關於交易模型

1.突發事件

在檢驗過程中一定要包含有突發事件(包括漲跌停闆)，因為除了要檢驗交易模型在正常情況下的運作情況，還要有應付突發事件的能力，不能因為是“小概率”事件而忽略了突發事件的影響，應遵循“模擬實戰”的基本原則。一個成熟的交易模型，即使不能捕捉到突發事件帶來的超額利潤，也應該有能力抵抗突發事件帶來的風險。

2.檢驗的信息和數據

對於基本分析交易模型，需要有完善的信息數據庫，信息的來源隨著科技的發達，互聯網的不斷應用，信息的收集比以前方便了許多，因此要整理完善好信息數據庫相對較容易。對於技術分析交易模型，由於期貨基金運作的是期貨品種，期貨品種的數據有它的獨特性，歐美期貨的數據有各自不同的特點，如倫敦金屬的期貨數據沒有出現“斷層現象”，使用計算機檢驗就不會有問題，而國内的期貨數據源襲了美式期貨數據，不同的交易合約換月時會出現“數據斷層”，不能像股票一樣使用簡單的除權處理，因此要通過交易模型的檢驗首先對數據進行處理。

實際合約數據：按照實際的合約交易數據，缺點是十分明顯的，因為國内期貨合約目前只有1年的週期，因此在檢驗時數據週期就顯得太短了，而且在相當長的交易時間内合約的成交量並不活躍，流動性小，不具有代表意義。

即月連續數據：按合約交割日連接，連接起來形成連續數據。這樣產生的連續數據優點是具有實際交易性，但在實戰交易中會產生差別，交割前成交不活躍，缺乏代表性，像上海銅一般都是交割月後第四、五個合約成交活躍；缺點則是會產生“斷層現象”，對檢驗結果產生重大的失真。

價差調整連續數據：按照一定的規則，在進入交割前一定時間内連接隨後的合約數據，這裡的時間參數X，要根據不同品種來確定，上海銅要比大連大豆和鄭州小麥的時間參數X要大，將調整時兩個合約的價差累計下來，最後將累計價差加減到數據列中，得出最終的期貨數據。特別註意的是，經過調整的期貨數據可能會出現負值，要做相應的數據調整，但這不會影響使用計算機檢測的交易結果。優點是能長時間反映價格變化水平；缺點是數據不能直接應用於實際交易中，需要通過轉換。

權重連續數據：按照固定的時間連接隨後的合約數據，同時按近月大、遠月小或是按成交量與持倉量的比重計算連續價格，隨著時間的推移，較近的合約的權重越來越小，而遠月的權重越來越大。優點是消除了數據“斷層現象”，可以選取多個活躍月份，這樣就可以更真實地貼近實戰交易；缺點也是數據不能直接應用於實際交易中，需要通過轉換。

以上四種數據處理方式各有所長，要根據使用者的情況選用。對於短線使用者，實際合約數據較好，而對於中長線的使用者連續數據才能真實反映實際中長期的盈虧情況，並進行計算機的檢測。在對交易模型的檢測中，為了保證檢驗結果的可靠性和穩定性，需要足夠的統計樣本數據，按照統計學的大樣本要求，樣本數量要多於30個。以短線為主的交易模型，數據時間不能短於1年的分時數據，使用日線數據檢測的不能少於3年以上，基本分析交易模型的數據要求要經歷一個以上的循環週期。

交易模型的優化

根據交易模型模擬檢驗後的交易成績數據，對成功率高且有實用價值的交易模型的參數進行調試，以達到最佳效果。交易模型優化分為：

1.交易模型的參數優化：一種是圍繞原定的參數為中心的微調，一種是大範圍的跳躍式的搜索。

2.交易模型的交易規則調整：增減交易模型的交易規則和增減的變量，目的是改善交易模型的成績而不是重新設計新的交易模型。

交易模型優化的基本要求是模擬期和優化期不能重疊，否則就不能使交易模型具有適應性和穩定性，降低了交易模型的實用性。交易模型優化的另一個重要意義在於減少了交易模型的噪音，也就是假信號，因為這是交易模型中無法避免的，噪音過低會走入優化陷阱，交易模型的市場適應性會減低；而噪音過高，交易模型就沒有實用價值。根據資料條件，理想的噪音水平在10%－30%左右。

交易模型的實戰檢驗

在經歷了模擬檢驗和優化後，交易模型將進入實戰檢驗階段。模擬檢驗和實戰檢驗的重大區別在於心理的壓力，這也是分析家和投資家的區別。交易模型的實戰壓力主要產生在兩個時期：

1.當交易產生相當利潤的時候。由於期貨基金的管理者擔心利潤流失和顧慮投資者的壓力，會產生心理動搖、不等待交易模型發出離場信號，就主觀判斷離場。這樣就不能體現交易模型的前後一致性和客觀性，令交易結果產生不穩定性和不可比性。

2.當交易產生連續性的虧損時。根據混濁理論，交易模型的噪音（假信號）分佈具有隨機性和集中性，所以當交易模型出現連續性的噪音（假信號）時，會對交易模型的使用者產生較大的心理壓力，對交易模型產生懷疑，甚至產生放棄的思想。這時應該檢查交易記錄和交易模型的設計理念，看是否由於沒有嚴格執行交易模型發出的信號而產生了失誤，或是由於交易模型的缺陷造成的失誤，然後有的放矢地解決問題。例如，在鄭州綠豆1998年3月－9月和大連大豆1999年9月－2000年的5月期間，行情進入無趨勢市場，對於使用趨勢跟蹤為基礎的交易模型產生的連續性虧損，就是交易模型中趨勢型交易模型本身的缺陷造成的，但這也不能完全否定趨勢型交易模型的實用價值。

交易模型進入實戰檢驗階段除了是對交易模型的檢驗，同時也是對交易模型使用者的心理和性格的檢驗。交易模型使用者應付心理壓力的能力（包括應付市場的壓力和來自投資者的壓力）和是否有與交易模型相適應的性格、生活方式才是交易模型成功的最關鍵的因素。

交易模型的跟蹤分析和調整

交易模型進入實戰使用階段，需要對交易模型的不同情況進行跟蹤分析和調整，為交易模型使用者和投資者提供統計資料。對交易模型的調整是在大量的交易資料分析基礎上進行的，調整只能是階段性的調整，不能隨機調整，因為只有在積累了具有統計意義的足夠數量的交易數據樣本後，才能做出相應的調整。另外，在投資市場產生重大變化、新品種上市之初、市場的交易規則出現變化時，也要對交易模型做出相應調整。隨著投資技術分析理論的不斷進步發展，投資市場也不斷發展成熟，交易模型也在不斷完善，期貨基金的交易模型也將得到不斷發展。

交易模型的評估

對於交易模型的收益和風險評估，很多投資者往往只關心淨利潤和回報率，而忽略了交易模型的風險測量評估，其實這正是交易模型最為關鍵的部分。

 3/4  首頁 上一頁 1 2 3 4 下一頁 尾頁