《超越技术分析》 作 者：图莎尔·钱德

 新的棒线序列(图8.2)显示出上升走势，向上靠近630区域。注意原始数据中的最后六条棒线显示的却是整固形态。原始数据中 的最后一条棒线(图8.1中 的棒线10)在图8.2中 为棒线砑6和棒线7。 我 们可以看出，棒线序列中最高价和最低价与先前棒线的相对关系对 于两个序列来说是相似的。于是，我们已经把原始棒线10的 市场行 为概括后在另一序列中重新使用，并生成了新的合成数据。 

当然，生成的样本越多，我们看到的形态变化就越多。以1995 年标准普尔500期货数据为原始样本的另一组合成数据见图8.3，从中 可以看出形态的变化。新形态与原始数据相比，包含了一个较为狭 窄的价格区间，并且在末期似乎要出现一个突破。

 所以，我们可以使用数据随机化处理方法产生各种各样的图表 形态。因为连续合约代表较长时间的市场行为，因此它们在产生合 成数据方面表现得不错。如果交易者愿意，也可以将该方法用于独 立合约，然后使用合适的展期日把它们串在一起。

 随着棒线数据数量的增加，可以生成更多类型的形态，于是数

图8.2标准普尔500期货合约日线图，源自表8.3中 的合成数据。

 图8.3 使用棒线序列6，5，4，2，1，9，10，8，7，3得到的标准普尔500期货合约的合成数据。

图8.4使用连续合约的日线数据(上部曲线)生成的瑞士法郎合戍数据 (下部 曲线)。

据随机化处理的威力也不断显现出来。如果我们有5年或7年的连续 合约数据，就可以生成100年 的数据，然后在这些数据上对系统进行 测试，以使系统经历各种各样的市场行情。由于这些形态是将来可 能碰到的，所以这是我们可以实现的最严格的样本外测试。 

从图8.4中可以看出，数据随机化处理方法使我们突破了数据不 足的限制。第一，原始数据中具有几个交易区间，而合成数据中则 出现几轮趋势，表明可以产生新的价格形态。第二，合成数据超出 了原始数据的价格区间，于是数据随机化处理可以生成新的价格区 间和价格形态，这对于在市场可能出现的最广泛的运动范围内测试 系统是必需的。

在合成数据上测试一套波动性系统

此处我们在合成数据上测试一套波动性系统，以便说明数据 随机化处理方法的实际应用。因为货币市场最近已经出现瞬时的、 压缩的运动，所以波动性系统是—个不错的选择。交易者们可能认 为突然的、压缩的价格运动是当今期货市场的一个主要部分。但 是，对历史数据的分析将说服他们，以前这种行情也出现过。如果 交易系统使用了重度平滑的数据(译者注：指对价格数据进行多次 平均，使指标变得更加平滑)，那么在交易这种市场运动时常常比 较困难。许多交易者已经注意到，瞬时运动还出现在趋势转折点附 近。所以，我们可能找到一种基于波动性的方法来辨识顶部或底 部。对于波动性的定义，可以采用多种方式。 

常见的经验是使用最近真实价格区间的数倍来定义价格运动的 上下边缘。此处采用一种较为简单的方法，只使用当日最高价和最 低价之差作为价格区间的度量。次日买进止损价位为当日最高价加 上两倍的当日最高价和最低价之差。类似的，卖出止损是当日最低 价减去当日最高价和最低价之差的两倍。我们在同一天碰到两种入 场订单的可能性极小(但并非完全不可能)。

 上述入场点的定义相当具有一般性，并且没有针对任何市场进 行优化。读者可以使用大于2的倍数来获得较少的入场机会，或者使 用小于2的倍数来获得较多入场机会。我们假设这些反复无常的震荡