《辨势交易法与金融市场实战交易探究》作 者：安格斯

以上整个过程简言之，即使用统计得出的“神奇的交易规则”，来预测价格在某一时间、某一价格区域一定（或大概率）发生上涨或下跌，并进行高胜率交易。

我们先举一个例子：

互联网中有一个流传很广的“神奇交易规则”。在下跌趋势中，用一条直线连接下跌趋势的一系列高点（或上涨趋势的一系列低点）形成趋势线，用一条直线连接下跌趋势的一系列低点（或上涨趋势的一系列高点）并称之为外延线，将外延线平行移动至趋势线一测，把该平行的外延线称为拐点线（既外延线平移线）。通过大量复盘统计得出结论：若价格突破趋势线和拐点线，则可以大概率预测之前趋势结束，价格即将展开反转。



如图 1.1 所示，价格先是处于一段下跌趋势中，使用分析工具画出趋势线、外延线、拐点线，最终价格走势上破趋势线和拐点线（外延线平移线）。由此得出论：之前价格的下跌趋势结束，未来大概率展开上涨趋势，交易者应该采取买进操作。但结果真的是这样吗？恰恰相反，价格短暂的上涨之后迅速下跌，之前的下跌趋势仍未改变，交易者的买入操作被止损，甚至有被市场套牢的风险。



到此，有人会提出质问：既然价格上涨是统计得出的大概率事件，小概率的继续下跌是可以接受的啊！关键点在于，搞清楚一个问题，即大概率上涨或下跌这一统计结论靠得住吗？

既然要统计，就需要确定样本池总数，继而统计符合交易模型的样本数量在样本池总数中的占比。价格统计样本来自于历史价格（价格图），而市场价格走势是“几乎无限大”的。价格图具有延展性，大到月线图，小到 1 分钟图，不同的时间图都能提供价格样本。同时，市场中众多的商品种类进一步增加了样本池的数量级。数量众多的商品和同一商品价格图的延展性构成了几乎无限大的样本集合。那么，在“几乎无限大”的样本集合内，要找到多少个符合“交易模型”的样本才具有统计意义呢？一千个？一万个？我的回答只能是——“同样无限大”。当然，统计无限多个是无法实现的，交易者的时间精力有限。因此，事实上目前被交易者提出的看似靠谱的大概率“交易模型”都是统计不足的，甚至有些看似神奇的模型方法，从未向外界公开其统计的详细过程、全部样本案例等充足佐证。可见，要想复盘统计出一个结果是极其困难的，如果带着“无限设问”的哲学精神，我们完全可以质疑《艾略特波浪理论》中的“五升三降的价格模型”（感兴趣的交易者可以仔细阅读该理论）的统计合理性。

在市场中进行样本统计，小心“迷失圆圈”现象。如果你在雨林里迷路了，即便是朝着某一个方向坚定地沿直线行走，最终你还是会走成一个圆圈，而回到出发点附近。这就是“迷失圆圈”的现象。产生这一现象的原因是，每一个人都有一个惯用脚，在行走时，不自知的情况下会发生惯用脚与另一只脚的用力不均，导致行进方向始终向一个方向偏转，最终出现“迷失圆圈”。在市场中进行样本统计，一样存在“迷失圆圈”的现象。交易者在明确需要进行统计的交易模型后，在“无限大”的价格走势样本池中，惯性地去寻找满足既定价格走势模型的样本，并为找到的每一个符合模型的样本“欣喜若狂”。由于样本池“无限大”，自然可以统计出诸多满足既定模型的情况。若在“无限大”的价格走势样本池进行反向统计，你会发现，既可以统计出来 1000例符合既定模型的样本，同样也可以统计出1000例不符合既定模型的样本，这个事实也许会让一些刚刚统计出结果的交易者灰心失望，但总比在市场中一败涂地要强得多。市场的混沌性，体现在你可以正向统计出很多个符合设想的价格模型，也可以反向统计出多个不符合设想的价格模型。所以，试图用概率统计在“无限大”的价格样本池中寻找有预测功能的价格模型，其统计的基础是相当薄弱的。

以上是从统计结果上论证使用“大概率交易模型”来预测价格的方式存在缺陷。接下来我们从技术分析工具的本质上来看“预测价格”的不合理性。

（三）没有神奇预测的技术指标