《蜡烛图方法 从入门到精通》 作 者：（美）斯蒂芬 W.比加洛

既然期望不是常数，那么就应该为平均交易利润规定一个最小的可接受的数值。例如，该最小数值应该包含交易费用，并提供一定的 “ 风险保险费 ” ，以使得该系统具有使用价值。所以，像250美元这样的期望便应该被作为接受一套系统的阈值。总的来说，期望的值越大，它抵抗波动的能力越强。

需要注意的是，期望并不反映盈利变化的幅度。所有交易的利润的标准偏差可以很好地度量系统的差异性、波动性和风险性，所以，期望并不能全面反映风险性(波动性)，风险必须靠系统的盈利能力来控制。 

期望还与破产风险有关系。可以使用统计学原理来计算自己的启动资本缩减到一个较小数额的可能性。这些计算需要做出胜率、 回报率和仓位规模的假设。回报率可以被定义为平均单笔盈利与平均单笔亏损的比值。当回报率增加时，P盈利增加，破产风险降低。 破产风险还受仓位规模，即每笔交易的风险占总资金的百分比。仓位规模越小，破产风险越低。破产风险的详细计算见第7章。

总而言之，我们的系统必须有一个正值期望，即平均来讲每笔交易是盈利的。期望值不是固定的，它会随着时间而变化。所以我们可以指定一个阈值，比如用250美元来作为是否接受系统的标准。 期望的重要性还在于，它可以影响破产风险。不要接受在长期数据测试时期望为负的交易系统。 

系统的期望由其交易规则决定，接下来的部分将研究交易规则的数量对系统设计的影响。

规则二：交易规则数量要尽量少

本书所讲的决定性交易系统只使用较少数量的规则和变量。这 些交易系统类似人们为控制化学处理过程而开发的任务系统。经验告诉我们，完善可靠的控制系统要使用尽可能少的变量。 

下面我们来分析两个著名的趋势跟随系统。最常见的双移动平均线系统只有两条规则。一条是在向上穿越时买进，另一条是在向下穿越时卖出。类似的，流行的20棒线突破系统最少时只有四条规则，即两条入场规则、两条出场规则。如果使用测试软件在多年的历史数据上测试这些系统，可以证明它们是具有盈利性的。 

与可能具有数百个变量的基于专家系统的交易系统相比，这些系统怎样呢?例如，某套可以买到的交易系统，其规则数超过400， 但实际用于交易的规则只有一条。决定性系统不同于基于神经网络的系统，神经网络系统往往具有未知数量的规则。 

试验设计的统计学原理告诉我们即便是非常复杂的过程也可以 使用5~7个 “ 重要 ” 变量来控制。极少有系统超过10个主要变量 ，



而且控制超过20个变量的过程是相当困难的。同样，也极少有过程是基于4个或更多变量之间的相互作用。较高次数的相互作用通常是意义不大的。我们的目标是使规则的总数量尽量少。 

在设计系统时使用较大数量的变量存在很多隐患。第一，变量规则相对重要性随着规则数目的增加而降低。第二，自由度随着变量和规则数目的增加而降低。当规则和变量的数目增加时，需要更多的数据来测试，以便得到准确的结果。第三，是在做曲线拟合测试时，所选样本数据带来的风险。例如，给定一组数据，一个带有两个变量的线性回归便足以拟合该数据。当回归分析中的变量数目增加时，比如说7个，那么所得曲线与所给数据更加接近了。所以在做曲线拟合时，我们在所给数据中捕捉了更多的细微变化，这些价格模型在未来可能永远都不会重复出现。对于简单的线性回归，自由度下降了2，但对于多项式回归，自由度却下降了7。

这些思想可以从下面的例子中看出来，使用线性回归去拟合标准普尔期货合约1995年12月的收盘数据。该组数据从1995年8月1日开始到1995年12月13日 结束，共有95个交易日。对于相同的数据我们画出了两条回归线：图2.1所示是一个简单的线性回归;图2.2使用



图2.2使用最高5次幂的线性回归分析标准普尔500收盘数据。 

多项式回归加入了更高次的多项式，最高次数达到了5次 。当较高次数的项被加入时，回归曲线变得更加弯曲，我们在数据当中捕捉到 了更多的细微变化。

为了简化起见，日收盘数据被从1~95编号，记作D。 图中的 C (比如C1)代表常数。Est Close是利用回归分析估算的收盘价格。