第10章 关于交易的传说

如果你读过许多关于交易的资料，那你应该见到许多相同的断言和格言在一遍又一遍地重复。在本章中，我们将考察一些关于交易的传说，通过少许的分析，你就可以发现，它们究竟是真理还是谬误。

出场比入场更重要

我在一个与交易有关的网站中，看到有提法称，出场比入场更重要。该博主声称，每个人都可以在趋势出现的某一点时入场，但盈利的关键是在趋势快结束的时候出场。他进一步断言，一个好的出场策略，甚至能在随机入场时赚钱。这些言论与我对交易的理解完全相反，因此我让他提供一个示例。他告诉我，这是在撒普所著的《通向财务自由之路》一书中所提到的。下面就是该书中的描述:

事实上，已有证据证明，当出场策略和资金管理方法很好时，你甚至能在随机进入市场时盈利。下面是一个真实生活中的案例: 汤姆·巴索设计过一个简单的、随机入场的交易系统。我们用平均真实波幅的10 天指数移动平均来确定市场的波动率。我们的初始止损是该波动率读数的3 倍。当用抛硬币来入场时，就对该收盘价设直一个3 倍波动率的跟踪止损。不过，该止损只会朝我们有利的方向移动。因此，当市场朝对我们有利的方向移动或波动率收缩时，该止损会越来越近。我们还使用了1% 风险模型来作为我们的头寸规模管理策略……(截至目前看上去还是一个正常的方法，随机入场，止损出场。)

我们对10 个市场进行了测试，它总会在市场中，要么做多，要么做空，这取决于抛硬币的结果……当增加了一个简单的1% 资金管理系统时，它能在100% 的时间里都盈利……该系统的胜率为38% ，接近趋势跟随系统的平均值。

这个方法的奇幻处在最后一段话。由于"它总会在市场中"，因此该策略并不是随机进入市场的(第一次人场是随机的) ，它会在止损说可以进的时候，才会进入某个特定的K 线。该止损就是下一个K 线的入场信号。它是一个反向交易系统，但在一半的时间里，它并没有反向交易。由于该入场的期望价值太高，因此它会在一半的时间里入错方向。

由于第一段话中提供了一个带有特定止损的随机入场例子，我就可以对它进行测试。我进行了以下的分析: 我使用由56 种商品组成的篮子的数据，每种商品都随机入场100 次，并在入场后、止损标准被触及时出场。这样我们对整个篮子进行一遍测试，就会有7000 笔随机交易。我做了100遍这样的测试，共得到700000笔随机交易。那结果如何呢?交易的平均盈利为0.000025 美元。从统计上看， 这与0 并没有差异。这与我在随机入场和随机出场的测试结果完全一致。换句话说，该出场策略与随机出场是无差异的。

接下来让我们再看一下第二段话。我认为，该策略" 能在100% 的时间里都盈利"的唯一理由，来源于这个反向入场的能力。即使你在一半的时间里都人错了方向，它也足以盈利。当你入错了方向时，你会很快止损; 而在下次抛硬币时有可能就会入对趋势的方向。因此我也对每种商品进行了这样的测试:在第一天随机入场，如果止损被触及，则转变交易方向。结果如何呢? 对于这56 种商品，共有6261 笔盈利交易和9736 笔亏损交易，总盈利为3818975 美元，对应单笔盈利为239美元。请记住，这个系统的出场并不比随机K 线系统的出场更好。约400 万美元的总盈利，都来自入场。结果就是，这个例子并没有证明该出场策略有多好，它只证明了一个好的人入场策略的能力。

我相信存在好的出场策略和坏的出场策略，但不会有哪个策略会在你随机入场时还能盈利。出场策略所做的，只是在你的好入场策略(希望如此)要么盈利要么亏损时发出信号，告诉你是时候开始下一笔交易了。好的出场策略有以下特征:

● 在该笔交易的盈利潜力有机会实现之前，都不会让你出场;换句话说，就是初始止损不能太窄。

● 当入场设置不能发挥作用时，让你出场;换句话说，就是初始止损不能太宽。

● 不会过早地截断大额盈利;换句话说，该止损应该放在正常的市场噪音之外，让交易盈利能够增长。

● 能够保住大部分浮盈;换句话说，当价格变动停止时，该止损能在回吐大量浮盈之前让你出场。

此外，在这个系统中表现很好的出场设置，可能对另一个系统就是灾难。理解这一点，不妨看看我们的只做多的股票系统的出场设置。由于我们在做短线交易，该出场设置就比较紧，盈利目标也比较适中。但把这个出场逻辑加在我们的基于唐奇安的商品系统中时，就会让它亏钱。该商品策略的出场设置，也会让股票策略亏钱。

定义资金管理

资金管理: 比策略更重要;是成功交易的关键因素; 是成为长期赢家的最重要因素; 是任何交易系统的最显著部分。

如果你在网上搜索，或阅读交易书籍的资金管理部分时，你常会看见上面的这些说法。资金管理是否真有那么重要呢?我们是否能够在放弃我们的交易策略，成为资金管理的专家，然后就可以让我们成功呢?我认为，像"出场比入场更重要"的说法一样，这些说法都偏离正途了。在本书的后面，我们将看到，资金管理究竟能对我们开发的两个策略起到多大的作用。但在这里，请不要视资金管理为无物。

如果你读过那些有关资金管理的文章，你将会看到下面的类似说法:

● 大多数交易策略的胜率都低于50% 。如果你不对它们进行认真地管理，你就会亏钱。

● 一屋子的博士被要求回答，若对每回合的下注，亏则把下注额全部亏掉，盈则能盈下注额的60% ，那他们愿意在每个回合中对一个策略下注多少。然后对他们的下注额计算100 次随机挑选的结果，只有10/8/6/4/2%的人，最后还能剩钱。

● 凯利规则可以让年化收益率为10% 的策略，变为年化收益率为50/100/150/200%的策略。

● 最优的资金管理策略是最优的f/ 固定风险/固定规模/固定比例。

这些说法的一个共通之处是，它们都声称，坏的资金管理方法会让一个盈利的策略变得亏钱。但它们都没有声称，平均的/好的/优秀的资金管理方法能让一个亏损的策略变得盈利。如果你没有盈利优势，你就不会赚钱，即使是晶好的资金管理方法(可以去拉斯维加斯找找看) 。因此，在盈利优势和你的管理方法两者之间，究竟谁更重要呢?

我认为，这些说法的绝大部分，都具有欺骗性。首先来看看第一种说法，趋势跟随策略的胜率达不到50% ，但它们并不比那些胜率更好的策略风险更大。你可能在一些广告中看到，说他们策略的胜率为90/95/98% 。这些广告都是期权的策略，让你卖出深度虚值的看涨或看跌期权，然后收一点点权利金。盈利额非常小，但如果你碰上一次亏损，你就会把之前的盈利全部交出去，甚至更多。高胜率的交易并不比低胜率的交易风险更小。在21 世纪之前，绝大多数的商品交易顾问(CTA) 都是某种形式的趋势跟随者。他们中的绝大多数人，胜率都在50% 以下。如果趋势跟随是一个风险很高的策略，那为什么这些世界上最成功的交易员会使用它呢?答案是，当你盈利交易的盈利额在平均意义上比亏损交易的亏损额高三到五倍时，它就是一个赚钱机器。

第二和第三种说法是在用赌博进行类比，并把它应用到交易中来。凯利规则只对那些二元结果(要么输，要么赢)有效。在知道自己的交易优势时，赌徒们用它来确定自己的最优下注额，结果就如轮盘赌那样，你对红色或黑色下注，要么赢，要么输。在交易中，你的盈利额可能是1 到10000美元，甚至更多(对于长期趋势跟随策略而言) ，而亏损也可以是任何数值，比如1 到3000美元。极端值出现的概率较低，更多的是小额盈利和亏损。这就像是一盒巧克力。用凯利规则来分析这些类型的分布，并没有什么意义。

不过还是让我们来看看，这些文章究竟是怎样玩弄数字的吧。我们用凯利规则来开始。用它最简单的形式，当我们的优势(胜率)为p ，赔率为1 比1 (在下注额为1 美元时，如果我们赢了，我们除收回1 美元的下注，还可以盈利1 美元) ，我们应该的下注比例如下式所示:

下注比例= p - (1 - p) / 1

当p = 60% ，赔率为1 : 1 时，你每次下注的比例为总资金的20% 。如果赔率为2 : 1 (每1 美元的下注，可以盈利2 美元) ，则下注比例为:

下注比例=p- (1-p)/2

如果此时胜率仍维持在60% ，那下注比例则为40% 。下面我们来模拟一下第一种情形，并看看结果会如何。我们使用了一个随机数生成器来生成60% 的盈利交易和40% 的亏损交易。初始资金为100美元。每次用总资金的20%下注，进行100 笔交易。为了获得有意义的统计结果，我们共进行了1000 次这样的测试。

测试完成时，我们得到了下列结果:

● 在这些100 笔交易序列中，82% 的序列的期末资金会大于1∞美元的初始资金。

● 在18% 的时间里，期末资金会小于初始资金。

● 若定义当资金低于5 美元时为爆仓，则在2% 的时间里，该交易序列会爆掉。(请注意，这些结果永远都不会为负数，因为我们每一次都只用现有资金的20%来下注。随着账户资金越来越小，下注额也会越来越小，但永远都不会为负数。)

● 期末资金的平均值为4966 美元。即从100 美元增长为4966 美元，差不多为5000% 的收益。

你可能在想，"这个结果还不赖啊?"上面使用的风险度量标准，只有期末亏损的比例(18% )和你爆仓的比例(约2%) 。上面并没有使用我们在第1 章中讨论可交易策略时所使用的度量标准。因此我回过头来，计算了这1000 次测试的回撤。

● 在1000 次测试中，最大因撤的平均值为77.3% 。

● 有16% 的测试，其最大回撤大于等于90%。

● 表现最好的一次测试其最大回撤"只有" 36%。

当你从这些100 笔交易序列中选择某一点开始交易时，你将预期看到你的账户在某一点时出现77% 的最大回撤。我想这就是称它为"赌博"的一个原因吧。这并不是在做投资，它也不是在交易，它甚至连激进的投机也算不上。没有人会把他们辛辛苦苦挣到的钱，用这样的方式来交易。当然，你可能会在周末，带着点小钱，去拉斯维加斯，用这种方式赌几把，但在出发前，你会对自己说，"当这些钱输完了之后，我就不赌了。"你本来就想着去把钱输光的。这主要是一种娱乐。

在交易的情景中，作为一个交易员，而不是一个赌徒，应该如何来确定单笔交易应该冒多大的风险。我们的胜率是60% ，赔率为1 : 1 。让我们看看，当单笔交易的下注比例从1%变化至20% 时，结果会如何。表10-1显示了这些结果。

我不知道你会怎样选择，对于这个策略，我不会用超过2% 的资金来下注。对于我来说，上表中的最差选择，就是凯利规则所推荐的下注比例。最后提醒一点:在你翻阅关于资金管理的文献时，你常会看见另外一个说法: 永远不要在一笔交易中，冒超过x% 的风险。该x% 常常是小于5的，一般介于1 和3 之间。这些人才是交易员，而不是赌徒。

最后一种说法是关于资金管理的"最佳"方法。这里所列出的(最优的f、固定风险、固定规模、固定比率)都是关于下注比例的公式，和凯利规则一样。我们会在资金管理的章节中(第11 至15 章)分析其中的一些方法。但对于我来说头寸规模是资金管理中最不重要的要素。其他更重要的有: 你如何管理分散化，交易的序列相关性，账户规模是否过小或过大，以及单笔交易的风险等。在你了解了这些之前，这些计算头寸规模的方法不会有任何差异。

蒙特卡洛分析:

确定某个策略真正交易结果的最佳方法

在无数的科学和分析研究方面，蒙特卡洛分析都被证明有效。大量与交易有关的书和网站，也基于一些交易样本，用它来作为一种发现某个策略真正交易结果的方法。能够这样做吗?我不这样认为。但当然不是像大多数人所用的最简单方法来进行蒙特卡洛分析。

大多数蒙特卡洛交易模拟，都是用大量的虚拟交易，把结果放在一个文件里，然后从中一个一个地随机抽取，以构成一个交易序列。用这个交易序列来建立一条资金曲线，并计算诸如收益率、回撤和水平期等统计指标。成百上千次地重复这一过程，然后就可以根据全部测试集，得到总体的统计结果。总体的统计结果可能包括最大收益率、最大回撤、平均最大回撤、收益率为x% 的概率和回撤为x% 的概率等。下面将解释这个最简单的方法所存在的问题。

我们之前看到(在第2 章中) ，需要数以千计的交易，来避免曲线拟合。基于同样的逻辑，你不能用真实情况下20 笔交易所组胁的样本，来定义一个具有数千笔交易的真正分布。所选择的这20 笔真实交易可能产生于一个非常成功的交易周期，或者是一个有代表性的交易周期，或者是一个非常失败的交易周期。这些蒙特卡洛模拟结果，则假设它代表了该策略从此以后永远都会以这种形式来交易的分布。显然，这种情况就是"进去的是垃圾，出来的还是垃圾。"

如果该分析师一直在等着直到有了数千笔交易。这些交易可以来自于策略开发期的交易样，本也可能是等待几年后所得到的真实交易。显然，这种情况下，结果会更好一些。但它是否就能产生有意义的统计结果呢? 还是一样，可能不会。其中一个理由是，当你随机抽出一笔交易时，你会得到一个数字:该笔交易的盈利或亏损。正如我们所知，中长线趋势跟随策略的主要问题是回吐浮盈。你的交易累积了8000 美元的盈利，但你最终只赚到了4000 美元，你的实时权益回撒了4000 美元。该笔交易的这个特征，并不能从蒙特卡洛分析中体现出来。你的模拟中被忽略的4000 美元回撤，并没有被纳入统计。还有一个被忽略的，就是你在平均意义上每天入场x 次，但有时你的人场次数是这个值的4 倍，而有时你可能整天、整周或整月都没有任何交易。这个效应也在这个分析中被忽略了。

虽然我没在任何针对交易发布的蒙特卡洛开发包中，发现它们有以任何形式强调了上面提到的两个问题，但我承认，有些开发包应该可以解决这些问题。但是否当蒙特卡洛分析使用了数以千计的交易，使用了每笔交易的整个交易期间数据，并对交易频率进行了适当地建模，就可以产生一个有意义的结果呢?还是一样，可能不会。有两个原因。

第一个原因是，有时某一天中能产生大量的交易，而这并不像蒙特卡洛分析引擎所假设的那样完全随机。有时出现了大量的交易，是因为诸如金属或能源等整个交易组都出现了好的或坏的消息，导致整个交易组都上涨或下跌。这在同一组中所触发的或邻近交易日的交易可能都有相同的交易结果: 全部小额盈利，或全部大额盈利，或全部小额亏损，或全部大额亏损。这个效应并没有在建模中被考虑到。蒙特卡洛分析中可能选取了x笔交易，但其中一笔可能是1983 年的燕麦交易，而另一笔是2011 年的咖啡交易，而在分析中，它们会被纳入同一个组中的同一交易日。有些人可能会认为，这些缺点在股票系统中并不存在。那他们可以考虑一下之前在第4 章至第6 章中所开发的只做多的股票策略。当市场在2008 年的9 月至12 月期间暴跌时，该策略中绝大多数"在弱势时进场"的交易都会亏钱，并且会亏很多。当道琼斯指数开盘下跌300-5000点时，对于我们的纳斯达克100 篮子中的每一只股票，这些交易都有可能会被触发。蒙特卡洛分析引擎并不能捕捉到这段时间的严重性和持续性。这段时间的回测结果，很可能比任何蒙特卡洛分析所能预测的结果都要糟许多。

最后一点，蒙特卡洛分析没法捕捉资金管理的效应。截至目前，我们还没有在本书中讨论过资金管理，但它确实能控制你的交易策略的原始能力，相对于不加考虑地接受全部信号，资金管理能让你的策略变得更具有交易价值。下面来看一个简单的例子。假设你在用一个交易系统，来对大豆、原油和日元进行日内交易。假设你的基本交易策略每天平均会对每种商品产生两个交易信号。你已经很勤奋地开发了该策略，并确保它不存在曲线拟合。结果你发现，在你的资金管理分析中，如果你每天对每种商品最多做一笔交易，你的资金曲线会变得更平滑，回撤也会越小。(出现这个结果的原因，并不在此处讨论的范围之内，但它可能确实是存在的，因为每个商品的交易流中的序列相关性: 在一天中，一笔盈利的交易之后，可能还是一笔盈利的交易，而亏损的交易之后也还是亏损的交易。)在任何情况下，该蒙特卡洛引擎都会在每天中最多看见三笔交易，然后随机选择每天的交易。有时，这三笔交易可能都来自于同一种商品，而另一些时候，则可能是每种商品均有一笔交易。你的资金管理规则就常常被违反了。由于你的资金管理规则是用来获得更好交易结果的，而它被蒙特卡洛分析所忽视的事实则意味着，平均来说，蒙特卡洛结果会比实际结果更差。

如果你在交易策略开发和附加资金管理的过程中都用对工方法，则所得到的结果应该是你在实际交易中所得结果的最佳估评。当然，"你的最大回撤常常发生在未来，"但这些开发结果可能比那些基于蒙特卡洛分析所得结果有更好的预示作用。我的观点是，在你的开发结果之外，蒙特卡洛分析并没有告诉你任何其他有用的东西。

人造数据

对于想要交易的东西，如果我们有无限多的数据，那开发过程就会变得很简单。但我们并没有无限多的数据，我们是否能基于现有数据来做到最好呢?关于这个问题许多作者都认为可以构造人造数据。最常用的方法是，使用某个交易工具的现有数据流，基于今天的收盘价和昨天的收盘价之间的差值，生成数据序列。这些差值流都被放在一个文件中，然后从中随机取样，以构造一个差值数据的序列流，并用它来构造人造的收盘价数据。这个方法存在与蒙特卡洛分析类似的漏洞。

首先，它假设我们今天随机抽取的差值数据与之前和之后的差值数据都无关。事实并不是这样。通过对该数据流与其自身滞后一期或多期的数据流求相关性，就可以很容易地发现，序列数据之间存在序列相关性。如果你在求相关性时，没有使用滞后期的数据，而是使用相同期的数据，则相关系数会为1 。如果你选择滞后1 期的数据，则得到的相关系数会介于-1 和1之间。如果结果为0，则这两个数据流之间就不相关，那今天发生的差值就不会对明天将要发生的差值有什么影响。如果是这样的话，那使用随机生成的差值所构造的人造数据进行蒙特卡洛分析，就会是有效的(如果该方法只存在这一个漏洞的话) 。下面让我们来做一些测试，看是否存在序列相关性。同样使用相同的股票和商品数据差值数据流的最大滞后期为20 天， 然后计算滞后数据与原始数据之间的相关系数。表10-2 显示了当相关系数的符号由正转负或相反时的最大相关系数及对应的滞后期天数。后者意味着，在符号转向的该点之后，这两个数据流之间就不再相关了。

在每种情况下，原始数据与滞后数据之间都存在可被观察到的(虽然程度较轻)、为负的相关性，并且持续约两周时间。这个负的相关系数意味着，上涨的收盘价之后会伴随着出现下跌的收盘价，而下跌的收盘价之后会伴随着出现上涨的收盘价。这与股票中所存在的反趋势特征是相符的。对于商品而言，这与我们之前(在第6 章中)考察的一周中不同交易日的过滤器结果是相符的。该过滤器要求我们在入场信号出现之后，等待一个下跌日再做多，或等待一个上涨日再做空。

这并不是这些交易数据的唯一相关关系。波幅存在一个存续期较短，但显著为负的相夫妻、数，如表10-3 所示。

表10-3 显示，在所测试的每种金融工具中，波幅都存在显著为负的相关性，持续3-4 天时间。对于交易员来说，这意味着，某个波幅大的交易日之后，会有一段平稳期;而某个波幅小的交易日之后，波幅会变大。利用该信息，可以构建许多种交易过滤器。其中一种最出名的过滤器，就是发现某次突破之后出现的内含日(即今天的波幅更小，完全被昨天的更大的波幅所包含)。

这并不是人造数据的唯一问题。如果你交易某个像纳斯达克100 一样的股票篮子，或我们在开发期货策略时所使用的商品篮子，那这些成员之间也存在强相关性。对于股票而言，如果指数波动很大，则这些纳斯达克100股票中的大多数都会随市场而上涨或下跌。对于商品而言，每个商品组之间存在强相关性(见附录B) 。人造数据流并不能捕捉这个重要的相关性效应。事实上，用这种方法来构造的任何数据流，与其他任何人造数据流之间，都不会存在相关性(相关系数为0) 。我的观点是，人造数据一点价值都没有。

不要在亏损时加仓

这个格言来自于鞍式加仓( martingale betting) 的危险。在胜率接近50% 的赌博(例如轮盘赌，你可以赌黑色或者红色)中，鞍式加仓会在每次亏损时增加(通常为加倍)下注额。最终，当你赢时，即你输了很多次之后赢了一次，这一笔的盈利，不仅可以收回之前一系列的亏损下注，还可以赢得最初的赌注。

在交易中，在有持仓的情况下，若该持仓在亏钱，棋式策略会让你加倍提高持仓。这种做法被称为"向下摊薄"，随后只需价格一点点地向上变动，你的整个头寸就会变得盈利。这样做常常是错误的吗?

显然，如果你对一个亏损头寸持续加仓，你会遭遇破产风险。最终，如果该持仓继续朝不利于你的方向变动，你会收到追保通知，或者投入额外的交易资金。但是否就应该永远禁止这样做呢?

对于亏损时加仓，有一个可能非常好的理由: 你所增仓的部分，在方向正确时，会是非常好的交易机会。暂时忘掉之前的头寸吧，如果新持仓本身就是值得去交易的，那为什么不这样做呢?

下面是一个例子。假设我们在测试一个股票短线策略，当收盘价低于10 日均线之下一倍标准差时买入股票。我们发现这个策略是可以用来交易的。但在开发过程中，我们发现，在价格低于两倍标准差时，结果会更好，但这种情形发生的次数比较少。那可不可以这样?当价格在均线之下一倍标准差时买入一份，如果价格持续下跌至均线之下两倍标准差，就再买入一份。我们统计了纳斯达克100 股票篮子在2000 年至2011 年底所发生的交易，当收盘价在10 日均线一倍标准差之下时的第二天开盘时买入5000 美元的头寸。统计结果如下:

盈利交易数: 11400

亏损交易数: 5138

总盈利: 619363 美元

单笔盈利: 37 美元

下面是我们在收盘价低于10 日均线两倍标准差时增加5000 美元头寸的结果:

盈利交易数: 11891

亏损交易数: 4647

总盈利: 754658 美元

单笔盈利: 46 美元

从这个例子来看，交易结果是有改善的。你是否会这样交易，取决于回撤。但关于亏损时加仓会得到一个更好的交易结果的观点，目前是成立的。

盈利时加仑

这看上去好像是一件很自然的事。如果你在网上搜索，你会发现，那些让你永远不要在亏损时加仓的人，也会认为在盈利时加仓是一件很自然的事。那究竟是不是呢?

盈利时加仓有一个内在的问题: 你在"向下摊薄"你的盈利头寸。如果你在加仓时有500 美元的浮盈，加仓后价格下跌，单份头寸较加仓时亏损了300美元，那你的平均头寸会亏损100美元，但如果你没有加仓，此时你还会有200 美元盈利。你这样做的唯一理由是，你加仓的部分，是否较初始信号有更大的盈利概率。否则，你就应该在初始信号出现时就交易两份头寸。我还从来没有发现，在趋势中，有哪个后续信号，会比之前经过良好设计才得到的入场信号有更大的盈利能力。我并不是说它不应该存在，而是认为，不太可能因在趋势中推迟入场，却能比某个已经在趋势中的入场策略，还有更大的盈利能力。

请注意，我并不是说不应该根据独立的短期、中期和长期策略来建立头寸，并随趋势强度而根据它们自己的规则出场。我们所讨论的是，在某个初始策略已经积累了一定盈利之后再加仓并根据相同的出场策略出场。

从没有人会因污获利而吃亏吗

我并不是一名心理学家但在交易了30 多年并与数以千计的交易员进行交流之后，我能够体会随资金曲线上下波动而产生的心理经历。当资金曲线在上升时，你会处于一种欣喜的状态中。生活中的每一部分都是美好的。这样的感觉会让你犯以下交易错误:

● 放任少数亏损交易穿过它们的出场点。( "所有一切都在掌控之中，我是个交易天才，这些亏损交易最后都会回来的。" )

● 下注太多。( "我本来只想做一手，但一切都表现得很好，我是个天才，我现在要做两手，如果交易顺利，我可能还会加仓一手。" )

简言之，你偏离了你的交易计划，而过度交易。

当资金曲线在下降时，你会变得很沮丧。所有人和所有事好像都在反对你。你倾向于犯以下交易错误:

● 忽略或稚迟交易入场。( "这笔交易看上去风险有点大，所有事都对我不利，我想在人场前先等等，看看它究竟会如何发展。" )

● 下注太少。( "我知道我本来应该做两手，不过现在不是太顺，我想先下一手试试看。" )

● 过早止盈。( "我最近几乎都在亏钱，所有事都对我不利，好不容易这笔交易有了盈利，我应该赶紧落袋为安，从没有人会因为获利而吃亏。" )

我认为，之所以有这个交易格言，是因为处于回撤中的人，试图犯一个交易错误而已。

走出回撤的唯一方法，是按照你的计划来交易，等待盈利交易来修复你的资金曲线。转为防御状态，只会在情况变好时，导致更小的盈利，推迟你恢复的时间。

在资金曲线上升时过度交易，也就意味着，当不可避免的回撤出现时，幅度会比其本来的幅度更深。你已经花了很多时间来构建了一个你愿意用真金白银来实际交易的交易计划，那就按照你的计划来交易。

30 笔交易就已经足够了吗

当我在开研讨班时，我常常用我们在第2 章中所提到的曲线拟合材料来作为开始。总会有人提出，某个交易专家说过，在刻画某个交易系统时， "30 笔交易就已经足够了" 。他们是对的，我在相关的书中看见这个说法不下5 次。其中一些这样说的人，是真正知道在说什么。让这些专家困惑的是，刻画一个分布，与测试一个分布之间的差异。大多数统计学家都会告诉你，在你对某些数据做特定检验(比如标准差t 检验或z 检验)时，所需要的最小样本数量。这个数字常使用的值是30 。但这并不意味着， 30个样本就足够告诉你该标的分布的所有内容。下面这个例子会让我们更清楚这一点。

假设你从一个大桶中拉出30 双袜子，15 双是黑色的，15 双是白色的。你可能有相当大的信心认为，这个桶中的袜子，应该是一半黑色的，一半白色的。

如果你的电脑有16 比特的颜色，那就存在65536 种不同的真实颜色。假设有一个桶中被填满了随机数量、不同颜色的袜子。在取出30 双袜子后，你对该分布会有什么想法吗?当然没有。你甚至不知道该桶中的所有颜色，除非你取了65536 次。

后一个例子更像是交易。交易的结果覆盖了大额亏损到大额盈利的区域。你没法用一个很小的交易结果集，就定义出其分布特征。

评价系统的最好统计指标

● 夏普比率

● 胜率

● 盈利因子

● 阿尔色指数( Ulcer index) 、卡尔马比率( Calmar ratio)

每个人都有其最喜欢的评价指标，但一个好的评价指标，应该同时包括对风险和收益的某种度量。像单笔盈利和胜率这样的指标，就只能告诉你该故事的一部分内容。你需要对风险进行某种程度的度量。但即使是那些包括了风险和收益的指标，也有其缺点。曾获得诺贝尔奖的夏普比率，也不是十全十美的。杰克·施瓦格尔就在其经典的《期货市场完全指南》一书中，指出过夏普比率的四个问题。那我们该用什么呢?

我认为，最好的评价指标并不是一个指标，它是一幅图:资金曲线图。老话说，"一幅图胜过千言万语。"你可以通过看资金曲线图来发现，是否存在什么值得去，交易的。图10-1 显示了四幅资金曲线图，它们的盈利都一样，除最后一幅之外，其他的图在一年中的最大回撤也都一样。你对这些图会有什么想法呢?

资金曲线图1 可能是某个交易许多不同种金融工具的策略的结果。它的单笔交易并不会承担太大的风险，实时权益也没有大的回撤。当该策略表现不太好时，会存在相对较长的回撤期，不过它还是相当平稳的。

资金曲线图2 的交易非常少，每笔交易之间会间隔相当长的时间，单笔交易的结果要么是大额盈利，要么是大额亏损。这是个很难用来交易的策略，连续出现几次大额亏损后，就会带来灾难。

资金曲线图3 高呼着"危险，威尔·罗宾逊! "资金曲线中持续向上的期间来自于大量的短期盈利交易,这可能是一个与我们的股票策略类似的短线策略。但两次上升之间的深V 下跌则表明其使用的资金管理方法为某种鞍式方法。交易在恢复前，头寸规模会加倍、加3 倍等。当交易恢复时，之前的所有或大多数亏损也都会恢复。这种类型的策略最终都会爆仓。

资金曲线4 是交易的天堂。你只会在某个债券或固定收益的投资中，见到这样的资金曲线，但你的盈利额会相对较小。

当你在翻阅交易杂志，或在网上考察某个交易产品时，它们很少会提供资金曲线。它们将会声称，胜率为90% ，或单笔交易收益率为5% ，或用一个柱状图，其中红色柱代表空头交易，蓝色柱代表多头交易，以体现它们的信号有多有效，但几乎都不会提供复合的资金曲线。导致这一现象的原因是，资金曲线不会说谎。你一眼看上去，就可以知道该策略是否值得交易。下次如果有人向你推销他们的产品请要求看一下资金曲线。

买入道·琼斯之狗

道·琼斯之狗(the Dogs of the Dow) 是一个以分红为中心的策略。在每一年的年初，投资者将资金等额分配给道琼斯工业指数成份股中红利率最高的10 只股票。每年进行这样的组合再平衡工作。大量的网络资料表明，该策略能持续地超越整个市场。但当你考虑到股票的最佳交易方式是反趋势时，那这个基于价格的狗式策略就需要来仔细考察一下了。

选取2011 年底道琼斯30 种工业股票指数的成份股列表，对股票文件进行复权调整，并追溯至1980 年(在1980 年，这30 只股票中，只有18只在交易) 。比较基准为每月初等额买入道琼斯股票，在月末全部卖出，并在下月初又重新等额买入的买入并持有策略。交易期为1980 年至2011年底。

下面，我们测试下列的狗式策略:

● 在每月的第3少交易日开盘时，对于道琼斯成份股中，上个月最后一个交易日的收盘价低于之前五天的收盘价的股票，进行等额投资。

● 在该月的最后一个交易日收盘时，清空全部股票。

● 又在之后的每个月进行重复的买入和卖出操作，直至2011 年底。

表10-4 显示了这两个交易方法自1980 年以来的年度交易结果。

你可能已经注意到，在每一年中，买入并持有策略和道琼斯指数本身的变化并不相符。以2011 年为例，该年道琼斯指数上涨了5.53% ，而买入并持有分析所显示的收益率只有3.8% 。这个差异的一部分，来自于道琼斯指数的计算方法。道琼斯指数的计算，并不像我们等额投资那样，对每个成份股进行等额加权。它是通过加入每个成份股的价格，并除以"道琼斯除数"来得到的。因此，高价格的股票，在向上移动一个较小比例时，就可能增加道琼斯指数点数。低价格的股票，在向上移动较大比例时，都不会对道琼斯指数产生什么影响。差异的另一部分来源，是因为道琼斯变化，是年度百分比变化而这两个买入策略是月度复利收益率。

狗式策略的收益率，每年平均比买入并持有策略高5.5% 。这个数值看上去并不是很大，但如果你在1980 年投入10000 美元，计算这两个策略的年度收益率复利，买入并持有策略最终将变为1300000 美元，而狗式策略则会将资金增加至刚好超过5000000美元。这个差额就很大了。表10-4还显示了以下几点:

● 相对于买入并持有策略，买入狗式策略每月超额收益的年化值超过30%。

● 在32 年中，狗式策略只有3 个亏损年度，而买入并持有策略有5 个。

● 狗式策略不会连续亏损两年而买入并持有策略有一次连续亏损了3 年。

● 狗式和买入并持有策略的最差年度，都发生在2008 年，不过狗式策略少亏了约25% 。

● 在32 年中，狗式策略有23 年的表现都比买入并持有策略好，超过测试期的70% 。

对于狗式策略为什么能持续性地击败买入并持有策略，有两个原因:

1. 最明显的原因是，狗式策略只交易那些短期股价在下跌的股票。由于股票的反趋势本质，这些股票后续会表现得更好。

2. 超额业绩的另一个贡献来源是那些没有被狗式策略所交易的股票。这些股票的短期价格在上涨。狗式策略的平均月度收益率为1.81% 。短期股价上涨的股票的月度平均收益率为1.25% 。这样狗式策略每月就有0.569毛的超额收益。如果你使用保证金，卖空100%账户资金的道琼斯成份股中短期价格上涨的股票，并买入100%账户资金的那些短期价格回调的股票，你就能平均每月挣0.56%。这个月度收益率的年化复利值为6.9% 。在目前的利率环境中，这样的收益率，还算一个不错的极端风险庆恶的交易方法。

请注意，这个分析的缺点在于，我们在整个分析中，使用了2011 年底的道琼斯成份股列表。如果使用当时的道琼斯成份股列表，结果可能会有差异。但换个角度来看，这两个策略都会受到相同的数据流的影响。

5%/10%/20%/30% 的时间中的市场趋势

如果你是一个趋势跟随者，你的策略应该能在市场出现趋势时赚钱，而在盘整时亏钱。大多数人在提及"市场趋势性"时，都说道，市场出现趋势的时间不会超过50% 。我曾见过，有人说为30% 。在本节中，我们将用一个简单的方法来发掘市场的趋势'性。

威尔斯·韦尔德曾在其经典的《技术交易系统新概念》一书中开发了一个用来度量市场趋势性变动的方法。下面就是他在书中对该方法的描述：”显然，我最满意的一项成绩，就是我能把这个概念(方向性变动)转化为一个绝对的数学公式。"他的平均趋向指数(ADX) 逻辑，在我所见到的每个分析开发包中都有提供。下面让我们用ADX 来考察下商品的趋势性。

这个由56 种商品所组成的篮子，包括了谷物、肉、金属、能源、软商品、货币和金融商品等，所使用的数据都起始于1980 年(如果该商品的起始交易日有那么早的话) 。使用一定数量的K 线来计算每个市场每一天的ADX ，以此来度量趋势性。然后计算ADX 值超过20 的天数。将这个值除以总的交易日数量，就得到该市场处于趋势市的时间占比。表10-5 显示了计算14 、20 、40 和80 天ADX 时的结果。

正如你从该表中所看见的，在不同年度中，14 天和20 天ADX 的天数占比比较一致，而40 天和80 天时的天数占比则在不同年度中具有较大的差异。你可以把这个现象理解为，短期趋势相对充足，因此在每一年中都比较一致。长期趋势则出现得比较少，因此也就不一致。此外，2000 年之后，对于长期趋势跟随而言，是特别困难的阶段。在这12 年中， 40 天和80 天趋势只在3 年中超过了平均值，与此同时，14 天和20 天趋势则在这12 年中有7 年都高于平均值。

本章小结

本章所提供的信息，与上一章类似: 不要依赖于别人怎么说、你听到了什么或是你看到了什么。如果你有疑问，就去检验一下，该说法是否正确。我昕到的关于交易的大多数事情，都是被偶然发现的。我测试了一些有趣的想法，然后发现了其他一些有效的东西，或者该想法本身并不好，但反向交易的结果反而更好。