![]()
想加入外汇群吗？请加小编微信（ID:forextop66）
理查德·丹尼斯，海龟奇迹的缔造者，证明了用一套简单的系统和法则，可以使仅有很少或根本没有交易经验的人成为优秀的交易员。当时，海龟们认为应对理查德·丹尼斯负责，商定在他们议定的10年保密协定于1993年终止后也不泄露这些法则。但是，有个别海龟在网站上出售海龟交易法则而谋取钱财。两个原版海龟柯蒂斯·费思和阿瑟·马多克为了阻止个别海龟对知识产权的偷窃和出售海龟交易法则而赚钱的行为，决定在网站上将海龟交易法则免费公之于众。我们也可以从自然现象中认识随机效应。人类的智力、身高、体育能力、歌唱能力等素质都是随机效应的产物。如果你在某种特征上拥有良好的遗传基因（也就是说，你的父母都有这种特征），那么你比大多数人都更有可能拥有这种特征，尽管你的这个特征可能达不到父母那种程度。假如你的父母都很高，你也很可能是个大高个儿，但你的父母高于平均身高水平越多，你比他们矮的可能性就越大。在遗传学和统计学上，这种规律被称作均值回归或回归效应。你的高个子父母也拥有高个子基因，而且拥有从身高角度看非常幸运的基因组合。但是，一个幸运地拥有高个子基因组合的人可以把基因传给后代，却无法将运气传给后代，所以他们的孩子更有可能接近于平均身高水平，因为这个孩子不太可能拥有父母那样“幸运”的基因组合。当你用业绩衡量指标去区分好基金和坏基金的时候，你很容易遭遇随机效应问题。因为运气好的平庸交易者要多于运气不佳的优秀交易者。假设有1 000个交易者，其中有80%接近于平均水平，只有五六个真正的高手。那么，只有五六个人有可能成为运气不佳的优秀交易者，却有800个平庸的人有机会拥有好运。如果这800个人里有2%能幸运地拥有10年的良好记录（从前面所说的测试中可以看到，实际比率甚至可能高于2%），这意味着，拥有良好记录的固然有21个人，但其中只有1/4的人是真正的优秀交易者。时间更加垂青真正优秀的交易者，而不是那些平庸的幸运儿。即使那800个人里有16个人能有10年的好运，他们的表现也很有可能在接下来的15年中趋于平庸。相反，如果你仅仅考虑过去5年的记录，那么看似优秀但其实只是运气好的人将急剧增多。这是因为随机效应的影响在短期内更为显著。在我们的测试中，假如我们把测试时间缩短，比如说只看2003年1月~2006年6月的情况，差异水平会有什么变化？根据测试结果，随机入市系统在这段时期内的平均表现普普通通，回报率是35%，MAR比率是1.06。这个成绩远逊于那些真正的系统：三重移动均线系统的回报率是48.5%，MAR比率是1.50。布林格突破系统的回报率是52.2%，MAR比率是1.54。双重移动均线系统也有49.7%的回报率和1.25的MAR比率。那么，有多少幸运儿从那100次随机测试中产生呢？有多少人仅凭好运就击败了我们的最佳系统呢？在100次测试中，有17次的MAR比率高于1.54；在这17次中，有7次的回报率超过了52.2%。最好的一个随机交易者获得了71.4%的回报率、34.5%的最大衰落和2.07的MAR比率。如果你还想靠3年历史记录寻找优秀的交易者，请想想这些数据吧。在你看短期历史记录的时候，你应该明白你所看到的表现有很大的运气成分。如果你想知道某个交易者究竟只是幸运的平庸者之一，还是少数真正的高手之一，你应该透过表面记录作更深入的分析，好好研究一下记录背后的人。好的投资者投资于人，而不是历史记录。当他们观察交易者时，他们知道哪些特征预示着未来的优异表现，哪些特征反映了平庸的能力。这是克服随机效应的最佳方式。有个好消息可以告诉那些正在作历史测试的人：如果测试结果有可能源于随机效应而不是系统的优势，你是很容易发现这一点的。我们会在第十二章讨论这个问题，但现在，让我们先来看看历史测试结果与实际交易结果不符的另外两个原因。还有一种效应会造成历史测试结果与实际交易结果的差异，我称之为最优化矛盾。这个矛盾制造了很多困惑，对刚刚接触电脑模拟技术的新人来说尤其如此。有些交易系统需要用特定的数值进行计算，选择这些数值的过程就是最优化。这些数值被称为参数。比如，长期移动均线的计算天数就是一个参数，短期均线的计算天数也是一个参数。最优化就是为这些参数选择最佳或最优化数值的过程。有许多交易者认为最优化不是件好事，因为它会导致曲线拟合现象和拙劣的表现。我说这是一派胡言！如果操作得当，最优化是件好事，因为了解参数变化的影响总比忽略这种影响要好。当我们检验参数变化的效果时，我们常常能从一些迹象中发现系统的表现是随机效应或曲线拟合的结果，而不是系统优势的反映。所谓最优化过程，无非就是观察一下调整参数值对交易结果的影响，合理地决定在实际交易中使用什么样的参数值。有些交易者之所以认为最优化有害或有危险性，只是因为他们不理解最优化矛盾，而且曾见识过不恰当最优化的恶果——这种不恰当的最优化正是统计学中所说的过度拟合现象的根源。所谓最优化矛盾，是指参数最优化过程有两种相互矛盾的效果：一方面可以提高系统在未来表现良好的概率，另一方面却会降低系统的未来表现符合模拟测试结果的概率。这样，参数最优化虽然提高了系统的预期表现，但也降低了历史模拟指标的预测价值。我相信，正是因为对这种矛盾理解不足，许多交易者才会怀着对过度最优化和曲线拟合的恐惧而对最优化避之唯恐不及。但在我看来，恰当的最优化永远是明智的。使用恰当的最优化所得出的参数值可以提高系统在实际交易中获得理想结果的可能性。一个例子有助于我们理解这一点。考虑一下布林格突破系统，它有两个参数：一个是长期均价，一个是标准差，一定时间内的长期均价加减一定倍数的标准差就是系统的波幅通道。下图反映了这个系统在不同标准差参数值下的MAR比率，横轴代表通道宽度，也就是标准差倍数，从1倍到4倍不等。图中可见，2.4倍标准差对应着最好的模拟结果。任何小于或大于2.4倍标准差的入市标准都会降低MAR比率。现在我们来看看最优化是不是真的有益。假设我们没有考虑通道宽度的最优化，而是凭主观感觉选择了一个3倍标准差的参数值——因为我们记得统计学课本说过，对正态分布来说，有99%以上的值会落到均值加减3倍标准差的范围内。如果未来与过去的差别不是太大，那我们会错失很多利润，而且我们的衰落幅度比2.4倍标准差要大得多。差距大到什么程度呢？看几个数据就知道了：在10年半的时间内，假设衰落水平相同，2.4倍标准差下的利润是3倍标准差的8倍之多，两者的年均回报率之比是54.5%比28.2%。不做最优化意味着糊里糊涂地被运气因素完全左右。发现了调整这个参数的影响，我们就更好地理解了入市标准参数的作用和交易结果对这个参数的敏感性。现在我们知道，如果通道太窄，交易次数就会过多，这会削弱系统的表现；如果通道太宽，你在等待入市的过程中会白白错过很多趋势，这也对系统不利。如果你因为害怕过度最优化和曲线拟合而放弃最优化，你就得不到这种认识，而这种认识本来可以大大地改善你的交易结果，也为你在未来设计更好的系统提供一些新的理念。下面将介绍其他几个参数，你会看到，它们的变动同样对应着系统表现的山峰或山丘形变化。
欢迎留言探讨，点击文末“在看”，鼓励一下吧。
本微信公号所发布的内容仅供参考，不代表汇商琅琊榜的意见，不构成任何投资建议。版权归原作者所有，若涉版权问题，请通过微信后台联系。
更多精彩内容请关注↓↓↓
