第6章 交易系统的要素：过滤器
一般而言，过滤器是与入场策略一起使用，用来回避特定交易的。在20 世纪90 年代后期，标普的波动率很高，常常使用过滤器来避免在星期五做多，或在星期一做空。其中的缘由是，许多交易员并不愿意冒持多仓过周末的风险，因此他们会在星期五出场。这会让星期五比该周的其他交易日更容易下跌。相反，资金会在星期一流回来，因此星期一就常会上涨。这就是一周中不同交易日类型的过滤器。
其他常用的过滤器还有季节性，波动率和长期趋势等等。季节性过滤器使用该金融工具的季节性趋势来回避与历史有偏差的交易。许多交易员不会在进入驾驶旺季时做空汽油，或在冬季来临时做空燃料油。对于股票而言，季节性过滤器的形式则为，不在财报公布日或盈余公告日入场。波动率过滤器则让你避免在某个金融工具呈抛物线变化时入场，或当交易的区域变得更波动时，你的止损很可能被这些隔天的波动所构成的正常噪音所触发。这些情形会有很大的盈利潜力，但也有过度的风险。长期趋势过滤器是短期系统的有用附属品，你将只进行那些与长期趋势方向相同的交易。
我几乎在所有系统中都会使用过滤器。有一些是用来增强盈利能力的，有一些是用来严格避免风险的。下面我们将首先开发股票系统的过滤器，然后再来看看它们对商品系统的改善情况。
一周中不同交易日的过滤器(股票)
让我们来看看，如果回避在一周中某一特定交易日的入场信号时，能否对基准策略有所改善。表6-1 显示了我们在上一章中所得到的基准系统的表现。所增加的交易逻辑为忽略体现在所显示的交易日中的入场信号。
看上去好像最佳的入场发生在一周中的前几天。如果我们回避星期一或星期二的交易，统计结果会下降。在一周中的后几天，禁止入场时的结果会变得更好。不过没有哪一天对交易结果有足够大的影响，以至于需要得到特别的考虑，值得增加至基准系统中。
对于股票而言，还有另一种一周中不同交易日的过滤器值得来考察一下，那就是季度末和月初的期间。其中的道理在于，资金管理人会在这些时间段里粉饰一下他们的组合，以获得投资人的关注。
当把每月最后一天的交易结果、每月第一天的结果，与基准表现进行对比时发现，盈利是2日同的: 50 美元/笔。这些交易日的交易结果与该策略在其他时间皇的交易结果并无差异。
长期趋势过滤器(股票)
我们只做多的股票策略，是在弱市中入场。它是在收盘价低于之前8个交易日的最低价时入场。这些交易在长期趋势向上或向下时均会发生。下面让我们来看看，如果只在长期趋势向上时才交易，结果会如何。定义长期趋势的一种简便方法，是比较今天的收盘价与之前一定天数的收盘价。如果今天的价格更高，则趋势向上。表6-2 显示了我们的基准策略在衡量长期趋势的周期为30-90 根K 线时的结果。
带有长期趋势过滤器的交易会产生业绩跳跃，这可以从我们的收获一痛苦比衡量标准中看出。请注意，当我们使用70 天回顾期的过滤器时所得到的新基准，几乎满足了一个可交易系统的最低条件。
● 每年平均盈利几乎与最大回撤一样大。
● 如果你用200000美元来交易该策略你的最大回撤将会为21% 。
● 如果你用200000美元来交易该策略，你的平均年化收益将会为20% ,每年的平均最大回撤将约为10.5%。
基于波动率的过滤器(股票)
我常会检查两种波动率过滤器的表现。你的入场设置可能发生在一个乏味的低波动市场中，也可能发生在一个高波动、上下乱窜的市场中。在第一种情形中，你的盈利能力相对于正常情况会降低。你每次入场都会冒风险，但你的盈利能力并没有像市场热度朝你交易的方向上升时那么好。为了过滤掉这些低盈利潜力的交易，第一种过滤器就是只接受那些超过特定波动率限额时的交易。这就是低波动率过滤器。当波动率高于常态时，由于市场噪音变得更大，你会有更大的概率触及止损。高波动率过滤器会让你回避掉那些在入场时就有很高波动率的交易。度量波动率有许多种方法，比如平均波幅、平均真实波幅，或某些标准差的度量方法。我们将测试这两种波幅和标准差。表6-3 显示了当交易被低波动率过滤器(近期的平均波幅低于价格的一定百分比)所限制时的结果。平均波幅是用入场之前5 个交易日的数据来计算的。
低波动率过滤器确实会通过排除掉那些不具有较许盈利潜力的交易，来提高单笔盈利，但收获一痛苦比也下降了，因此我们就没有增加这个过滤器。下面让我们来看看使用平均波幅的高波动率过滤器。表6-4 显示了这些交易的结果。
高波动率过滤器会排除掉那些有更高波动率的股票，从而降低单笔盈利和平均最大回撤。但盈利能力的下降幅度比回撤更快，因此收获一痛苦比也下降了。可能标准差波动率过滤器会让结果更好一些。
表6-5 显示了使用低波动率标准差过滤器时的结果。标准差是用入场信号出现时的之前20 个收盘价来计算的。
若只接受收盘价的标准差大于价格的3% 时所发出的交易信号，此时单笔盈利会增加，平均最大回撤和最大回撤都会降低。请注意，现在这个新的基准股票策略是可交易的了。
平均年化收益比最大回撤更大。如果用100000美元来交易，那每年的平均收益率将为24% ，而在过去12 年中最大回撤将只有约17%，而你每年会遇到的最大回撤只有约11.5% 。
下面让我们来看看，标准差高波动率过滤器是否会让结果更好。表6-6显示了当标准差高于价格的x%时就停止交易时的结果。
这个过滤器没能改善交易结果，因此我们就没有在最新的基准中加入它。图6-1 显示了目前所开发的策略的资金曲线。
请注意， 我们在第5 章中曾看见的，发生在2008年中的回撤已经消失了。这主要是由于增加了70 天的长期过滤器。当市场在2008 年中暴跌时，该过滤器让我们回避了大多数的多头交易。表6-7 显示了每年的盈利和回撤。
此时只在一年(2008) 中亏损，对于一个刚刚泊美元的账户，你会在那年中亏掉约10%。如果考虑到在该年中，标普跌了38%，那这个结果还不算太糟。表6-8 显示了我们的纳斯达克100篮子中每只股票的表现。
这些结果中， 100只股票中只有8 只没有挣钱，有37 只的平均盈利超过100美元/笔。下面让我们看看商品策略的开发。
一周中不同交易日的过滤器 (商品)
有一种强有力的一周中不同交易日的过滤器，我会在几乎所有中线至长线的商品趋势跟随策略中使用它。它就是拉回过滤器(pullback filter) 。如果多头信号出现了，我会等价格在某一天下跌，如果此时多头信号仍存在，那我就入场做多。对于空头交易，我会等价格在某一天上涨。大多数趋势跟随多头信号都发生在收盘价上涨的时候。这个过滤器的逻辑是等一个下跌的收盘价来获得更好的价格。除此之外，该过滤器还消除了大量的错误入场信号，包括那些发生在价格高位的入场，然后就直接掉头向下，触发你的灾难性止损。
为了说明这一点，我们对56 种商品的篮子进行了测试，只要今天的收盘价低于昨天的，就在第二天开盘时入场做多，并在第三天的开盘时平仓，空头交易则是相反的规则。测试结果如表6-9 所示。
还不错。增加这个过滤器所产生的盈利，基本能够覆盖该交易的交易费用。下面让我们来看看，当我们只在趋势方向与多头或空头拉回方向一致时，才执行过滤器时的结果。由于我们使用的是20 天的唐奇安入场，所以我们也使用20 天的趋势拉回过滤器。如果今天的收盘价比20 天之前的高，则长期趋势向上，我们会在每次收盘价下跌时入场做一个为期一天的交易。空头交易则是相反的逻辑。测试结果如表6-10 所示。
所增加的过滤器所创造的盈利，能够覆盖整笔交易的交易费用。在其他统计结果不受影响的情况下，这样做无疑是值得的。下面让我们在第5章中得到的基准唐奇安商品系统中加入该过滤器。表6-11 显示了这样做的交易结果。
该拉回过滤器确实能较基准增加单笔盈利，但用平均年化盈利来度量的总盈利能方会下降约20% 。平均回撤并没有下降太多。这是我所发现的该过滤器少数几次不能改善测试结果中的一次。下面让我仍来看看长期趋势过滤器。
长期趋势过滤器(商品)
该过滤器与我们之前在股票系统中所使用的一致。我们只接受那些与长期趋势方向相同的交易，长期趋势是用今天的收盘价与x 天前的收盘价进行比较后所确定的。表6-12 显示了回顾期从30 天变化至90 天时的交易结果。
70 天回顾期的过滤器会让单笔盈利提高约40% ，并且显著降低了平均最大回撤和最大回撤。我将把它加入到已有的策略中，以形成新的基准。
基于波动率的过滤器(商品)
与我们在开发股票策略时所做的一样，我们将测试基于标准差和平均波幅的低和高波动率过滤器。表6-13 显示了当我们只接受当标准差大于X美元时所产生的交易信号。度量标准差的方法是该信号出现之前20 个交易日的收盘价的标准差，并用标准差乘以该商品每点标准差所代表的金额，来转换为金额。
低波动率过滤器会避免一些低盈利能力的交易，这在表6-13中表现为单笔盈利的上升，但它对回撤没有什么帮助， 因此我们就不能将其纳入基准。下面我们将测试高波动率的标准差过滤器。表6-14 显示了这些交易结果。
高波动率的标准差过滤器会改善交易结果，这体现在收获一痛苦比上面。请注意，回撤被显著地降低了。下面让我们来看看，基于平均波幅的低和高波动率过滤器是否能做得更好。
我们测试了使用平均波幅的低波动率过滤器，其结果与使用标准差的低波动率过滤器基本相同，因此它们都不能被加入到基准中。表6-15 显示了基于平均被幅的高波动率过滤器的结果。平均波幅为入场之前20 天的平均波幅，通过乘以该商品的每点价值，平均披幅被转换成了金额。
此时，基于平均波幅的高波动率过滤器的表现，会比标准差过滤器更好。这种情况并不常发生。加入了该过滤器后，交易结果得到了显著改善，新的系统能够符合我们对交易能力的要求了。
● 平均年化盈利超过最大回撤，并为每年的平均最大回撤的两倍多。
● 你可以用450000 美元的账户来交易该策略，每年的平均收益率约为20% ，平均最大回撤小于10% ，30 年中的最大回撤小于20% 。
在我们离开这个商品策略的开发过程之前，基于表6-15 的结果，还有另一件事是值得我们去关注的。这就是我们应该在20 天的平均波幅大于700 美元时停止入场。但假设我们已经进入了一笔交易，市场后来变得更活跃了。可能这个过滤器还可以作为平均波幅超过特定波动率限额时出场的信号。
表6-16 显示了当过去20 天的平均波幅超过特定金额限额时出场的结果。如果在收盘时出现了这种情况，则在第二天开盘时出场。
这个增加项会改善交易结果。目前的收获一痛苦比为2.44。图6-2 显示了此时的资金曲线。
这是一条看上去相当好的资金曲线， 尽管最近3 年斜率的向上幅度有所趋缓。表6-17 显示了每年的业绩结果。
表6-18 显示了不同商品的业绩表现。
对于不同商品的表现，我有以下几点提示:
● 谷物、软商品、金属、能源、货币和金融等都表现良好，而肉和股票指数则不尽然。这是一个典型的趋势跟随策略。我从没有找到一个能很好交易肉的方法，而美国股票指数的表现则更像股票，而非商品。它们更适合用反趋势的方法来交易。
● 咖啡、镇、日元、英镑、欧元、欧元债券、英国政府债券和大多数股票指数的交易频率都不太高。这是由于波动率过滤器和这些商品在交易所的定价方式所导致的。当交易所把某个商品的最小价格变动单位设置为每点1 美元时，一个很小比例的价格变动，就能导致很大的金额变动(请参考附录B 中"相对合约风险"一节) 。高波动率过滤器会阻止这些商品的很多交易。
● 多头交易的总盈利几乎是空头交易的3 倍而单笔盈利也几乎是后者的两倍。再提醒一次，这是一种典型现象。
现在到了结束商品策略开发过程的时候了。在下一章，我们将对其搭配资金管理的方法，以使其能适应你的账户规模和风险承受能力。
本章小结
在本章中，我们完成了股票和商品策略的开发。它们现在都满足了可交易策略的要求。对于每个规则/参数值，我们都用计算机对整个篮子进行了测试，并得到资金曲线。根据资金曲线，我们用平均年化盈利除以平均年化最大回撤，来得到收获一痛苦比。该指标被用来确定所加入的规则/参数能否形成一个新的基准。在此过程中，你已经注意到，我们拒绝了许多能增加单笔盈利或总盈利的方法，这是因为收获一痛苦比指标显示，它们并不是一个更好的方法。第7 章将进一步强调开发一个与收获一痛苦比类似的整合的风险一收益指标，用来替代总盈利或单笔盈利的重要性。