它所以是上天的恩賜有兩個原因。
第一，電腦允許任何交易員利用它來運作交易系統，如果利用人工計算則過於複雜與耗費時間。它可以讓交易員同時使用更多的交易系統，也能兼顧更多的市場，而且使用的方法包含了複雜的數學公式。
第二，也是更重要的一點，電腦可以讓交易員在真正投入交易之前，先對交易系統進行嚴格的歷史價格測試。
電腦已經成為噩夢的原因是，它們使對歷史價格進行分析的系統得以建立，但交易員依據系統在未來進行交易時，卻無法重新展現其功能。這些交易系統稱為曲線匹配系統。曲線匹配系統是由系統開發者檢查歷史資料，尋找有效的規則所建構成的交易系統。
曲線匹配系統
普通以季節性因素做為交易決策的基礎導致了某些古典曲線匹配式交易系統的產生。
在電腦價格尚未普及化之前，要分辨曲線匹配的交易系統很簡單。它們具有可怕的複雜規則、例外以及例外中的例外。
然而當電腦使交易系統變得更加複雜和數學化，交易員卻疏忽了電腦究竟在做些什麼。由於電腦研究有些令人難以理解的部分，反而增加了它的可信度。
非曲線匹配系統
判斷交易系統是否屬於曲線匹配的關鍵，在於該系統的開發者是如何訂定規則的。假如他靠檢驗歷史價格來尋找適用的規則，並適當地將這些規則加以調合，這種交易系統就屬於曲線匹配式的系統。
交易系統的曲線匹配特性愈強，愈不可能在未來發生作用。相反地，如果交易系統的開發者並未參考任何特定的歷史價格資料，而是基於市場如何運作的原理去建立系統的規則，這個系統就不是曲線匹配的系統。
假使一個非套入曲線式交易系統在對足量的歷史價格進行測試時能發揮作用，則它在未來持續發揮作用的機率會比曲線匹配交易系統高出許多。
最佳化
我們在處理數學式交易系統複雜的内容時，總會發現許多可變參數。唯一能夠讓你提升交易系統績效的方法，就是利用歷史價格對系統進行測試，並且以不同的參數值探求結果。
適度地將系統最佳化是必要的。但是如果過度最佳化，你的交易系統將是一套高度曲線匹配型的系統，這將使該套系統未來績效的可信度降低。
我們對系統進行歷史價格測試時，必須牢記自己的目標是什麼。我們的目標並不是要建立一套在過去操作績效最佳的系統。我們想要創造的系統是能在未來產生最大獲利的系統。未來才是你能賺到實際財富的競技場。大多數交易員不知道，在歷史價格測試中能獲利的交易系統，與能在未來實際交易中獲利系統之間的差異。
商品交易方法的測試
商品交易員有兩種極端的類型。有些人不對其新寵的技巧進行歷史資料的測試，以確認該技巧過去所具有的效力。他們對於該技巧信心十足，僅僅因為它源自某權威人士，或因為它曾經在某些走勢圖形中發揮了相當的功能。另一極端形態的交易員，認為過去有傑出表現的技巧，在未來也想必能夠帶來利潤。依據他們的想法，某技巧的過去績效愈佳，則用之於實際交易時，它搏取豐厚利潤的機會也愈大。
就你的荷包而言，這兩種觀點都同樣危險。
針對某商品交易系統進行歷史資料的測試，其功能就如同試婚。這並不保證婚姻成功，但這是一種絕佳的方式可以增進彼此之間的信心，並避免一些不愉快的意外。透過歷史資料的測試，你可以了解該系統的運作程序與限制，這將使你受益良多。
針對某商品交易系統進行歷史資料的測試，其功能就如同試婚。這並不保證婚姻成功，但這是一種絕佳的方式可以增進彼此之間的信心，並避免一些不愉快的意外。透過歷史資料的測試，你可以了解該系統的運作程序與限制，這將使你受益良多。
目前而言，除了資金極少的交易員，大多數人在財務上均能夠承擔電腦與測試軟件的花費，人們再也沒有借口採用未經測試的觀念來從事交易。然而，決定測試某系統，這僅僅是問題的開端。如果你想獲得真實的結果，則你必須了解如何進行測試。
資料的期間
測試者所需面臨的第一個重要問題便是，採用何種資料。當然，你用來測試某系統的資料，必須符合該系統將使用於交易的期間。
資料的形態
在決定採用每天的資料來測試某系統時，測試者對有關資料的決策問題仍未完全解決。歷史性測試通常採用的每日資料共有三種：實際的契約資料、永久的契約資料與連續的契約資料。資料的選擇會影響測試的程序與測試的結果。
測試期間
在測試交易系統時，另一項重要的考量因素，便是歷史測試期間的長度。BruceBabcock相信五年是相當不錯的測試期間。這應該可以提供頗具代表性的樣本，涵蓋充分的上升與下降趨勢，以及種種的價格波動程度。最近過去的五年，與未來的交易應該仍然有相當的關聯。這段期間可以提供足夠的時間來產生充分的交易筆數，相對地，它也不是很長的時間，而能夠快速地完成測試。為了避免測試發生扭曲的結果，你也必須註意資料在特殊期間内所出現的不正常現象。如果這種價格行為因此而造成特別有利或特別不利的結果，而它們在未來重複發生的機率並不值得重視，則此測試結果便不太具有意義。
採用不同的時間間隔
在系統最佳化時，系統内的可變參數愈多，進行愈多的測試來搜尋每一參數的最佳值，則該系統在歷史測試中的績效便愈好。不幸地，當採用最佳化來鎖定某系統的最佳歷史績效，你也將因此而減少該系統在未來重複其歷史績效的可能性。
防止過度採用最佳化的有效方法，是將歷史資料做不同區隔，而分別供最佳化與最後測試使用。在最理想的狀況下，你應該利用比較老舊的資料來建立一套良好的系統，然後立即利用最近的資料來測試該系統。
採用不同的市場
如果你針對一個市場設計一套系統，很容易落入曲線匹配的危險。沒有一種神奇的測試方法可以用來測試你的系統規則的曲線匹配程度。確定獲利系統沒有曲線匹配問題的好方法，就是將它用在不相關的市場作測試。假如它在其它市場也同樣可以獲利，那麼該系統可能就不至於有曲線匹配的現象。它所運作的市場越多越好。假如它在其它市場上不能獲利，那就要小心了。這並不是說它一定無效，但的確是一種警訊。
交易成本
交易的固有成本是交易員在邁向獲利途中所難以克服的重大障礙。在評估歷史交易績效時，這些成本經常容易被忽略，相對於一筆成功的交易，交易成本雖然微不足道，但隨著時間而逐漸累積，它們就變得相當可觀了。當你不斷進行交易，而平均獲利水準下降，則交易成本就顯得非常重要。為了模擬實際的交易狀況，每筆交易都必須扣減某種合理的成本。否則，測試便毫無意義。
3/6 首頁 上一頁 1 2 3 4 5 6 下一頁 尾頁