采用交易系统发生亏损原因：
1 ．太早放弃系统。 2 ．忽略佣金与滑移价差。 3 ．缺乏严格遵守信号的纪律。
4 ．对于信号不能果断反应。 5 ．相信一些不确实的假设性结论。 6 ．系统不符合使用者的交易风格。
7 ．系统的操作方式超过交易者的资金规模或其他条件。8 ．系统没有经过适当的测试。9 ．系统采用太多变数与条件。
10 ．系统经过曲线套入。 11 ．不能把握“保持简单”的原则。 12。 系统不够好。
高胜算的系统性交易：
1 ．只采用获利期望值为正数的交易系统。 2 ．了解如何测试系统。 3 ．系统最好能够适用于各种不同市场。
4 ．交易法则必须很清楚。 5 ．出场的重要性，不低于进场。6 ．交易系统必须考虑止损。
7 ．系统绩效很稳定。 8 ．保持简单。
9 ．在较长时间结构上采用另一套系统，作为警报，并监督止损位置。
10．在较短期时间结构上采用另一套系统，用以精确掌握进出场位置。 11 ．系统的最大损失不要太大。
12 ．了解自己最多能够承受多少损失。 13 ．利用不同系统的信号进行确认。
14 ．必要情况下，可以利用主观判断。 15 ．如果你想成为真正的系统性交易者，就应该采纳每个信号。
值得提醒自己的一些问题：
1 ．我是否真的拥有一套系统？ 2 ．我的系统是什么？ 3 ．我的交易系统是否太复杂？
4 ．我的交易系统是否考虑止损与出场？ 5． 我的交易系统是否经过适当的历史资料测试？
6 ．我是否真的信赖这套系统？ 7 ．对于系统提供的信号，我是否经常三心二意？
第13章 系统测试概论
当你编好一套自以为适用的系统后，不要以为这样就可以等着发财了。实际可没那么简单。除非你“深知”这套系统应该有用，不然则毫无意义。可以利用多种方法，来进行测试你所准备采用的交易策略是否有用。你可以直接应用到市场上实战来进行测试；可是，万一测试失败，结果恐怕会很受伤。你也可以先进行纸上模拟测试。最有效的方法，就是利用历史资料进行测试。换句话说，就是针对你准备进行交易的市场，采用某段时间的价格资料，测试交易系统的操作绩效。几年前，这类测试的程序非常烦琐，因为所有的工作都必须依赖人工。现在的情况则不同，我们拥有高速的电脑，某些软件也具备历史测试功能。
为何要进行历史测试？
利用过去的资料进行测试，可以让使用者了解，交易系统在实际运用中可能遇到的状况以及大体的绩效。不要相信某套系统的性能绝对没问题，完全不需要测试。一套系统如果不适用于过去的市场状况，就没有理由相信它能够适用于未来。也就是说，在你拿自己的资金冒险之前，多少应该了解交易系统的各种可能的表现。测试过程中，如果发现系统只能勉强持平，甚至是亏损，应立刻放弃，以避免除了浪费时间外，又造成其他的损失。值得注意的是，历史测试是不能告诉你系统的未来绩效。一套系统在测试过程中，即使表现很完美，也不能保证在实际运用中不会发生严重亏损。
但只要经过适当的测试，你就可以了解，系统可能发生的最大连续亏损的程度。也许连续两个月发生10笔亏损交易，最大损失超过1 万美元。如果过去发生此种情况，就没有理由相信将来不会重演。了解一些系统的最糟的情况，可避免实际运用时才发现，自己的资本无法承受或交易风格不愿意承受这类损失，而导致被迫中途放弃一套原本可以成功的系统。交易系统确实可能发生连续损失，这属于正常现象。因此，一定要了解连续亏损的严重程度。
历史测试经常发生的错误
在进一步讨论历史测试方法前，我想先花点时间来说明在测试过程应避免的一些常见错误。有时，避免错误是学习正确方法的捷径。如果能够避免错误，所作所为自然就会正确。举例来说，我的苏非猫并不知道只能在特定的柱子上磨爪子，但经过学习后，明白了它不能在沙发、窗帘、地毯、家具或我的脚上磨爪子。于是，它能够选择的地方被局限到一个地方。现在，我只要能够想办法让它了解，早上5 时并不是舔我的脸、说早安的适当时间，那么一切就都没有问题了。稍后会阐述正确的做法，不过现在先来讲讲一些坏习惯。
不知道如何评估测试结果 历史测试完成后，最常见的错误就是不知该如何评估测试的结果。除非能够作出有效的评估，否则，你根本无法判断系统的功能。一些人特别重视测试记录中的最高净报酬或最高胜率，可一旦系统的最大连续亏损过高，上述数据就没什么意义了。评估过程必须综合考虑一些东西，如：交易笔数、每笔交易的平均获利、连续发生亏损的交易笔数、最大单笔亏损、最大单笔获利、平均交易笔数、报酬分配状况等等。只有综合考虑以上因素，才能判断出一套交易系统是否适用，或判断该系统相对于其他系统的操作绩效。
曲线套入与过度最佳化 测试结果是否经过曲线套入，是评估系统绩效所需要考虑的重要因素。什么是曲线套入呢？简单地说，就是根据资料状况来设定系统策略。这是交易系统建构与测试过程中都可能发生的问题。如果你发现价格资料呈现明显的趋势，然后才建构一套买进和持有的系统，这就是曲线套入。建构系统的过程中，交易者可能特别注意走势图上适用其预定策略的资料，但有意无意之间却忽略其他不适用的资料。这样建构的系统，很可能只适用于某类市场状况；如果没有采用其他历史资料进行测试，这套系统显然不该被采用。过度最佳化则是另一个因素。系统建构过程中，如果对于参数设定要求十全十美，就可能发生过度最佳化的问题。举例来说，一套由两条移动平均构成的穿越系统，建构者可能会测试所有可能的均线组合，然后挑选一组绩效最佳的。这类系统未必适用，就如同精心培育的温室中的花朵，往往都禁不起残酷环境的考验。所以，测试过程中，不要为了取得较好的测试绩效而不断调整系统参数，因为这类系统通常都不适用于未来。
不质疑系统 不怀疑系统的测试结果，也是一种错误心态。某些交易者看到不错的测试记录，就觉得很满意了。实际上，使用者应尝试寻找系统的毛病或不正常的地方，观察是否有曲线套入的倾向，因为在事前了解这方面的问题，总要比实际遇到的好。系统的测试绩效很好，可能只是由一两笔交易造成。如果遇到不同的市场状况，这套系统还能发挥测试过程的绩效吗？测试过程对于滑移价差的假设是否合理？测试过程的交易样本数量是否足够？如果你不尝试质疑系统的绩效与缺失，实际运用中就可能遇到不必要的麻烦。对于一套看起来似乎没用的系统，不妨也抱着这种心态，研究其问题所在，看看自己是否能够进行修改。检讨一些无效的策略，也可以提高交易知识。任何假设或理论，都需要进一步研究与质疑，才能知道它是否成立。
测试资料或市况不足 资料不足是测试的另一种常见错误。测试交易笔数至少是30 笔，只有这样，测试结果在统计上才可以被接受。如果资料太少，很难判断测试结果究竟是偶然因素造成，还是交易策略确实有效。如果某套系统在测试过程中只发出6 个信号，即使其中5 个信号都成功，还是不能归纳出任何统计结论。这很可能代表严重连续亏损之后的连续获利。如果样本数超过30个，就可以在交易系统上做出有效的统计结论，测试结果不能完全由“巧合”或“运气”解释。测试过程采用的历史资料，还应该要充分反映实际的情况，包括各种可能发生的情形，不能只挑该交易策略最适用的行情。你需要知道该系统在上升趋势、下降趋势、区间盘整、波动剧烈、牛市走势等各种市场状况的表现。交易系统也应该在不同市场进行测试。如果某套交易策略确实有效，那就应该普遍适用于整个金融市场。
采用盘中资料进行测试，不要只取几个月的资料，时间最好拉长到几年。开始可以采用一年的资料，但一年期间并不够长，还不能做真正结论。很多系统经常在一年内有卓越表现，但3 年的绩效就惨不忍睹了。取得盘中价格资料的成本不低，测试过程也很浪费时间，因为你必须个别测试每种期货合约，可是金融交易本就不是便宜、简单的；只有投入时间、精力与资金，才可能取得好结果。
缺少外部样本 测试的价格资料不足，也会造成没有外部样本可供运用的问题。交易系统的测试过程中，我们通常会把价格资料分为两部分，一部分用来调整交易策略或设定参数，另一部分则用来做真正的测试。一套完整的交易策略，最后测试应采用全新的资料。如果就这段特定资料的测试做最后测试，交易系统通常都会针对其进行套人与最佳化。请注意，如果价格资料曾经用来调整策略或参数，绩效往往都很好，但重点是该系统在完全“陌生”环境下的表现 这也是外部样本的功能。选一些最能代表交易实况的价格资料，作为外部样本，以测试交易系统的表现。
忽略佣金成本与滑移价差 在交易系统测试过程中，使用者普遍会忽略佣金与滑移价差。因此，测试结果可能很好，但在实际运用时却发生亏损。这是因为测试过程并没有考虑到佣金费用与滑移价差。关于这些费用，预估必须切合实际，否则到时会让你大吃一惊。每笔交易都要佣金，经常也会出现滑移价差，所以测试过程就应该考虑到此类成本。一些短线交易者经常对滑移价差的估计不足，他们认为交易会撮合在信号发生的价位。事实上，当我利用市价单买卖股票时，成交价格经常较预期水平差30 美元以上。就我个人的经验来说，当市场发生特殊情况（如联邦储备银行突然宣布调整利率），数只股票曾经同时出现每股5 美元或更多的滑移价差。所以，纸上模拟操作的表现可能很好，但实际交易却只是小输小赢。一些看起来不错的交易系统，考虑佣金与滑移价差之后，结果却亏钱。千万不要忘了这些必然发生的成本，否则任何测试结果都不会
历史测试程序
曲线套入 我准备先来讨论曲线套入的主题，然后再讨论最佳化程序。先前，我提到曲线套入就是利用资料匹配系统。经过曲线套入之后，系统对于特定时期的特定资料，绩效看起来很好。举例来说，在走势图上看到某段时期的价格在特定区间内来回游走，你可以针对这种行情，建立一套交易系统，使其操作绩效特别好。你也可以编写一个滤网，让你恰好在市场崩溃前进场放空。操作绩效显然很好，但不是真的。在市场下次大跌之前，该系统还会发出类似的放空信号吗？你可以不断调整，使得交易系统与资料之间完全吻合，但问题是这套系统是专为这些资料而设计的，恐怕不能适用于其他资料。无论是哪段时期的资料，只要你愿意，都可以设计报酬率高达2 000 ％的交易系统，但该系统对于未来行情完全无用。就交易者的立场来说，你所担心的是系统未来运用的绩效，而不是历史测试结果。这也正是我前边所说的，一套看起来不错的系统，为什么必须采用崭新资料进行测试的理由。唯有采用不同于系统编写过程与最佳化过程的资料，才是真正的测试。如采用曲线套入过程的资料进行测试，系统绩效当然会很好，但却未必适用于未来。总体来说，系统结构越复杂、交易方法越烦琐、测试绩效越过于理想，曲线套入的程度就越严重。
最佳化程序 最佳化程序是针对特定时期的资料，通过不断修正参数与指标，来提升系统的绩效。如果采用移动平均，使用者将不断调整移动平均的长度，来促进操作绩效。决定移动平均长度后，可能继续进行最佳化，希望找到某种突破滤网，使得绩效能够更进一步提高。总而言之，系统使用者可以一直调整参数与指标，使系统绩效有所提升。如果采用Trade Station ，这套软件可以帮你进行最佳化。只要几秒，Trade station 就可以告诉你任何指标在某特定时期内的最佳参数值。表面上看起来，这似乎是很不错的功能，但却很容易让你误解系统的真正绩效。
最佳化的目的，在于提升交易系统的获利能力，但一定要注意，不要做得太过火了。系统概念只需大致正确，而参数值究竟如何设定，并不太重要。最佳化过程，是希望找到一段看起来最好的参数值。举例来说，对于一套穿越近期最高价的突破系统，你希望找到最适用的回顾期间。你发现回顾期间越长，信号的获利能力越强，但回顾期间超过20 期后，就没有明显改善了。你因此而知道系统的回顾期间应该设定为20 左右，至少不应该是5 期。想要找到某个单一的最佳数据，是毫无意义的。因为资料不同，最佳数据也就不同。
就我而言，在最佳化过程中，我希望找到绩效最佳而且普遍适用的一些参数值，然后取其中平均数作为实际运用的数据。举例来说，如果12 期、14 期与17 期移动平均的效果最好，我很可能采用14 期或15 期。如果12 期、14 期与17 期的效果很好，但15期或16 期的效果不好，则意味着系统显然有间题，否则不应该发生这种现象。对于一套真正好的移动平均系统，不论选择5 期、7 期、10 期或15期结果都不应该相差太多。对于某组资料，如果14 期的绩效最好，这并不会特别吸引我的注意，因为我要找的是大体上有效的操作概念或方法，而不是某个绩效最佳的参数值。如果某个交易系统只能采用1 … 2 个参数值，这套系统应该不可靠，很可能经过曲�