20.3　应用波动率选择交易品种

高波动率与较大的风险密切相关，但是，低波动率也可能意味着获利的概率很低。如此，基于波动率而选择合理交易品种的一些方法被开发出来，即

·在高波动率情境之下入场的交易所面临的风险也是非常高的：高波动率项下的收益金额可以从高额利润转为高额损失；有时，净收益可能是盈利的，但是，相关的收益-风险比率则有可能下降，如果能够避免这些交易，那么，相关交易的长期绩效可能是最好的。

·于极端低波动率情境之下入场的交易似乎是安全的，但是，此时的价格行情往往没有方向，且会生成小而频繁的损失，如此，在入场之前等待行情增长的模式可能会提高相应的收益；与此相反，一些交易者往往在价格行情所相关的短期波动率下降时入场。

·当价格变动异常时离场的做法可以降低相关的风险和收益，但可能为时已晚，这个问题可以通过具体系统的评估方案来解决。

20.3.1　排除或延迟相关交易的选择模式

无论高波动率还是低波动率的情境都会出现入场的交易信号，因此这里有两个选择，即通过过滤机制将相关交易完全淘汰；或者，推迟相关交易直至高波动率下降或低波动率增长至可接受的水平。当某种交易被过滤时，我们有必要追迹那些没有被交易的订单，从而了解相关完整的行情；另外，延迟的订单可以在波动率运行至可接受范围内的任意时刻而被交易。以下部分将更加详细地介绍相关情况，而在开始之前，我们可以设定相应的理论模式，即相对于众多的短期交易而言，那些波动率处于可接受范围之外的可以被删除，而不是延迟。相对于那些持续数周的长期顺势交易来说，如果交易者意欲规避丧失获取超额利润契机的话，那么，延迟交易则是最好的解决方案。

1.构建波动率过滤系统

我们可以应用任意的电子表格或交易策略测试软件来编辑波动率相关的设计语言，而相应的步骤如下。

（1）计算相应移动平均线的趋势，一个是快速趋势，一个是缓慢趋势；

（2）应用本章早期描述的任何一种方法来计算相关波动率，但不包括当前交易日的波动率；

（3）如果今天的波动率高于过滤型阈值低点或低于过滤型阈值高点，则植入新的订单（于收盘时刻）；

（4）如果基于测试的波动率高于阈值高点，即当前价格的变动方向趋于盈利或目前的价格变动失去方向，则平仓离场。

以上四点六个不同的条件将适用于五个非常不同的市场，即1990～2011年中期的欧洲美元期货、日元期货、原油期货、IBM公司股价，以及标准普尔500指数，相关的长期趋势允许测试足够的交易来显示有效的结果。然而，我们也知道：前述的时间间隔也包含了一些另外的情境以及多样化的行情走势。

我们这里使用两种趋势：10天和60天。此外，多空双方每笔交易的费用为15美元，从而使其能够更加频繁地对一些交易产生影响，如此，相应趋势项下的某些金融工具可能不再盈利，但是，与相应测试结果密切相关的是系统的改善，而不是利润的绝对值。

2.标准偏差的测量方法

我们一般需要使用标准差来确定相应波动率的阈值水平，因为这些阈值与概率相关。1倍标准差阈值相关的高波动率过滤模式意味着：如果波动率高于其均值加上1倍的标准差，那么交易者不应该从事相关交易，而此时的累积概率函数值为16％；相应波动率的2倍标准差阈值相关的过滤指标的累积概率函数值为2.5％；3倍标准差阈值的概率函数值为0.13％。在所有情况下，我们将使用20日标准差，使其与VIX指数进行比较。同时，由于周期短暂，波动率的变化幅度可能超过正态的3倍标准差，因此，我们有必要将测试的阈值设置在3以上。

英航网站上TSM软件内的Moving Average程序可被用以编辑基础资产相关的交易策略，其完全基于移动平均趋势线（而不是基于趋势线的破位情境）所指示的方向来确定进场和离场的交易方式。

3.入场过滤规则所相关的测试结果

表20-2显示了40日移动平均系统所生成的测试结果（中等程度的慢线），即当趋势线上指时买入，而于其下行时卖出；同时，应用波动率作为入场下单的过滤条件——延迟植入相关订单，直至其达到相关的阈值条件。表20-2应用了1990～2011年7月的期货回调数据，其中亚马逊公司股价行情则例外地始于1997年；另外，每笔交易的费用是15美元。该表的测试结果表示为：总收益或总损失、利润因子（总损失/总损失）、交易次数、获利交易占比以及每份合约或每股（相对于亚马逊公司股价而言）收益。此外，图中每种金融工具都会面临三种情境：第一种是没有设置入场过滤条件的移动平均系统所相关测试结果；第二种是于低点过滤指标以下所从事的交易；第三种是于高点过滤指标以上所从事的交易。

表20-2　1990～2011年7月高低点阈值过滤系统所进行的测试，其中的例外情境是始于1997年5月的亚马逊公司股票价格

在表20-2中的第二列第二行，低点滤值显示出优化的过滤定时机制项下的过去20日收益率的标准差的波幅范围以0.05点的步长间隔从0.05点延展至1.0点；同时，欧洲美元利率的最优阈值为0.25，其使相关交易次数减少了30％，而每笔交易的利润则增加了47％。实际上，表中所有金融工具的交易仅在低波动率情境之下才能表现出显著的增长态势。以标准普尔指数为例，相应移动平均系统的劣势绩效可以通过去除交易的方式予以改善。另外，当阈值水平低于0.35时，所有金融工具的交易绩效都会有所好转。

相对于高波动率的过滤机制而言，其相关交易以高于阈值水平的情境为基准，而我们对其所做的预期是：高收益伴随着高风险；然而，其实际表现比预期要好。相应测试所输入的数值以0.05为步长，自0.25点延展至3.0点，其中标准普尔指数是唯一选择最大数值的工具，其目的是试图尽可能多地进行交易；其他金融工具的绩效全部表现良好，但阈值水平各不相同，这主要取决于价格走势的特质。另外，原油期货行情的波动率最大，相应价格走势波澜壮阔，而其于2.55阈值水平之下的收益最好，而此阈值在其他金融工具的市场之上可能会过滤掉大多数的交易。

图20-10　应用40日移动平均模式，0.25低阈值水平以及1.6高阈值水平所显示的欧洲美元利率期货的权益净值

图20-10分别展示了欧洲美元利率期货于高低过滤水平项下的权益净值。相应的测试结果比较相似，因为20日标准差是高度变化的，同时，两种过滤模式可能于不同点位以相同的方式进场。另外，从图中我们可以看出：低波动率情境之下入场的交易绩效比高波动率的绩效要好，且能生成比较平滑的收益。如果我们计算两个测试的信息比率，而不应用利润因子，那么我们会看到；低波动率阈值5.32%所相关的收益率为6.08％，而高波动率阈值5.59%的收益率为4.85％，如此，低波动率阈值的信息比例为1.143，高波动率阈值的信息比率为0.867，相关计算过程现存于英航网站上TSM软件内的Moving Average Filtered程序中，其所生成的Excel电子表格可以附带相关的交易策略。

相关的测试会使人们普遍认为于低波动率情境之下入场的交易方式是可取的，而即使于高波动率之下没有什么交易，前述的方式似乎也是一个安全的做法。另外，相应测试的编辑语言现存于英航网站上TSM软件内的Moving Average Filtered程序中。

4.于高波动率情境之下离场的模式——降低相关风险

当波动率很高时，为了降低风险，你可以平仓离场，这似乎是很自然的；而如果你在最糟糕的行情波动中已经处于风险敞口下，那么此时平仓则为时已晚。如果价格因冲击事件而震荡，那么震荡时刻的波动率最大；此外，如果价格上涨了几周，而且于顶部区间的变化很大，那么平仓离场则可规避恶化情境的出现。如果某种市场行情变得十分嘈杂，那么价格的跳跃式波动情境会频繁出现，且持续时间短暂。在这种情况下，如果你的头寸仓位处于盈利状态，那你要迅速平仓，因为相关的收益会马上消失。或者，如果行情波动已经给你造成损失，那么，在离场之前稍等片刻，这样至少会挽救一部分损失。另外，顺势行情的状况则恰恰相反，符合预期的行情模式会生成更多的利润，否则，会造成更多的损失。

于高波动率情境之下离场的模式与止盈模式是不同的，因为它不是针对某笔交易的特定利润而言的，其只关注1日行情的风险，而其中比较难以测试的金融工具之一应该是美国30年期国债，它的计算周期长；同时，在正态分布的情况下，其相关收益均需在国债到期时去捕捉相应的厚尾区间。然而，我们将按照以下的规则来测试高波动率情境之下的离场方式。

（1）使用40日移动平均线，且于趋势线升降时生成买入和卖出的交易信号；

（2）应用20日价格相关的收益率的标准差计算20日波动率；

（3）无论多头还是空头，当今日收益率大于前20日波动率与相关因子的乘积时，则平仓离场；

（4）于高波动率情境之下离场之后，如果相应趋势变化没有终止，则不要重新入场。

我们基于2000～2011年7月的债券期货价格生成表20-3，其中显示了相应的测试结果：第一行是40日移动平均系统的基准表现，且没有高波动率退出机制；第二行的入场模式相同，但是，当收益率大于10倍的20日波动率时，交易者需要离场，此种模式的测试结果会好一些，而接下来的是于最极端行情模式之下离场的机制模式。

表20-3　2000～2011年7月的美国30年期国债于高波动率情境下离场模式的测试结果

我们这里相应记住的是：顺势交易系统需要尽可能多地捕捉符合预期的行情模式，因此，我们需要设立重置规则，即我们可以于离场之后按照相同的行情方向重新入场，但是，在离场当天，相关波动率要下降至日间收益率的1/4，而相应的理念是：在波动率下降3/4的情况下，市场行情会或多或少地恢复至正态水平。相应的测试结果被显示在表20-3的第三行，其绩效相当之好。另外，测试相关的编辑语言现存于英航网站上TSM软件内的Moving Average Volatility程序中。

5.基于波动率的排名方式

杰拉尔德·阿佩尔 ^[1] 通过创建排名的方法为共同基金提供了一种额外的交易选择模式，即

·只在平均波动率之下选择基金交易；

·将3个月和12个月的绩效与单一价值混加在一起。

·对基金进行排名。

·只投资前10％的基金。

20.3.2　交易选择模式概述

一旦你拥有了一个基本的交易系统，那么下一步则是判定其是否可以消除一些亏损的交易，而不是消除获利的交易。而在极端情况之下，我们想要消除所有的亏损交易，即使我们减少一些利润也在所不惜。当然，这是不可能的。其实，每个交易系统都存在风险，甚至是那些所谓的无风险交易。相对于套利交易而言，如果配置正确则几乎没有风险；然而，它必须极具竞争力，因为套利的机会是罕见的，利润的金额也比较小。在最终分析中，我们发现你是无法消除风险的，只能拖延或移除。如果你的系统显示其基本没有风险，那么，这里重要的问题是，你要重新思考相关的开发过程，进而寻找它的瑕疵。

这个世界上没有什么东西是免费的。良好的交易不仅仅依靠单一的短期头寸而获利，其需要一天又一天、一周又一周地去磨合。在偶尔发生的情况下，如果你按照某种新的市场行情进行交易，那你可能在其他人还没有看到的时刻发现相应的契机，此时，在别人也看到同样情况之前，你应该快速行动，在短时间内利用之，然后，更大的玩家进场，将你推挤出去；反过来，他们也可能跟其他投资者联合起来，消除所有的（甚至是自己的）获利契机，与此同时，其他的交易机会则会浮出水面。

当应用排除法选择交易时，其中最简单的方法是，于初始时刻即将相关绩效与波动率或价格水平联系起来。虽然一些系统在波动较大的环境中表现更好，但是，相关的交易策略可能会显示，于波动率较小的情境下，你的交易的收益/风险比率是最好的。当你对交易进行过滤时，你可能会移除一些好的交易，但是，我们希望你删除更多的亏损交易。

[1] Gerald Appel，Power Tools for Active Traders(New Jersey：Financial Times，Prentice-Hall，1999).