17.2　自适应性的变化情境

    本章的第17.1节是关于如何根据自适应性顺势交易系统，且应用指数平滑手段来改变相关趋势的速率。以下的内容将展示其他类型自我调节的交易技巧。

    17.2.1　自适应系统的动量计算模式

    交易系统中有许多诸如RSI指标一类的动量计算方法，其变化范围是0～1、0～100或-1与+1之间。为了使用前述这些数值成为一个类似于平滑系数的自适应指标，我们有必要改变介于0和1之间的数值，其中0所代表的趋势性较弱，而1则代表更多的趋势性，这是RSI指标以及其他大多数指标的正常解释。而如果以M代表指标值，那么，我们可以采用一定的变换方法使相应的平滑系数适应0～1的模式，如下表所示。

    其中，sc是当前周期的平滑系数；M是当期动量值。

    如上述变换模式所示，当动量处于+1与-1之间时，相应行情具有更强的正负趋势性。而我们取的是绝对值，即负值则取相反数，其范围是从0至-1，而正值的模式相同，其范围是从0至+1。

    我们应用2011年2～7月的欧洲美元期货将RSI改为自适应性指标，同时将其与KAMA模型和10日移动平均系统进行比较（见图17-4），其中移动平均线往往是中期趋势线，而在横盘期间，自适应RSI指标显得更加灵敏，其次是移动平均线，KAMA线则最不敏感。前述情境可以通过平滑系数的平方值来修正自适应性的RSI指标，即一个0.75的数值将会变成0.56，而所有较低的值则意味着更多的噪声以及较慢的趋势，而刻画相应图形的编程语言现存于英航网站上TSM软件内的Adaptive RSI程序中。

    图17-4　应用于2011年2～7月欧洲美元期货行情的自适应性相对强弱指标（RSI）、KAMA模型以及10日移动平均模式的绩效比较

    自适应性的随机指标可以基于市场噪声，且通过类似于KAMA模型的方式来改变回溯天数的手段而创建。在下面的代码中，计算周期为10天，而相应频率比例则基于此周期计算而得，而且慢线和快线的模式则与KAMA模型相同，即每次变换天数，即可寻找最高的高点以及最低的低点，这是随机计算的基础。另外，初始随机指标（快线K）在随后3天之内得以平滑，进而得到慢线值。而该指标的编辑模式也可在英航网站上TSM软件内的Adaptive RSI程序中找到，相应的语言指令为：

    17.2.2　麦金利的动态模式

    在约翰·麦金利发表的著作中，其列举了一系列流行的自适应性的技术方法，而他发明的动态指标MD值 [1] 的计算公式为：

    式中　MDt ——当前的麦金利动态指标值；

    MDt-1 ——前期的麦金利动态指标值；

    k——常数0.60，其相当于被选择的移动平均周期n值的60%；

    n——移动平均周期；

    p——收盘价格。

    17.2.3　抛物线时间/价格系统

    抛物线时间/价格系统是第一个为众人所周知的自适应性的技术方法， [2] 这个系统试图随着趋势的进展而减少系统内在固有的滞后性，为此怀尔德则通过缩短截至价格运行至新的收益水平时的计算周期所相关的天数的方法来增加相应趋势的速率。同时，抛物线系统的信条是：时间就是敌人，一旦我们构建了相应的仓位头寸，那相关交易必须持续盈利，否则立即平仓。

    抛物线时间/价格系统总是与市场行情密切相关，无论何时于任意点位平掉一个仓位头寸，其方向总是相反的 [3] ，而发生此种情境的点位则被称为“抛物转向点”（简称SAR）。在绘制相关曲线时，抛物转向点虽然可以降低滞后性，但其似乎与趋势线相似，而我们则可以通过创设SAR点来刻画。同时，我们还要标出当前价格与趋势线之间的距离以及与当前价格接近的各条棒线，如图17-5所示。在较短的周期中，于一致的趋势之下，抛物线SAR点和价格走势会收敛于一处，进而获得良好的收益。

    图17-5　应用于2011年2～7月标准普尔期货迷你电子盘交易的抛物线系统

    在SAR值的计算中，我们首先假设一个长期或短期的头寸。如果目前的行情走低，且当期价位处于低点以上，那么交易者可以先行植入多单，而之前交易的最低点为抛物起始点（简称SIP），因为其是计算SAR的起始点，所以，SAR1 =SIP。另外，每个SAR点的计算公式为：

    上述公式属于指数平滑的性质，其相对于多方头寸使用的是价格高点，而对于空方头寸使用的是价格低点。前述这种方法的平滑系数被称为加速因子（简称AF），在每个交易开始之时，它的初始值被设置为0.02，而在一个新的极值点出现之后（做多之时的新高或做空之时的新低），AF值会增加0.02。相对于移动平均系统的日期而言，AF值始于99天；同时，其可将速率的最高值增长至9日移动平均值，但是这并不是线性增加的。另外，加速因子AF本身不能增加到0.20以上。

    在SAR值的计算之中，当交易者持有多方头寸时，当前行情的最高点位则会被启用；交易者持有空方头寸之时，我们则使用当前行情的最低点，此功能会使SAR值于升势之中一直保持在可能出现的最高水平。这里有一个额外的补偿性规则来控制提前反转的情境，即不允许SAR值靠近且超过最近两天的行情波幅，具体规定为：

    ·相对于多头而言，SAR值应该永远不超过今天或前一天的低点；如果其高于这个低点，则将相应低点设置为SAR值；如果盘中新低穿透SAR点，那么相关行情将被视为反转模式。

    ·对于空头来说，SAR值被初始化为最近行情的高点，且AF=0.02，每日计算所采用的是当前价格行情的最低点。这里允许出现一些价格的浮动情境，而SAR值也不应低于今天或前一天的高点。

    怀尔德的抛物线时间/价格系统是比较独特的，其利用平滑系数的变化情境来显现时间不利于交易的概念。而随着交易收益的增加，提高趋势速率的想法仍然是一个有效的理念，但是其尚未适应其他的自适应方法。同时本系统有一个弱点可能是：AF值总是从0.02开始，虽然其没有阻止交易纬度的扩展，但是，在快速运行的行情之下，依据买入或卖出信号进行快速交易的方式可能会更好。另外，这种方法还需要价格波动具有相当的一致性，如此方能生成利润。

    这里最重要的一点是：初始的抛物线点（止损和反转）是市场行情的极端高点或低点，而不是一个任意的值，并且它是一个计算机所生成的点位。另外，SAR值不会与前一天的高点或低点接近，进而防止于相应行情向盈利方向强烈运动时噪声因子所可能引发的反转情境。而对于那些有兴趣进一步研究这种方法的读者而言，他们可以参看抛物线时间/价格系统与定向运行的行情模式（见第23章）相结合而生成的定向抛物线系统（曾在第9章被探讨过）。

    英航网站上TSM软件内的Parabolic程序中存有TradeStation交易平台的相关函数，其允许用户指定平滑系数AFmin的起始值、增量值AFinc以及最大值AFmax，如此则提供了更加灵活的测试方法，而这些数值的优化模式据说已经产生了良好的效果。

    加速因子计算的替代模式

    弗尔克尔·纳普认为，我们可以很成功地应用考夫曼的频率比例（ER）来替代相关的加速因子， [4] 他使用一个10天的行情平均波幅（简称ATR）以及10天的ER值来创建了如下的规则：

    （1）自入场价格伊始，将初始止损点位设置为ATR的6倍；

    （2）如果ER值小于0.30，则止损点保持不变；

    （3）如果0.30＜ER＜0.60，则减少0.1×ATR倍多单止损，且降低0.5×ATR倍的空单止损；

    （4）如果ER＞0.60，则减少0.2×ATR倍的多单止损或0.1×ATR倍的空单止损；

    （5）当止损点高于多单点位或低于空单点位时，则提前应用追迹止损法；

    （6）设置止损的方法适用于第二天的交易。

    这里需要注意的是：相对于多空双方而言，交易规则是不对称的。

    17.2.4　主要的交易公式

    构建变速方法的另一个里程碑式的理论是由马尔特的“主要交易公式”所提出的， [5] 其是基于指数平滑公式，根据围绕相关趋势线之包络线的形态，且参照行情波动率而生成的。另外，马尔特的一般技术是：将过去15天的平均真实范围与同期的价格净变化值结合起来，同时将相关波动率因子自1至21进行排序，进而选取一个最大值；然后，其他值与此最大值相除，从而分成20个相等的区域（第21个纵轴值更高）；接下来，将前两个等级区域的数值加以平均，从而得到一个相关波动因子（简称CVF）。另一个21份空间的等级排序则将CVF作为分母再分成20个相等的区间；然后，CVF值于0.084～0.330的范围区间内与平滑系数呈现线性相关状态，其所代表的是5～23日指数移动平均的近似值，而趋势线的日间数值Trendt 则由相应的公式所创建，即

    其中，HLCt 是今日高点、低点和收盘价的平均值。

    与其他自适应的方法一样，此种模式项下趋势的速率也随着波动率的增大而增加。

    基于相关波动性因子的负相关属性，相应的包络线被设置于趋势线的周围。当波动率较低且平滑系数能够营造出一个慢速的趋势时，包络线的边界是最广泛的；于高速波动、快速趋势项下，其宽幅是最窄的。马尔特的主要交易公式遵循了基本的波段交易规则，而且该系统总是处于市场的行情中，即当上轨边界被穿透时做多，而于下轨边界被穿透时做空。

    相对于先前的自适应方法而言，我们可以对主要交易公式做一些关注。首先，我们可以将5～23日的最快趋势速率与等值的25～900日（52 ～302 ）的KAMA模型进行比较；其次，随着波动率的增加，包络线的边际开始收窄，而随着趋势的减缓，我们甚至可以于趋势线回调时进行更快捷的行情破位尝试，这种组合模式可以更快地生成相应的交易信号，而这可能是短线或盘中交易的最佳信号；最后，我们要将相应的波段区间划分成等值的区域，此时无须考虑计算周期内的时间增长情境会降低相关灵敏度的问题，它可能是一种最好的非线性分布形态。随着趋势的放缓，其中的区域波幅将会因之而增加。

    [1] 约翰·麦金利著有Technical Trends，P.O.Box 792，Wilton，CT 06897。同时，他也编译了自适应技术的选择模式，以及此处所探讨的各类模式。

    [2] J.Welles Wilder，Jr.，New Concepts in Technical Trading Systems(Greensboro，NC：Trend Research，1978).

    [3] 即以卖单平买单，以买单平卖单。——译者注

    [4] Volker Knapp，“Parabolic Alternatives，”Active Trader Magazine(September 2010).

    [5] Donald Mart，The Master Trading Formula(Brightwaters，NY：Winsor Books，1981).