11    提高现有系统的绩效

在测试结束后，对于实际交易结果的测试和观察，进一步构成了一个成功的交易程序。对于期望值和实际值进行仔细比较，可以看出测试的状况是否良好。因为在测试和实际交易之间可能有较大的差异，如果结果不同，并不令人奇怪。但是，为了保证成功，差异又不能大到使预期的利润在实际交易中变成亏损。必须要使用这个系统进行交易，才能得知测试的假定是否符合实际。在此步骤之后，应该看看怎样改进系统，以维持它的完整性。下面内容将讨论一些改进方法。

衡量和测试系统的预期能力

绩效测试的最重要部分，即审视自己是不是已经正确地测量出亏损的风险，并尽快发现它。当交易存在利润的时候有很多交易结果，但亏损大于预期的时候却只有一个选择。只有观测世纪交易结果，才能给出对于期望值的唯一正确评价。在此之前，我们只能是大约估计。用拖长时间和太多的交易费来增加测试的负担，将会使优秀的策略看起来很糟糕，并增加了找到一个好交易方法的时间和精力。另一方面，把交易费用语气得高一些，比低估它们要安全些。

你观测什么？

我们通过观察实际交易来比期望值和真实结果间的差额。预期的绩效来自测试，实际的结果来自交易。如果打算交易一个大的仓位，那么只反映小仓位交易结果的真实交易记录价值不是很大。

预期值和实际值之间的差额被称为一个DELTA（显示为符号△）「实际使用中可能会有实施DELTA（执行价格的比较）与总绩效DELTA两个指标，如下：

■记录程序估算出的交易价格和真实的平均执行价之间的差额。分开记录进入和退出的价格，因为进入价格通常可以更精确一些：

多头进入△=（系统进入价-实际进入价）

空头进入△=（实际进入价-系统进入价）

多头退出△=（实际退出价-系统退出价）空头退出厶=（系统退出价-实际退岀价）

■记录那些无法成交的交易的利润和损失。

■计算总的合约的利润和损失，分别对于系统和实际交易计算：

总的合约△=（总实际损益-总系统损益）/合约数

系统的预期利润或亏损和真实的结果之间的每合约差额，是最重要的一个数据值，对这些值的细化分析能提供一些信息来帮助改进执行的情况。如果没有什么条件改变，每合约差额应该被用来计算将来的结果，同时在测试中使用实际交易费用。其他的值含义都是很明显的。在本书第2章曾经讨论过无法成交的交易对于获利能力的影响，结论是获利减少但损失并没减少，这就增加了运用一个程序成功交易的难度。

流动性

执行中出现问题，有时是因为交易系统下单的类型引起的，但它们全部与市场的流动性有关。如果你下的单那一刻对于市场来说太大，执行价格就会很糟。这种交易可能需要用数小时时间来平均进行，或者应该将买卖单改在比较靠近开盘或收盘的时间段。限价单可能需要用一系列时间间隔较长的市价单来替代。一个事实是肯定的：如果你无法执行交易系统的每一个下单指令，你就无法期待得到交易系统所应有的结果。

反馈效应

观测绩效是寻找交易实际成本的唯一方法。这是很有价值的信息，而且能被用来测试其他的系统。虽然不同类型的买卖单交易费用各有不同，但是它们全都会有一些滑失，也全都有无法成交的情况。知道它们是什么样的，这很重要。

Chi-Square测试

以简单为原则，不需要高等数学就能知道你的交易是否有问题。一个比历史上任何损失都要大的亏损，或一系列接二连三超过以往任何频率的亏损，一定会引起你的注意。但是，并非所有问题都在它们成了大麻烦以前你就很清楚。CHI-SQUARE测试是一个简单的方法，可以用来比较历史性的（预期的）和交易的（实际的）结果，以发现究竟哪里出了问题。

举例来说，你的新系统已经进行20次交易，只有4个是获利的，但是历史数据测试表明40%的交易应该是有利的。哪里出了问题？这里可以使用CHI-SQUARE测试：

CHI-SQUARE=@ 加总（（实际值-期望值）^2/期望值）

CHI-SQUARE测试的数值，是实际和预期结果之间差额百分比的总和。当这两个数非常接近的时候，CHI-SQUARE的值很小。为了便于发现一个CHI-SQUARE的数值是否大到了指出一个问题的水平，可以使用表ll-1。

因为CHI-SQUARE测试需要至少两个例子，所以如果你想要比较利润的频率，就必须准备预期利润频率和预期亏损频率两种数据：

Actual是指真正的交易绩效，expected是指测试的结果。预期利润频率和预期亏损频率之和应该等于100%：

 参考表11-1，我们比较结果16.67和第一行数据，可以观察到16.67与0.001相关联，所以该值被认为是相当明显的。因此，如果有一个系统只给出了20%的交易可靠性，那么一定是哪里出了问题。不过这里我们还没有考虑交易次数的因素。20次交易，取样误差会是1/@ sqrt(20)=0.22，或22%。然后CHI-SQUARE值16.67可以降低到13.00，仍然保持在10.83以上。一些特定的水平对于CHI-SQUARE是重要的：

CHI-SQUARE大于等于0.001个概率，非常显著

CHI-SQUARE大于等于0.01个概率，显著

CHI-SQUARE大于等于0.05个概率，可能显著

CHI-SQUARE测试可以显示真实的价格运动(同一方向上的连续多或空状态）是否类似于一个随机分布。表11-2给出了一个电子表格的数列，各列之和（E-A）^2/E就是Chi-Square的值。

表11-1是八个交易的数据测试情况。将CHI-SQUARE值放置在一个水平，任何超过该水平的测试，都有大于50%的机会是完全随机的。随着更多的测试被包括在内，统计会显示出比较结果将更加接近。

预    期

理论上的利润只是期望值而已。第2章已经指出，报价显示的落后、价格滑失以及无法成交的交易，可以很轻易地将一个理论上很稳固的交易策略变成亏损与冒险的工具。提供足够大到吸收这些亏损的每笔交易目标利润，是一个解决方法。另外一种方法则是预估交易信号，准备好在系统发出信号的同时就下单，而不是等到信号确认以后才下单，甚至于在计算机发出信号之前就出手下单。

为了表明预估信号的重要性，这里以一个使用收盘价移动平均线的系统举例。当均线向上掉头的时候，系统买入，反之则卖出。图11-1和表11-3比较了在当天就做出买卖动作，和以次日收盘价买卖的几种移动平均线的绩效。在三个不同的市场进行了测试：香港恒生股票指数、西德马克和IBM公司的股票。趋势的速度包括了从5到75天的较宽范围。

三个不同的市场对于趋势系统的一个1天延迟表现了类似的结果。在慢速趋势正常运行的前提下，快速趋势的绩效大幅降低，而慢速趋势的绩效则保持不变。

测试结果显示出一个清楚的模式：当下单被推迟一天的时候，较快速的趋势交易将损失其利润的50%到400%。而慢速的趋势则没有受到什么影响。

这表明，时间的准确把握对于5天的移动平均值是非常重要的，并且在交易首日具有最大的利润。推迟一天下单，恒生指数的利润即下降了48%，西德马克从获利10%转为亏损10%，而IBM股票的损失则达87%之多。较长的趋势一般不依赖于一个特定的进入价格。即使第一天可能是获利的，它也并不是总利润的一个很大部分。在恒生股票指数测试中，由75天均线给出的利润增幅比较出乎意料，很可能这是由于交易数量样本较少而被误导的结果。

看起来这很合乎逻辑，任何依赖于动能或突破的短期交易，将会因为延迟进入而遭到破坏。如果能够预先知道交易系统将要在哪个价位产生一个新信号，消除一些潜在的问题是可能的。最重要的是按照系统发出信号的价格立即执行，而不是在信号发出之后再执行。只有小单子才应该用止损或者限价单的方式下在场内（通常大单不可能在短时间内有足够的对手盘，无法预先下到场内）。

对于快速交易的顺利执行，意味着利润将很早就在交易中产生。这同时支持了我们早先关于获利了结的讨论，即持获利仓单直到趋势反转，将导致回报/风险比降低。总利润与风险的比例随着持仓时间的增长而恶化。

确定大单执行的时间窗口

在系统给出的进场时间附近，需要规划出一个执行大单用的时间窗口，在这个窗口中分批进入。举例来说，一个外汇交易者基于60分钟数据建立一个动量交易系统。当市场在11:00时的状况已通过了系统的计算后，他知道，如果价格在12:00时超过156.50，将有一个新的买入信号发生。因为他的经验已经显示，一个2500万美元或英镑的下单应该在11分钟内完成交易，如果价格那时已稳定在156.50以上，他将在11:55就开始买进。如果在10分钟内完成交易，那么交易的平均价格应该接近于12:00时的价格，也就是计算机在那时给岀的进入价。

当时间越来越靠近被计算出的统计信号将要出现的时候，通常可以看清是否适合下单。有时，价格刚好落在所需进入的价格上，或者稍稍低一点，你会无法确定是否该下单。如果开始买入并推高了价格，你实际上人为地制造了一个系统信号。但等到12:00时之后再买入，则又可能得到一个更糟的执行价。

预测会极大地改进绩效，因此对于处理临界情况的平衡性手法是很重要的。你看到12:00时的进入价格即将被触发，于是开始慢慢地下单。如果系统确实在随后提供了一个信号，你继续下单，直到结束；如果系统没有给出信号，你要尽快地将先前建立的仓位平仓。从长远角度来看，一个“错误的预测”比起等到信号产生之后再开始下单，成本要小些。

一个错误的预测随时可能发生。价格看起来似乎已经于买入信号的价格之上企稳，结果却在12:00时之前的60秒内急剧下落，这种情况甚至会发生在你正在买进的同时。一旦12:00时的价格被确认，你将获知应该继续持有还是平掉已经建立的仓位。

计算预期价格

发现一个给出信号的价格是非常简单的，只需要一些代数知识。你对于移动平均值、相对强弱指数(RSI)或基于下一周期的价格(比方说，对日线来说的下一天)的其他指标来写出公式，然后对下一价格求解。举例来说，一个5天的移动平均值在今天的值是：

@ moving_average(price，5)

=(price+price[1]+price[2]+price[3]+price[4])/5

使用函数@ sum(price，days)，总计早先的n天的价格，我们将此简化为：

@ moving_average(price，5)=@ sum(price，5)/5

在价格等于最后一个价格数值的地方，price[1]是之前的价格，以此类推。使用真实数据，我们得到：

@ moving_average(price，5)

=(154.50+153.20+153.60+152.70+152.50)/5=153.30

明天出现什么样的收盘价，才能让移动平均值向下反转0.10，使5天移动平均值的新值达到153.20？通过将计算向前移动一天，我们能使用简单的代数方法找到今天的值：

@ buy_signal=153.20=(next_price+@ sum(price，4))/5

那么next_price=153.20x5-@ sum(price，4)

通过在式子两侧都乘以5并都减去四个已知的值的总和，得出了下一价格。值@ sum(price，4)是最近的四个价格之和。使用取样的价格得出：

766.00=next_price+154.50+153.20+153.60+152.70

152.00=next_price

因此，如果英镑的收盘价小于或等于152.00，则移动平均值将反转0.10。方框11-1给出了一些用于预期下一个价格常见的公式和计算。

带有预先编成程序指标的报价设备

如果你使用的报价设备已经带有预编好的指标，就不需要进行复杂的计算了。TeleTrac、TradeStation、MarketView、CQG和许多其他的程序，已经可以允许你自己改动周期参数来计算移动平均、随机指标和其他的一些指标。最后一个价格会被自动用来寻找下一个价格的值，因此机器可以持续不断地通知你，让你知道你是否会在下15分钟、下个小时或者下一天得到一个信号。想要自定义过程的机构，将会发现在框11-1中的公式是很有帮助的。

过滤系统信号

当价格处于高位以及波动率增加时，交易的风险就上升了。因为有那么多各具特色的策略并在不同的时间窗口上工作，决定什么价格是“太高的”的风险，对于各个策略来说可能都是各不相同的。风险控制的方法之一，是使用一个保护性的止损；但是，市场可能在你最需要控制风险的时候，一下子就越过了你设置的风险水平。以个人风险为量度的止损已被讨论过，它是无效的保护。同时，当逻辑止损点（基于支撑位和阻力位，或经济指标这样的基本面因素）可能减少日常风险的时候，却无法保护一个价格突变所带来的亏损。不论你持有仓位1小时、一天或一年，如果你运气不够好，一个价格突变将总是会产生相同的亏损。

过滤价格水平

在极端高位还是极端低位进入一个市场，交易绩效状况经常与此有着显著关系。“低点”的意思也许是很清楚的，但“高点”就没有那么明显。实际的产品价格如果回落到10年内的历史低点或者成本附近，可以被认为是低点。但像原油这样人为控制的市场，就可能有不同的模式。

价格的低点和高点水平，会因通货膨胀和结构性变化而改变。低价并没有什么困难。如果你正在用一个移动平均值来做长线的铜，而铜价低于每镑50美分，此时做空能够获利的可能微乎其微。在45美分建立的一个空头部位，几乎会和一个在60美分建立的空仓具有相同的风险。当价格接近绝对低点时，空头获利可能性的下降速度，比起风险下降的速度来要快得多。

高点则是不同的。价格分布图的尾巴在高点一侧是非常长的，意味着价格有可能升到令人惊讶的高水平。甚至于在对通货膨胀和其他经济因素调整过以后，仍然很难判断什么时候一个多头仓位必定具有非常不利的风险回报比。更复杂的情况是，有些程序在价格和波动性都相当高的时候，运行得还更好。

一个散点图（如图11-2所示）能被用来替一个交易原油的趋势跟踪系统寻找一个进入价格。图中画出了每个进入价格所对应的利润与亏损。交易已被分为两组，图11-2（a）只有多头仓位，而图11-2（b）只有空头仓位。石油是个有意思的例子，因为石油输出国组织试着在一个固定的水平维持统一的售价，目前大约为20美元/桶。其他市场各有自己的模型，也同样有趣。

趋势做多。原油提供了一个以相对高价进入而带来风险的清楚案例。多头仓位在低于每桶25美元的记录位（见图11-2）产生许多小损失和几笔较大的利润。大多数的亏损发生得都很集中，并小于每桶4美元，而获得利润时则高达12美元/桶。时常发生小亏损和获得几笔大的利润，是对一个趋势跟踪系统最典型的描绘。当多仓买入价格在每桶25美元以上的时候，只会出现亏损，而且那些亏损随着价格继续升高有扩大的趋势。

图11-2似乎很容易理解。当多仓在非常高的价格水平进入的时候，盈利机会较少，而波动性较大。当然，如果没有类似的图表，将很难知道什么价格是“高”。因为我们知道在此测试期间，石油输出国组织确定了一个大约每桶20美元的指导销价，所以我们也能看到一些其他的模式。举例来说，当买入价格接近20美元的时候，利润下降。厚利来自于当油价远低于OGSP（官方的政府售价）的时候。很不幸，这一分

（a）多头仓位。（b）空头仓位。画出对应于利润和亏损结果的进入价，给你一个机会来预先识别不该被执行的交易。当石油输出国组织的标准价格是大约每桶20美元的时候，观察应用于此期间的一个趋势跟踪系统，我们可以在（a）中看到，多头仓位在每桶25美元以上时总是蒙受损失。因为石油输出国组织有能力在较短的时间内迅速增加供应，任何供求的失调都可能被很快地修正。顺势操作的利润没有时间来增长。（b）中的空头仓位在每桶15美元之下进入时带来损失，而在25美元以上价位则具有更高的风险。

析不过是事后诸葛亮而已。假如石油输出国组织的目标价格下滑到每桶18美元，我们可以预料到在该价格水平进入的多头仓位获利将降低。我们同样有理由预期，相同的绩效模式会在一个新的价格水平附近集中。如果我们已经选择了一个较长的测试时期，包括油价在每桶30美元附近企稳的期间，模式将不会如此清楚，因为它会包括多于一个的目标区。

顺势做空。我们也期望通过在相对高位开立新的空头仓位，寻求更多的获利机会。图11-2(b)列出的那个交易，在一个1000桶的合约上刚好产生了一个稍小于14000美元的利润。其他四个在25美元以上进入的空头仓位，则给出了高于平均水平的亏损。正如所料，在每桶15美元以下这种相对低位建立的空仓，也产生了亏损。图示表明，随着价格的增加，利润和损失的波动性也增加。

价位、利润和风险。相对于获利能力，来画出未经调整的价位，可以得出一张容易理解的图片。通货膨胀和价格演进都不能改变这样一个事实：在低位建立空仓，机会不多而风险却很大。高位买多的情况并非同样清楚，但经验告诉我们，此时产生大亏损的风险比起获得利润的机会要大。市场因素会不断提示对于这些价位的周期性评价，只需要一个简单的分析就可以起到明显的作用。

过滤掉波动性

入场时的市场波动性，是预估利润和亏损的一个更可靠的指示。更重要的是，剧烈波动意味着高风险。如果一次交易的亏损可能很大，风险又很高，那么它绝对应该被列在待删除的名单上。图11-3(a)绘出了和图11-2中一样的西德克萨斯中级原油图线，不同的是使用了对应于损益的进入点波动性。波动性用绝对价格变动的10天平均值来计算。(以美元/桶计)

过滤掉波动的做多进入位。图11-3(a)列出了一个类似图11-2(a)的一个图形，但稍做了些重新组合，使用了进入市场的价格。当多头仓位在高波动期进入的时候，形成了一个稳定的亏损图形。图形表明，这些高波动性的交易也在高价位发生。在低波动性的期间开设的多头仓位是获利的，其中一些并不对应于最低价位，在最低价位反而出现了一些亏损。

过滤掉波动的做空进入位。当对应于波动性而非进入价格来做图的时候，空头仓位表现出不同的状态。在同一波动率水平进入的多数交易在图上被推到了最左侧，其余的5个交易在波动性为2.5到6倍大的时候发生。可以预料到，在高波动性区间进入的交易，会带来比较大的亏损。

使用过滤器

利用进入价格和波动率来过滤趋势跟踪交易的图表，可以给出最简单的选择和最清楚的结果。虽然上例只使用了原油，但相同的模式可以用在其他的商业和工业产品上，只要它们有一个真正的高低范围。货币则有所不同，更加复杂。货币没有绝对的兑换率水平，暂时性的正常水平是由每个国家根据他们和贸易伙伴的关系来设定的。当货币在一个可接受的水平或平衡状态时，波动性会比较低。当价格从平衡点移开的时候，波动性就会加大。你可能把一个偏离正常的货币价格视为“高”，而把正常的价格则视为“低”。对货币来说，波动性是唯一有效的尺度。

期    望

对交易进行过滤，是改进绩效的一种显而易见的方法，这种方法的基本概念从根本上来说是很牢固的。利用波动性进行过滤，并不会百分之百提高利润，但它一定能够降低风险，提供更好的整体绩效。

为过滤器编程的规则

由于波动性的衡量能够在需要做出进场决定的时候很快完成，所以我们选择这个过滤的方法。如果波动性太高（或太低），则交易就不能被执行。下列步骤是寻找一个趋势跟踪系统的最佳过滤器所必需的：

1.选择一个趋势跟踪方式，比如说某个指数的移动平均值。

2.生成一个包括所有交易的表格，分别汇总计算来自多头和空头仓位的净利润和亏损。

3.计算进入交易时的波动性。使用几天内绝对价格变化的总和，比方说，5天（与在原油的例子中一样）。

（a）多头仓位。（b）空头仓位。当对应于盈亏来绘出进入位的波动性时，图形更清楚了。对于多头仓位（a）和空头仓位（b），亏损随着波动性的增加而严重，向图表的右下角移动。在（b）图中，一笔在每桶27美元进入的较高做空利润，是在一个相对正常的波动性期间发生的。波动性非常低，也是过滤掉任何交易的一个理由。

4.把仓位（多或空）、进入时的波动性和利润/亏损记录到一个电子表格中。如果你想要做一个价位分析，则可以对进场位置的价格进行改动。

5.在一个散点图上绘出所有多头仓位的对应盈亏的波动性。以同样的方法绘出空头仓位的图。

6. 以目测判别最高的风险和一致性的亏损。你可能想要除去所有在波动性太高或太低时进行的交易。

7. 通过测试在交易信号发出时的波动性，来对趋势跟踪系统加入一个波动性过滤器。

将优化的概念反向使用

在第10章中，有广泛基础的测试（称为“最优化”）曾被用于评估交易策略的效果，或用于检测一个规则改良是否能够全面改善绩效。我们预期出了大面积的利润区域，这允许我们从许多参数组合中选择，其中任何一个组合都可以进行成功的交易。接着可以考虑那些最坏的结果：我们经常能在快速交易区中见到盈亏不稳定的图形。如果其中的亏损不是由交易费用引起的，那么它们反倒是一个信号，标示了一个很好的与长期趋势逆向的开始新交易的位置。

举例来说，一个长期趋势系统每年产生两个交易机会，而一个5天的模型则会每周都提示进行一次新的交易。如果快速和缓慢的系统同时产生了一个交易信号，我们会预期长线交易将有可能获利，而短线交易则更可能亏损。这告诉我们，以短期眼光来看，理想的多头买入价格应该比现在立即买入的点要更低些；否则，短期交易就成了可靠的获利交易。这不是一个好的进入长线交易的时机。当然，时机对于长线交易来说也并不是很重要（本章中前面有关“预测”中有述）。

交易规则

在长线和短线买入信号同时发生后不久，短线交易以发生亏损告终。如果我们掌握的时机是正确的，比较快速的交易现在应该改为做空。因为已经判断这短期多头部位将要走坏，我们可以借机在其走坏之后，再继续建立自己的另外的部分长线多头仓位。如果这个动作是在快速的系统产生一个亏损之后，说明这个买入时机掌握得很好。

一个合理的实行这个想法的计划是：

1.选择一个能够稳定长线获利的交易策略来决定市场的方向。

2.选择一个可靠性不高但产生亏损不多的短线交易策略（不包括交易费用因素）。

3.当长线系统提示出一个买入信号时，建立1/3的仓位。

4.然后在短线系统退出一个多头位置的时候，续建1/3的仓位。

5.最后当短线系统给出一个空头信号的同时，再建立最后1/3的仓位。

当市场出现波动，很容易给出一些信号，利润似乎唾手可得。但这些快速移动的市场却经常有大幅度的价格滑失，并在最初动量消失的时候出现剧烈反转。以全部仓位的1/3或1/4下单，这是一个机会，帮助你客观地判断这一方法是否能够改进绩效。当资金的最后2/3被注入时，价格正向着你原有目标的相反方向在移动，因此价格滑失应该是较低的。

隔夜的风险

穿越时区的移动

跳空开盘能获得暴利或者带来大亏损，总体风险有所增加，因为这代表着无法控制的风险。交易者只在正常工作时间内观察美国、欧洲或远东的市场，风险可能是相当大的。现在，越来越多的交易者已经有办法跨时区追踪市场，这就可以回避绝大部分风险。

全世界金融市场的流动性增强，使得交易可以连续不停地24小时进行。主要交易所之间的合作协约，使得下单情况和交易费用都是透明的。你可以早晨在芝加哥买进，而在12个小时以后在新加坡卖出，这都能经由本地的交易服务商完成。另外，你也可以使用GLOBEX，或者任何其他的越来越方便、流动性越来越好的电子交易系统。

为了了解开盘跳空的重要性，表11-4比较了一批主要期货市场平均开盘跳空的大小，以及每日收盘价的变动。图11-4给出了开盘跳空相对于每日价格涨跌率的百分比。

于交易市场有利

结果表明，主要的市场有较小的开盘跳空和更小的风险。在芝加哥交易所里交易的美国债券，代表了正常营业时间内最主要的债券交易市场。

同样地，在伦敦国际金融期货期权交易所（英国伦敦国际金融期货交易所）交易的欧元，在其主交易市场是活跃的。这个品种由开盘跳空所带来的冲击最小——24.6%和21.1%。

表现最糟糕的是在IMM的英镑交易，总价格变动的84%都是隔夜跳空引起的。我们能得出结论，在伦敦开盘后与大约5个小时后IMM的开盘时间之间，影响英镑的大部分金融新闻已经公开。价格已经处在新的合适位置上，而IMM的开盘必须赶上变化。在伦敦交易的日本公债(JGB)也是类似。当英国伦敦国际金融期货交易所收盘的时候，与JGB有关的大部分新闻都会公开，因此每日变动的64.7%都将由跳空开盘来完成。

活跃的24小时交易市场，以及那些在主要交易市场被关闭以后还在开放的市场显示岀许多的大幅跳空开盘相比之下，在主要的现金交易市场的交易时间内同时开放的交易所交易市场，跳空幅度就较小，大幅跳空是无法控制的风险。

上表中，平均的隔夜风险可能高达50%。我们可以判断出，因为黄金是一种国际通用的价值参照存储物，它在全世界交易，所以可能有大的跳空、但黄豆和猪月南是很局限于美国国内市场的，它们也能给出较高的隔夜风险。由此判断，这些跳空将会把价格滑失加到进入价和退出价上。

杠杆作用，成本和趋势速度

杠杆作用和交易费用，对于一个趋势交易系统有决定性的影响，这也正是股票和期货交易之间的一个最根本的区别。大多数期货市场需要5%的保证金，货币交易保证金要更低些，而股票指数则要达到10%。如果用较缓慢的趋势进行杠杆交易，会造成持仓时间很长，并要经受资金的较大波动。如果选择较快速的趋势，资金总量的变动未必受到影响，但却可以减少每笔交易的风险，因此在杠杆交易时快速趋势经常被采用。

使用快速趋势跟踪方式的最好理由是：它为进入和退出市场提供了更清晰的机会。如果你可以选择两个系统：一个25日移动平均值和一个50日移动平均值，交易费用和利润/风险比都相同，那么比较快速的25日系统会是诱人的选择。较多的交易使得下列各种情况成为可能：

■利润目标被设置得比较接近，能够更经常达成。

■幅度较小的个别亏损。

■可用于其他的交易目的，例如对冲。

■每个交易的部位大小变动。

大体上，较多的交易意味着一个系统取样不错，进而会带来一个更现实的结果。但是，这些优点却一定会被长期趋势更高的成功率所抵消，因为长期趋势通常与政策面和基本面因素的影响相对应。在美国财政长期债券的交易中，一个200天的趋势系统可能会持有一个多头部位达三年之久，获得巨大的额外利润，从而弥补了不动产或其他弱势项目在一个投资组合中的损失。

交易费用在金融和期货市场中经常被忽略。10万美元面值的一个合约能被一个活跃的投资者用（来回交易）仅仅10美元，或其价值的万分之一的成本来进行交易。对于交易股票的散户投资者来说，1%的费用并不稀奇。以1%为例，如果一个每两周进行一次的股票交易，每年的费用至少要消耗你利润的26%。这样的话，交易净利必须超过40%，才能勉强比一个股票投资组合的效益好。

因为频繁交易通常有很高的交易费用，以及时常发生的价格滑失，许多股票对于快速移动平均系统的测试给出了总利润（不含交易费用）。这一获利空间是存在的，因为通常资金规模较小的交易者无法从一个每笔交易利润小于0.5%的系统中获利。而机构投资者在这种区间就无法得到充足的成交量，他们也不会想要表现得很活跃。机会仍然存在，并等待着市场或参与者的改变。

图11-5显示了较小规模的快速交易是如何受到交易费用的巨大影响的。而长线仓位相对来说不受影响。

高杠杆的交易，比如说期货和外汇，更进一步地强调了这个情景。每次进入和退出成本为0.0002点的德国马克交易，手续费表现为1%的0.02；然而，Sqo的保证金使其变成了0.5（1/2%），放大了20倍。一个小散户可能要付出两倍于此的费用。

也许很难看出为什么长线交易系统优于短线交易系统。利用杠杆投资的能力使得较小的利润可以变为较大的百分比。忽略正常的交易费用（包括委托金、价格滑失及无法成交）就进行测试，常会使得测试的结果看上去支持较快速的趋势，但实际上较慢的趋势总是更优秀。200个点的大利润目标，将会使很多问题得到缓冲，而那些问题就会对在德国马克上寻找20个点的快速系统交易者带来伤害。对长线交易来说，测试结果将会更接近现实，价格突变将会带来较小的影响，而基本面也将支持仓位。对于杠杆作用、利润、成本和风险的实事求是的态度，将使你力量充沛，走向成功。

快速交易一定要控制交易费用，以达到获利的目标。