，却是不可避免的。
使用技术分析的原因，是为了应对价格以一种不可预测的方式与基本面背道而驰，是为了判断目标价位，或是为了控制风险。在对于整个投资的控制加强的同时，付出的代价是：因价格回撤过多或风险暴露过高而提早平仓。
一个技术系统一点点挤出利润，间隔以一些失败的交易。在牛市中，一个空头仓位可能导致巨亏。尽管交易者可以声称，他们知道这系统是错误的，但程序的严格性最终还是要略胜一筹。
技术分析并不是很有迷惑力的，它将永远无法让你吹嘘说你买在低点而卖在顶点。但是，交易是一门生意，一个交易系统应打算长期稳定赢利，而不是只做一单交易。
为什么除你之外所有人都知道？
当所有与你有关的人都在损失时，如果你能保持清醒，那很可能你还没有听到这个消息。 —— H.LMENCKEN
与其他交易者进行交流，会让你觉得他们对于一个令人惊叹的市场价格变化情况知道得要比你多。你亏了，而他们都获利了。然而，如果这个移动是价格突变，其实并没有一个人能知道要发生什么。别人大概都站对了方向而你却站错了方向。
媒体经常盛赞那些大赢家或者给出正确预告的股评家们。从大批的公开分析报告中可以看出，某些人确实曾经英明地在1987年10月股票市场崩盘前号召做空，可是在那次做对之前，他们的忠告可能很平庸，或者干脆就是错谬百岀。你总是会在价格突变之后去寻找做对的那些人，可以假定总有一半你相识的投资者做对了，而你最可能津津乐道这些人的成功。
期 望
良好的期望是成功的基础，但是奢望就只能浪费时间。计算机并不能告诉你在市场中该如何获利，它只能验证你自己的思想。使用一台计算机开发交易程序是一个有效而稳健的方法。和使用其他工具一样，它需要技巧，要去学习和实践。当你变得更加熟练时，你将学习到更多的东西。
由于这仅仅是个工具，系统试验的结果必须公平地与其他投资模式相比较，回报必须是风险调整过的，投资行为必须有足够的资金作为后盾。
对于不现实的结果要持有怀疑的态度，即使它们是赢利的。策略是在许多特性中权衡取舍出来的。使用更加复杂的工具，就有了更多的误差。在接受测试的结果之前必须仔细地检查，什么也不能替代仔细的工作。
要谨慎使用新技术。计算机功能的提升，大大减轻了个体投资者在测试前仔细构想可赢利策略的负担。后面讨论的许多新方法，既可能是一个宏大的构想，也可能仅仅是一个侧面支持；它们有益与否，完全是由用户决定的。
研究和开发交易系统，是所有商业活动中最独具特色的。无法保证任何问题都会有答案。有些时候，成功的计划与机遇会昙花一现，即使在市场上已被证明多年来一贯可靠的模式，其作用都可能消失得无影无踪。开发交易系统的一部分工作内容，就是判断其什么时候已经失效。