17.4 检验
基于我们对成交量的研究和检验，我们似乎已经认定VPCI是一个可以用于确认价格趋势的有效指标。然而，要证明一个假设必须通过精确和可测量的检验。为此，我们通过基于两种不同移动平均线的交易方法来测试VPCI指标的有效性，类似于我们在第16章"成交量加权的价格指标"中测试成交量加权移动平均值的方法一样。
在第一个检验中，我测试了5天和20天的VPCI移动平均线交叉的情况。当短期的移动平均线(5天)从下往上穿过长期的移动平均线(20天)时，我们做多；当短期的移动平均线(5天)从上往下穿过长期的移动平均线(20天)时，我们做空。这些情况一般代表了股价动量和趋势的短期变化。在第二个检验中(比较研究)，我仍然通过5天和20天的指标线的交叉来进行检验，但只有在VPCI平均线此前也穿过了VPCI平滑线的情况下才进行相应的交易，这种情况显示了一个上升的VPCI线或价格确认。VPCI的设置和移动平均线一样20天为长期，5天为短期。我们的检验有若干局限，但是我们有意选择的设置使检验过程保持简单易行。首先，5天和20天移动平均线的设置期限较短，不足以反映一个强劲的趋势，这时的VPCI不适合作为一个价格趋势确认和矛盾指标。
然而，较短的移动平均线周期能提供更快的讯号，促成更多的交易，提供了更显著的样本规模。此外，当价格数据只有20天的周期时(价格长期移动平均线的周期长度)，将VPCI设置为5天和20天的周期长度的确太短了，但这样的设置能使VPCI比移动平均线的价格趋势或动量指标更早提供讯号。我不想改变这个设置，因为害怕这样做被解读为在进行优化。为了克服这个困难，我采用了延迟10天的VPCI和延迟5天的平滑VPCI。这种延迟能让VPCI确认讯号和滞后的移动平均线交叉更一致。在理想的情况下，我们应该采用趋势线或其他的趋势指标和与投资时间框架相对应的VPCI指标。
为了保证检验的客观性，我们同时考虑了做多和做空的交易机制。每次移动平均线交叉的时候就进行$10000的交易，不考虑佣金。检验期间为1996年8月15日到2004年6月22日，一共2000个交易日。我们检测指标的可靠性和盈利性。
我们不仅需要客观地描述我的检验结果，同时也需要关心所选择的检验样本的显著性。一个可靠的检验必须同时是无偏和全面的，必须运用科学的方法，基于可观察和可测量的经验证据。为了做到这一点，我们将检验样本分为覆盖面完整的几个部分。我们检验的样本选自大、中、小3种规模的上市公司的股票包括在标普小盘股指数中的小盘股，在标普400指数中的中盘股，以及包括在标普100指数中的大盘股。每只股票的交易特征在检验中也同样重要，因此，样本中的股票被进一步按照成交量和波动性的特点划分为相应类别。把这些特点结合起来以后，我们在检验中一共构建了12个股票分组：小盘高成交量、小盘低成交量、小盘高波动性、小盘低波动性、中盘高成交量、中盘低成交量、中盘高波动性、中盘低波动性、大盘高成交量、大盘低成交量、大盘高波动性，以及大盘低波动性。
为了保证检验的结果无偏，我们从12个分组中各选取了5只股票(一共60只股票)进行进一步的验证。为了增加可信度，每个分组中的5只股票不是随机选取的，而是挑选各种特征上最突出的股票。这样，基于2004年6月22日布鲁姆伯格公司的数据，我们分别从大、中、小盘股中各选出5只成交量最高的股票、5只成交量最低的股票、5只波动性最高的股票，以及5 只波动性最低的股票(见表16.1)。任何被重复选取的股票都只使用一次(高成交量和高波动性的股票偶尔有重复的情况)，缺乏足够历史的股票被剔除并代之以其他合适的股票。这样，我一共使用了60只股票、12个分组、4种特征和3个类别来检验我们的假设。
17.4.1 收益(盈利性)
回顾一下，我们仅用5天和20天移动平均线的交叉来检验VPCI指标的盈利性，然后再对那些得到VPCI讯号确认的交易进行检验。检验的结果给出的结论非常清楚：总的说来，VPCI指标在大、中、小盘3种规模的股票分类中和在高成交量、低成交量、高波动性、低波动性4 种特征的股票分类中都能提高交易的盈利性(见图17.12)。此外，该指标在12个分组的9个中能提高交易的盈利性，例外的3组为中盘高披动性股票、小盘低成交量股票和大盘低成交量股票。在被检验的60只股票中，39只(65%)的盈利性在使用VPCI指标后得到改善。总的来说，VPCI将60只样本股票在检验期的盈利提高了$211997。
17.4.2 可靠性
在本检验中，我通过获利交易的比例来衡量指标的可靠性。在5天和20天移动平均线交叉时运用VPCI指标，每次交易盈利的比率平均提高3.21%，在3种不同规模和4种不同风格特征的股票分类中可靠性都得到提高。在所有12个分组中，10个分组的可靠性在运用VPCI指标后得到提高，出现例外的是大盘低波动股票组和小盘低波动股票组。总的看来，所有60只股票中有43只在运用VPCI 指标后可靠性得到了提高。
17.4.3 风险调整后的收益
衡量盈利性的另一种方法是夏普比率。夏普比率的计算方法是投资组合的总收益减去元风险收益(美国国债收益率)，然后除以投资组合月收益率的标准差。因此，夏普比率提供了一个风险调整后的收益率。以夏普比率来衡量， VPCI 指标提高了所有3 种不同规模和4 种不同风格特征的股票的盈利性，并在12 个分组的9 个中有所改进，未能提高盈利性的是中盘高波动性股票、大盘低波动性股票和大盘低成交量股票。总的来看，加入VPCI指标后，夏普比率得到了显著的改善。
衡量风险调整后收益的另一种方法是盈利因子。盈利因子计算了对于某种交易方法来说，每损失一美元可以盈利多少。盈利因子通过比较盈利的交易和亏损的交易的数量来衡量风险，其计算方法是用总盈利除以总损失。例如，某只股票按照某种交易方法交易一共出现$40000的损失和$50000的盈利，而另一只股票则出现了$10000的损失和$20000的盈利。这两只股票的净收益都是$10000，但是对投资者来说，投资第一只股票每损失$1，有望获得$1.25的收益，而投资第二只股票每损失$1，有望获得$2的收益，因而$1.25和$2就分别代表了这两只股票的盈利因子。运用VPCI指标能使盈利因子获得更为显著的改善(见图17.14)。和前面一样，VPCI指标提高了大、中、小盘3种不同规模和高成交量、低成交量、高波动性、低波动性4种不同风格特征的股票的盈利性。在12个分组中，只有大盘低波动性股票的盈利因子没有得到提高。总的来看，盈利因子提高了19%，这意味着当投资者在交易策略中运用VPCI指标时，处于损失风险中的每一美元可以多获得19%的收益。
