0 前言
在金融市场的交易中，止损和止盈算法扮演着至关重要的角色。它们不仅仅是为了管理风险和保护资金，更是为了在市场波动中保持冷静头脑和理性决策而设计的工具。
在这篇文章中，我们尝试使用 MAE/MFE 统计方法来寻找良好的止损和止盈点，它可以让策略研发者看到交易系统的交易盈亏分布情况。
1 交易策略基准
为了得到择时信号，我们使用托比·克拉贝尔的开盘区间突破（ORB）方法。它查看每天的开盘价，并在开盘价上方和下方固定距离处放置买入和卖出订单。
在这篇文章中，我们约定只买入新的日内最高价，只卖出新的日内最低价。
策略的信号计算逻辑简写如下：
LongEntryPoint = IntradayHigh + 3* AverageTrueRange(23)
ShortEntryPoint = IntradayLow - 3* AverageTrueRange(23)
我们将它应用于德国国债期货合约的五分钟级数据，回测时间跨度为1997年1月2日到2005年12月31日，并且不考虑滑点和佣金。
2 MAE 止损法
Maximum Adverse Excursion（MAE）被定义为单笔交易持仓的最大日内回撤波动。
为了找到系统的良好止损点，我们需要逐个计算每笔交易的 MAE，深入研究整个交易的分布情况。
下面是我们的交易策略基准的 MAE 图表，它显示了在回测过程中的所有 379 笔交易。其中 Y 轴是单笔交易的最终盈亏，X 轴是单笔交易的日内最大回撤。
同时，最终盈利和最终亏损的交易分别以颜色进行区分。比如 Y 值为600的红色点/绿色点分别表示该交易最终亏损/盈利600欧元。
从上述图表中，我们可以发现一些有趣的现象。所有最大盈利交易都可以在MAE图表的左侧找到；从较小的盈利交易中，只有一笔交易的日内回撤超过400欧元；同时，许多亏损交易直接放在或非常接近所谓的亏损对角线上，这意味着它的日内回撤与最终亏损金额相同。
为了进一步验证我们上述的发现，我们以20欧元作为步长，分别将20欧元到740欧元之间的各个止损点进行回测验证，并计算对应的净利润指标。
结果如图所示，其中红线表示未加止损的交易策略的净利润。
从这张图表中，我们可以看到，如果将止损点设置得太小，总体净利润会受到影响。值得留意的是，当止损阈值控制在大于300欧元时，交易策略会获得更多的盈利，这进一步证实了我们在MAE图表上得到的发现。
3 MFE 止盈法
Maximum Favourable Excursion（MFE）被定义为单笔交易持仓的最大日内涨幅波动。相比于 MAE 研究交易的回撤，MFE 更是揭示了其盈利空间。
下面是我们的交易策略基准的 MFE 图表。它显示了在回测过程中的所有 379 笔交易。其中 Y 轴是单笔交易的最终盈亏，X 轴是单笔交易的日内最大涨幅。
与 MAE 图表一样，最终盈利和最终亏损的交易都是通过其颜色进行区分识别。
从上述图表中，我们可以发现一些有趣的现象。大多数盈利交易在赢利对角线附近结束；只有一笔交易，在中间盈利超过600欧元后，最终以亏损结束；亏损交易（红点）大多都停留在最左侧。
为了进一步验证我们上述的发现，我们依旧使用遍历验证的方法进行分析，计算对应的净利润指标。
结果如图所示，其中红线表示未加止盈的交易策略的净利润。
从这张图表中，我们可以看到，设置盈利目标设置得越小，总体净利润会对应变得更加糟糕。只有止盈阈值控制在在800-850欧元之间时，改进的交易策略才能比原交易策略基准获得更高的利润。
这也并不意味着盈利方法本身无效化，这些都需要根据策略本身特性来决定。这可能只说明对于我们交易策略基准来说，使用止盈方法能起到的作用并不大。
4 参考文献
李博的《证券交易系统优化与实践》 John Sweeney 的《Maximun Adverse Excursion: Analyzing Price Fluctuations for Trading Management》 Emilio Tomasini 的《Developing Exit Strategies》 Emilio Tomasini 的《Trading Systems: A new approach to system development and portfolio optimisation》
