《超越技术分析》 作 者：图莎尔·钱德

“平均交易利润”和“ 期望 ” 代表同一个内容，所以它们在后面的讨论中可以自由互换，期望可以用许多不同的方式书写。下面的公式都是一样的：

期望(美元)=平均交易利润(美元)，

期望(美元)=净利润(美元)/(交 易总数)， 

期望(美元)=｛(P盈利)× [平均单笔盈利(美 元)]｝— ( (1—P盈利)× (平均亏损(美元))]。

(译 者注：原 英文版最后一个公式中漏掉一个中括号 (“ 〕”)，在译文中已经更正。 ）

期望是平均每笔交易的利润，用美元作单位。净利润是整个测试周期上的总盈利减去总亏损。P盈利是盈利笔数占总交易笔数的分数，或者说胜率。亏损概率为： 1-P盈利。平均单笔盈利是所有盈利交易的平均盈利，以美元为单位。同样的，平均单笔亏损是所有亏损交易的平均亏损，以美元为单位。

期望必须为正值，因 为总的来说我们都希望交易系统是可以创造利润的。如果期望为负值，那么它是一套亏损的系统，资金管理和风险控制都无法克服其内在的限制。

假设我们现在正在利用系统测试结果预测平均交易利润(即期望)。 需要注意的是我们的预测结果受到现有数据的限制。如果在另一组数据上测试我们的系统，那么将得到一个不同的预测结果。 因此，一套交易系统的期望并不是一个“ 固定不变 ” 的常数。相反，期望值会随时间、市场和数据组变化而变化。所以，我们应该在尽可能长的时间段上计算期望。             

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 ，