什么是系统化交易，以及规则为何有帮助

你将学到什么

• 主观交易、系统化交易和自动化交易之间的区别。
• 每个完整的交易系统都需要的七个组成模块。
• 交易优势可能来自哪里，以及为什么单靠规则无法创造优势。
• 如何利用标准误差判断需要多少笔交易，结果才有参考意义。

讲解

手动回测单个图表形态的方法已在课程《深入技术分析》中介绍过。本课程更进一步：它把一套策略视为一个完整的书面系统，可以用多年的数据进行测试、用标准指标进行衡量，并且在运行时几乎不需要个人判断。

做出交易决策的三种方式

• 主观交易：交易者凭经验和判断决定每一笔交易。在相同情况下，两次决策可能不同。
• 系统化交易：每个决策都遵循书面规则，对相同的数据每次都给出相同的答案。下单仍可以由人手动完成。
• 自动化交易：由计算机程序执行规则并发送订单。自动化是执行系统的一种方式，而不是一种独立的策略类型。

本课程把系统视为完全基于规则的系统，因为只有这种形式才能被诚实地测试。

系统的七个组成模块

1. 交易范围：系统可以交易哪些品种（例如“欧元区规模最大的十只股票 ETF”）。
2. 数据与时间周期：使用哪些价格（日收盘价、周线）以及来自哪个数据源。
3. 信号：给出“做多”“做空”或“空仓”结论的计算。
4. 入场和出场规则：何时、以什么价格下单和平仓。
5. 仓位规模：每个头寸分配多少资金或风险（第 9 课）。
6. 执行：订单类型、时点和成本假设（第 8 课）。
7. 时间安排：何时检查规则，例如每个交易日收盘后，或每月最后一个交易日。

如果缺少任何一个模块，这个系统就不完整，对它进行的测试中就会包含隐藏的决策。

规则为何有帮助

• 一致性：相同的情况总是得到相同的决策，因此亏损后的情绪无法改变方法。
• 可衡量性：由于规则不变，过去的结果可以被计算出来，并与实盘结果进行比较。
• 可扩展性：一套规则应用于 50 个市场和应用于一个市场一样容易。
• 减少决策疲劳：日常工作变成检查信号，而不是为每一笔交易反复斟酌。

规则做不到什么

规则并不能创造优势（扣除成本后为正的预期结果）。一条精确的规则也可能精确地糟糕。优势通常来自以下三个来源之一：风险溢价（因承担他人回避的风险而获得回报）、行为模式（例如投资者对新闻反应迟缓）或结构性效应（例如指数基金在固定日期的被迫卖出）。如果你说不出一个合理的来源，就要对一份漂亮的回测格外怀疑。

用标准误差来衡量

以 R 计的期望值（以计划风险为单位的每笔交易平均结果）已在课程《风险与交易管理》中介绍过。系统让衡量成为可能，但衡量需要足够多的交易。平均结果的标准误差（SE）为：

SE = 交易结果的标准差 ÷ √(交易笔数)

标准差衡量单笔结果围绕其平均值分散的程度。作为粗略的经验法则，真实的期望值大概率落在平均值 ± 2 × SE 的范围内。如果这个范围包含零，你就还无法把这个系统与运气区分开来。

示例演算

假设示例：一个系统的平均结果为每笔 +0.2R，标准差为 1.5R。它每月大约产生 4 笔交易（每年 48 笔）。成本、滑点和税费不计在内。

只有在大约 400 笔交易时，这个范围才会保持在零以上。按每年 48 笔交易计算，这相当于 400 ÷ 48 ≈ 8.3 年的交易。主观交易者根本无法从过去得出这样的记录，因为过去的决策无法重复。而系统化交易者如果数据质量良好（第 3 课），一个下午就能用历史数据计算出来。

常见错误

练习活动

假设数据：一个系统有 64 笔交易，平均结果为 +0.3R，标准差为 2.0R。请在纸上完成：(a) 计算 SE；(b) 给出粗略的 ±2 SE 范围；(c) 假设平均值和标准差保持不变，估算需要多少笔交易才能让范围保持在零以上。

要点总结

• 系统化方法对相同的数据给出相同的决策；自动化只是执行它的一种方式。
• 一个完整的系统要定义交易范围、数据、信号、入场和出场、仓位规模、执行和时间安排。
• 规则让结果变得可衡量，但并不能创造优势；要说出优势的来源。
• 使用 SE = 标准差 ÷ √n 来判断一个平均结果是否不只是运气。

下一步

在下一课中，你将把一个模糊的交易想法转化为精确的规则，让计算机或电子表格无需猜测就能进行测试。