《精明交易者:系统交易指南》 作 者：佩里·J·考夫曼

月回报率的统计数字给出了比年回报率更小的相关。当较短的时间周期被用来评估时，短期移动的噪音干扰了长期趋势的方向。这使得相关性看起来很低，但严重的波动可以证明：许多这样的市场移动是同方向的。

个价格的预期增长反应过强了，则日或月数值会有些反向移动，而同时经济关系却保持稳定。当你缩小时间周期时，较小的价格变化变得更为重要。噪音在整个模式中成为一个较大的影响因素，而相关性则下降。

使用日数据测量相关性，对于大多数组合很可能给你一个近似于零的回答，而若以整年计，结果却都又很相似。如果你正寻找分散投资的方法，这是个糟糕的选择。

预测相关性

评估分散投资另外很重要的一步，就是预测相关性。许多市场在变化，在当今全球化的时代中更是如此。世界各地的资本市场正变得内在关联。在日本、德国或美国股票市场的暴跌很可能引起其他市场的相似跌幅，导致了相互关联的绩效。这个趋势是可以看到的，方法是计算单独每年的相关性（使用月数据）和观察r的趋势。如果相关系数朝+1方向变动，你大概就会希望更少使用这些相互关联的市场去进行分散投资。

标准差（Sd）测量假定交易利润和亏损将围绕平均值0均衡地分布。但是大多数系统却有其各自的不对称模式。一个趋势跟踪系统的交易（图上用X标记）有群集的许多亏损和几笔很大的利润，标准的分布图不能正确地展现它们。

不对称的分布

标准差假定收益和亏损均衡地围绕资产的净值趋势上下波动，如图4-2所示。该图均衡地展现了间隔的平行线。但这并不是一个符合真实情况的假设。许多趋势跟踪系统倾向于给出较大的收益，而小亏损的数量则较多。在此前提下，观察一个典型的收益/亏损趋势跟踪分布图，其右边会有一个长“尾巴”，而且最大的收益在中心的左边小于0处。这表示大多数常见的交易是小亏损的。图4-9也给出了可以作为与不对称趋势绩效相比较的标准分布曲线。

频率分布。为了显示交易绩效，一个实用的方法是使用一个“频率分布”或“柱状图”，这图看起来和电子表格条形图相同，只不过条形之间有宽度差别。例如，图4-10给出了10个条形，每一条代表交易的10%，按最大亏损至最大收益分类。在右边的宽条形图表明，在最大的那些收益之间变动很大，靠近左边最窄的条形图，表明由于快速的止损，许多亏损是很接近的。

10个不等的条形图，每一条代表10%的交易，小亏损聚集在一起，最高的10%利润扩得很开。左边一个小的尾巴表示由不可避免的价格跳空带来的较大亏损。

分析了图4-10后，我们可以这样说，收益将大于50%或少于-10%；也存在20%的机会收益将大于40%或少于-6%。

半方差。一个有效的测量资产分配风险的方法是“半方差”，它简单地把资产净值分割为几个分离的连续收益与亏损的集合。例如，如果一个交易程序有如下一序列的收益和亏损：

2.5%，-1.0%，4.1%，3.5%，-0.6%，-1.1%，-0.7%，1.5%

这些数字重新组合后，给出交替累计的收益与亏损：

2.5%，-1.0%，7.6%，-2.4%，1.5%

亏损可以单独评估，以给出由连续交易造成资金损失的概率，而不是在单一交易上亏损的概率。这是一个评估风险的实用方法。

毁灭性风险

另外一个有用的测量是毁灭性风险，它是指你亏损太多以致必须停止交易的情况。下面的公式允许我们指定自己可承受的最大亏损。在看下面内容之前，请考虑一下这些前提：

(1) 在实际交易中，如果将收益进行累计，毁灭的机会就减少了。最大的风险出现在刚开始的时刻。

(2) 如果我们打算取出利润，但同时又维持原先对市场走势的看法，则毁灭性风险就会较大，要大于我们累计利润而保持同样交易仓位的情况。(比如说获利50%，但随后取出利润，那么风险承受能力并没有提高，还是原来的样子；如果不取出，那么风险承受能力就提高了很多，因为账户资金多了50%——译注)