1703566076
首先我们需要理解重标极差分析法（R/S分析）。我们知道当投掷一枚均匀的硬币时，N次投掷后，出现正反两面次数的差异数随着N1/2增长。这是布朗运动的特性。通常：
1703566077
1703566078
1703566079
1703566080
1703566081
其中，R为极差；c是一个常数；h是重标指数，在掷硬币例子中，h=0.5。
1703566082
1703566083
Hurst（1951）在h=0.5的特例基础上，对这个概念进行了推广。首先我们从时间序列xt入手，构造一个偏差序列：
1703566084
1703566085
1703566086
1703566087
1703566088
其中，Dt，N为N个周期后的累计偏差；MN为N个周期中，xt的平均值。
1703566089
1703566090
在此基础上，极差的定义为式（9-10）的最大值与最小值的差：
1703566091
1703566092
1703566093
1703566094
1703566095
然后我们把它除以原始观测的标准差，对极差进行标准化。这样得到的结果就叫作重标极差（rescaled range），R/S。Hurst指数中的h定义为：
1703566096
1703566097
1703566098
1703566099
1703566100
对这个式子取对数后，我们得到可以简单通过线性回归进行估计的式子：
1703566101
1703566102
1703566103
1703566104
1703566105
精确估计这个式子需要大量的数据。Hurst还给出了一个简单的近似公式，可以通过一个值就得到h的估计：
1703566106
1703566107
1703566108
1703566109
1703566110
这个式子假设式（9-14）中的常数a等于0.5。当a大于0.7时，这个近似值会高估h；而当a低于0.4时，会低估h。但是，因为从较短的数据序列得到的回归结果并不可靠，所以这个近似公式得到的估计值可以认为是合理的。
1703566111
1703566112
当把重标极差分析法用于交易结果时，计算用的时间序列应当为对数收益序列。
1703566113
1703566114
更高级的评价
1703566115
1703566116
当你跟踪了一段时间的交易结果之后，你将会发现，哪些策略是有效的，而又有哪些是无效的。你不应该把时间浪费在你不擅长的领域。交易并不是一种运动。例如，如果你希望提高自己的高尔夫水平，你可能需要对自己的薄弱环节加紧练习。薄弱环节水平的提高，会增加你的高尔夫水平，并且这也是最容易进步的地方。不过，对于交易而言，你并不需要会做各种各样的交易。你只需要做你擅长的交易即可。
1703566117
1703566118
当交易员只擅长一两种交易策略时，他们可能会变得紧张，担心这些策略不再有用，从而决定多元化他们的策略。另一种可能是：他们会变得过分自负，认为既然自己可以在这个策略上获得成功，当然会在更多策略上成功。
1703566119
1703566120
考虑到任何交易策略都有其生命周期，不停地尝试新东西是很重要的。但更为重要的是，把握住现在有效的策略。交易的主要风险并不是当策略有效时赚尽可能多的钱。具有讽刺意味的是，对策略失效的恐惧才会导致风险。
1703566121
1703566122
毫无疑问，当长期盈利的交易开始出现业绩退化时，此时情况是最难评估和处理的。我们可以把这简单地归结为运气吗？这当然也是有可能的。但在把信号中的随机性分离出去时，我们需要特别小心，就像我们在评价成功的交易时那样。不仅交易会随着时间而改变，交易行为本身也会最终让盈利优势消失。这种情况不仅在个体交易员的层面上发生。随着人们发现某个交易策略能够盈利，那就会有越来越多的人参与进来，从而导致利润消失。世界上的任何保密措施都没法阻止这一情况发生。最终我们需要考虑以下一些可能性。
1703566123
1703566124
·盈利优势的来源已经消失。有时候这是很明显的，比如当QQQQ期权的最小价格变动单位从5美分降为1美分时。无疑这个问题是做市商必须要适应的，但有时候业绩退化的原因更为微妙。我有个好朋友，他是个很成功的棒球赌家，他在2003年的收益率为400%，夏普比率为4。他的下注都是基于大量的棒球数据统计分析和计算机模拟。但到2007年，他的收益减少到了0。他对棒球的了解更深入了，但是市场比他的学习速度更快（他现在开始做股票期权交易了）。
1703566125