转贴：系统交易方法的探讨1

	作者：netf     来源：海洋论坛 系统交易方法有两类。 一类是预测类 这类方法需要对股价进行建模。即将复杂的价格数据，用简单的、已经成熟的模型来模拟。将复杂的股价波动转变成现金数学上比较研究得比较透彻的一些函数的叠加。于是复杂问题被解析成简单问题。举个最简单的思路比如将股价用ｓｉｎ函数来模拟（只不过效果不佳）。在建模方法中，首先要确定模型。目前的模型有许多种，有抛物线拟合、线性叠加的yn=f(yn-1,yn-2...). 的AR方法、相对前沿的FARIMA方法、神经网、概率统计等等。模型可以是五花八门。但这类方法都是一个思路： 股价数据=模型+参数+残差。 建立模型之后，用历史数据对模型参数进行训练，用收益最大化来求得最优化的参数。模型实在拟合不到位的数据作为残差来填补。验证模型拟合好坏的一个方法是检查残差数据是否具有规律性（比如自相关性）。（即是否存在仍然没有被模型所表达的，但是仍然具有规律性的数据成份）。 无论是怎样的模型，这类方法要面临的问题也是一样的： 使用历史数据训练出来的模型参数在后续的运行中是否稳定。 是否能够在新的数据输入下，仍然保持最优的（哪怕是可接受的）对收益的贡献。 用最极端的例子来说：傅利叶分析可以对任何曲线进行精确的解析建模，但是它的参数也是最不稳定的。根本不具有实用价值的有后推性。 所以，如果参数是不稳定的，那么模型的预测能力将大打折扣。 这种缺陷如果严重的话，即使通过及时的参数修正，也不会有什么好结果。 所以说，寻找稳定不变的变量。是模型方法的永恒的主题。越稳定就越成功，越不稳定就越失败。 二类是趋势跟踪法 趋势跟踪法核心任务是识别趋势 识别趋势最常用的方法是制定一条标准线。在标准线之上的算是上涨，在标准线之下的算是下跌。 至于标准线怎样制定，一个人一个思路。均线就是最简单常用的一种。 趋势法的难题： 如何面对噪音信号。所谓噪音，就是信号发出之后，事后证明是失败信号的那些信号。其实叫做噪音是不合适的。成功的信号躲在噪音信号里面，在事先谁也不知道（也不打算知道，这是趋势法的核心理念）信号是真的还是假的。统统都按照正确信号来对待。－－对噪音的尊重就是对机会的尊重。如果过分排斥噪音，就会排斥掉机会。－－脏水和孩子一起被泼了出去。 失败的信号必然会带来亏损。趋势法寄希望于１次成功信号的收益来挽回ｎ次连续的失败信号的损失。 于是这里就涉及到了概率问题。【交易之路www.irich.info收集整理】 收益取决于　ａ成功信号/失败信号　的出现次数、ｂ每次的收益(亏损)量。ｃ连续出现的次数概率 而这些概率变量ａｂｃ又是标准线与股价数据运算的共同结果，受标准线的敏感度与股价数据的概率分布特性的共同影响。 而股价数据的概率分布特性是动态变化的。在一段时间里面，股价波动很小，趋势明显。另外一段时间里面波动大，趋势不明显。标准线能否动态跟踪股价的波动特性，是决定趋势法成败的关键。 [ 本帖最后由 一可 于 2006-10-18 17:25 编辑 ]