22.8　各类系统性交易信号的近似情境

政府监管机构（CFTC）和个体交易者的主要关注点都是计算机系统所生成的交易信号的相似性，使用某种系统的目的是以之管理大量的头寸。在本书中，我们注意到市场存在由某种趋势所驱动的因素，而特定的顺势交易方法则不那么重要。这些系统可能会出现不同的策略和参数，但是它们在本质上可能非常相似，其中的任何一个都是有利可图的，即使其可能会从不同的价格点位入场和离场，但是它们都要从相同的价格波动中获取相应的利润。

在第3章的最后，我们讨论了标准普尔指数对其成分股价格运行模式的影响。交易者会根据标准普尔行情的价格支撑位和阻力位或标准普尔指数的走势来决定买进还是卖出，而这反过来又导致指数与成分股之间的套利模式。因此，尽管相关点位可能与股票自身的阻力点不一致，但是这些股票也会在标准普尔指数的阻力点上停止上涨。

如果与具有不同计算周期的顺势交易系统没有多大联系，那么我们可以通过不同技术和不同周期的交易来减少相关证券的投资风险，但现实可能与理论不同。卢卡茨、布诺森和欧文 ^[1] 进行了一项研究，他们对比了1978～1984年超过12个不同期货市场的12种流行的技术指标——每个系统都进行了优化，其使用了3年的数据，同时，最好的参数值在第二年被用来交易，这些被选定的指标是：

·通道系统

—收盘价格通道（CHL）

—MII型价格通道（MII）

—LSO型价格通道（LSO）

·动量/震荡指标系统

—定向指标（DRI）

—定向运动指标（DRM）

—范围商数（RNQ）

—参考偏差（REF）

·移动平均指标系统

—移动平均百分比指标（MAB）

—二元移动平均线指标（DMC）

·拖尾停止系统

—抛物线时间/价格系统（PAR）

—亚历山大滤波规则（ALX）

—结合定向运动和抛物线系统（DRP）

·通道系统

—收盘价格通道（CHL）

—MII价格通道（MII）

—LSO价格通道（LSO）

·动量/振荡指标

—定向指标（DRI）

—定向运动指标（DRM）

—范围商数（RNQ）

—参考偏差（REF）

·移动平均指标

—移动平均百分比（MAB）

—双移动平均（DMC）

·尾部区间止损系统

—抛物线时间/价格系统（PAR）

—亚历山大滤波规则（ALX）

—定向运动指标和抛物线时间/价格系统的综合版（DRP）

上述研究用了三种方式来测试系统的相似性：

（1）系统在同一行情之上的持续时间的百分比值（长或短）；

（2）在同一日或相对于另一时段的几个交易日内买入或卖出信号出现的百分比次数；

（3）月度总投资组合收益率的相关性。

测试结果显示了系统盈利能力的正相关性（见表22-6）。然而，没有任何价格模式表明一个特定类型的系统比其他系统有更加明显的相关性。抛物线指标和定向抛物系统是最相似的，因为定向抛物系统是基于抛物线指标而形成的。在表22-7中，相关系统于同一天发生交易的百分比是非常低的；表22-8则给出了翔实的对比，它记录了每个系统保持相同价格点位之天数的百分比值。

表22-6　12种系统月度总收益的相关系数

注：所有的相关系数大都在0.01%附近，除了REF和PAR，它们在0.05%附近。

资料来源：Reprinted with permission of Futures magazine(250 S.Wacker Drive，#1150，Chicago，IL 60606，November 1987).

表22-7　同一日生成交易的时刻的百分占比

注：每一对系统于同一日生成交易的情境，所有的系数都是有意义的，其呈现了①95%和②99%置信受限的二项分布模式。

资料来源：Reprinted with permission of Futures magazine(250 S.Wacker Drive，#1150，Chicago，IL 60606，November 1987).

表22-8　相关系统持有相同头寸的交易日的百分比

注：每一对系统于同一日生成交易的情境，所有的系数都是有意义的，其呈现了95%和99%置信度的二项分布模式。

资料来源：Reprinted with permission of Futures magazine(250 S.Wacker Drive，#1150，Chicago，IL 60606，November 1987).

相关研究认为：在同一天里，计算机交易系统所显示的交易次数往往比预期的多，但是，在同一天发生交易的实际比例很小。这些系统随着市场价格的波动而发生改变。这里必须注意的是：当资产在宏观趋势交易下逐渐增加时，系统为进出市场而互相竞争，并且其跨度可能已经达到3个交易日。

22.8.1　移动平均系统的比较情境

我们利用美国30年期国债收益率作为研究行情趋势的一个范例模式，于2000~2011年将一个简易型移动平均线系统应用到连续期货合约之上，同时计算6个时段的净利润，如图22-19所示，在10~60日周期当中，测试结果似乎有很大的不同。

图22-19　2000~2011年中期美国30年国债连续期货的6个移动平均系统的净损益情境

如果对6个系统中的每个系统的净损益指标每日都进行修正并找到相关性（见表22-9），那么我们就可以看到一个清晰的模式。向下看第一列，计算周期为10天，随着计算周期的增加，相关性也在下降；当计算天数的百分比差异较大时，相关性会下降得更快；10日和20日价格趋势之间的相关差异大于50日和60日价格趋势之间的差异。

表22-9　2000~2011年中期美国国债期货行情于不同计算周期的移动平均系统内所显示的损益变化的相关性

上述情境也支持了第21章的说法，即用于测试的计算周期不应具有相等的增量，因为这会对较慢周期的系统产生影响。还需注意的是：任何两个计算周期之间的相关性都是相同的，因为它们都是从同一个趋势当中汲取收益。卢卡茨的研究表明：当市场行情具有较强趋势时，这种现象将更为明显。

22.8.2　长期绩效的相似性

交易信号的相似性也意味着系统性能的相似性。在第21章中，我们已经说明了伴随着时间的推移，相同计算周期的顺势交易系统会具有相似的表现。次数结果表明：所有的方法都能够或早或晚地识别出相同的趋势，但是就在这些相同的趋势中，相关方法赚到或亏损的钱数却是不同的。所以说，这里最重要的是市场行情本身，而不是使用的方法。

国际资产标准管理公司（ISAM） ^[2] 最近有一篇文章阐明：所有的顺势交易系统的运行模式随着时间的推移都会趋于一致。定义三个系统（但更侧重于第N天的破位系统）的方式说明：计算周期内的各种组合和资产分配方法所导致的年化收益率会发生各种各样的变化，但是总收益却会随着时间的推移而趋于一致。而这是否意味着它不受我们选择的参数因子或者投资组合中资金方式的影响？因为无论如何，系统最终都会出现同样的结果；又或者，这是否意味着如果我们用任意的参数或组合配置进行交易，其都能得到近乎平均的结果？还是说，此次研究中的系统是否真正代表了我们所讨论过的一切顺势交易系统的性能？

22.8.3　最佳和最差时期的高度相关性

不同的系统与具有不同计算周期的同一系统会任凭时间如何变化都执行相同的交易指令。通常，当它们进行相同的交易时，价格也会朝着有益的方向变动，而这很容易理解，比如，若10日均线上升，20日均线也由空转多，那么10日均线系统就能够持续获利；若60日均线一直上升，那么所有的短期趋势则都是有利可图的。

但是，一旦它们的方向相同，行情就会产生一种极大的风险——价格冲击事件。在价格冲击的作用下，所有系统都会一起上升或下降，从而使投资组合的收益率的百分比值每天都会增加或减少。因此在接下来的两章中，我们将会讨论控制相关风险和总体风险的方法。

[1] Louis P.Lukac，B.Wade Brorsen，and Scott H.Irwin，Similarity of Computer Guided Technical Trading Systems(CSFM-124，Working Paper Series，Columbia Futures Center，Columbia University Business School，New York，March 1986).Also by the same authors，“Do Similar Signals from Trading Systems Move Prices？”Futures(November 1987).

[2] “Trend Following：The Myth of Return Dispersion，”International Standard Asset Management(ISAM)(August 2011).See www.isam.com.